近些年来,中国汽车行业的迅速发展得力于人们生活水平的大幅度提高。同时国内GDP的迅速增长以及国内城镇化进程的加快为汽车行业带来新机遇的同时推动了我国汽车行业的迅速发展。汽车保有量的连年上升不仅给人们带来诸多方便而且也导致交通事故数量连续上升。据统计,导致交通事故的原因众多,由于驾驶注意力分散导致交通事故的数量较多。传统的驾驶注意力检测方法主要是基于机器视觉的方法,此种方法可以有效地检测驾驶注意力,但仍然存在一些问题。如摄像头覆盖范围有限、侵犯用户隐私、占用内存大等。随着可穿戴技术的快速发展,可穿戴技术越来越多的应用到识别领域中。因此,本文提出一种基于多元运动特征的驾驶注意力检测方法。首先通过可穿戴采集模块采集驾驶员头部和手部的运动数据,进而分析确定表征驾驶注意力的运动特征;然后使用PCA方法融合得到有效特征矩阵进而构建多元运动特征的驾驶注意力检测模型。本文的主要贡献如下:(1)提出了一种基于头部姿态的驾驶注意力检测方法。为了消除驾驶过程中各种环境的影响同时保护用户的隐私,本文提出使用可穿戴运动采集模块采集驾驶过程中驾驶员的头部运动信息,并确定了表征头部姿态的加速度、角速度、四元数等运动信息。针对表征头部姿态的运动信息提取了相应的时域、频域特征,并输送到基于随机森林的检测模型中进行检测。实验结果表明,此种方法的检测精度达到84%,验证了此种方法的有效性。(2)提出了一种融合手部运动特征的驾驶注意力检测方法。为了提高检测精度和鲁棒性,本文提出一种融合手部运动特征的驾驶注意力检测方法。通过调研和数据分析确定了表征手部运动特征的运动信息即使用加速度角速度表征手部运动特征,重力加速度的分量和四元数表征手部运动后静止的特征。而后对采集到的头部和手部采的时间序列的运动数据提取相关时域和频域特征,最终使用基于随机森林算法检测驾驶注意力。实验结果表明,所提方法的检测精度达到88.2%(准确率)。相比基于头部姿态的驾驶注意力检测方法,融合手部运动特征的检测方法精度提高了4.2%,进一步说明了所提出的融合方法的有效性。(3)提出了基于多元运动特征的驾驶注意力检测方法。针对特征维数过多引起“维数灾难”和数据处理的时效问题,本文提出了一种对高维运动特征降维的方法。首先对头部和手部的加速度和角速度提取冗余性较高的时域和频域特征使用主成分分析法(Principal Component Analysis,PCA)进行降维,而后融合其余运动特征。最后,构建基于多元运动特征的驾驶注意力检测模型。实验结果表明,基于多元运动特征的驾驶注意力检测方法虽然检测精度有所降低但其检测时所需时间却减少很多,证明了此种方法的有效性。