自上世纪八十年代以来，汽车中安全气囊的集成使用极大地提高了乘员在碰撞事故中的安全性。但是，由于常规的乘员约束系统是按正常坐姿、95百分位乘员进行开发的，因此设计出的安全气囊起爆时间和充气强度有可能对离位乘员、小身材妇女及儿童造成伤害。近年来，为了更有效地降低因气囊不适当起爆造成不同类型不同坐姿乘员伤害的可能性，研究人员开展了智能安全气囊的研究。主要是在常规安全气囊基础上，通过对乘员类型和坐姿等体征信息的实时检测和识别，来动态决策安全气囊的不同起爆时间和充气强度等工作模式，从而实现对不同类型乘员的最佳保护。本文采用基于视觉检测的乘员分类识别算法，将副驾驶员座位上的乘员按照空座、成人、儿童和婴儿四种类型进行分类识别。识别过程包括测量空间的生成、特征空间的提取和类别空间的划分三部分。首先对图像进行预处理并裁剪感兴趣区域，利用prewitt算子对图像进行边缘检测，然后利用Legendre矩提取乘员特征，最后利用支持向量机对不同类型的乘员特征进行学习训练并对未知的乘员类型进行分类识别。在识别出乘员类型后，智能安全气囊将根据识别的结果进行判断决策。如果识别的乘员类型为成人，则实时追踪乘员的位置。首先对乘员图像进行预处理，运用背景差分法并辅以基于肤色信息的人脸识别算法提取出乘员上半身轮廓，然后利用椭圆拟合出乘员上半身轮廓并实时追踪椭圆位置，最后根据椭圆方程判断其离位状态。本文采集了600张乘员样本图像进行分类识别，达到了99%以上的准确率；并利用成人的视频图像对乘员位置追踪算法进行了验证。试验结果表明，本文采用的基于视觉检测的乘员分类识别及其位置追踪算法能够对乘员进行正确分类和准确追踪，为智能安全气囊的开发提供了重要的控制参数。本文最后对MATLAB和DSP联合编程进行了初步探索和有益尝试，为DSP程序的快速开发提供了一种新的思路，对缩短产品开发周期、提高工作效率具有重要意义。