社会经济的发展使得汽车成为国民便捷出行的主要交通工具之一。汽车的普及在提升出行效率的同时也带来了交通安全问题,如何提升驾驶安全性成为了当前的研究热点。驾驶员的危险驾驶行为是导致交通事故的主要原因之一,本文研究的车载危险驾驶行为报警系统,旨在通过计算机视觉算法实时识别驾驶员的危险驾驶行为并使用语音报警提示,从而提升驾驶安全性。本文根据系统实际使用场景和国人驾驶习惯制作了驾驶行为数据集。该数据集包含正常驾驶、侧视、喝水、吸烟、操作中控、玩手机、侧身拿东西、整理仪容、接电话共9种驾驶行为数据,并按照采集人员划分训练集与测试集。相比于现有公开数据集,该数据集在数据量和数据丰富度上都更具优势。本文提出了一种利用方向盘定位关键区域的驾驶行为识别算法。该算法首先通过目标检测算法定位车内方向盘位置,再利用方向盘位置信息裁剪出关键区域,最后通过分类算法对关键区域进行行为分类。由于在同一视频流中方向盘位置不会发生变化,可以重复利用位置信息,成功将目标检测任务转化为更为简单的分类任务。为了将驾驶行为识别算法直接部署在车载设备中,使用轻量级神经网络实现分类算法。本文根据自制数据集特点,设计了一种轻量级沙漏模块,用以改进Mobile Netv2网络的全连接部分,在降低网络参数量的同时提高了识别准确率。本文提出了一种驾驶行为风险评估算法,该算法结合驾驶行为分类结果、行为持续时间和行驶速度,准确评估当前驾驶风险,提高语音提示与违规记录的准确率。本文使用自制数据集训练改进后的Mobile Netv2网络,并以此实现驾驶行为识别算法和风险评估算法,最终将上述算法应用于车载危险驾驶行为报警系统。系统车载端部署在车载设备中,能够实时识别驾驶员的危险驾驶行为并通过语音报警提示,提升驾驶安全性。系统平台端部署在服务器中,收集系统车载端所保存的驾驶员违规记录,方便用户分析和管理驾驶员违规记录。