随着社会经济的发展,目前道路交通安全已成为重大安全问题之一,驾驶员的危险驾驶行为是引发安全事故的重要原因,威胁到人民群众的生命财产安全。为解决上述问题,利用图像处理技术对驾驶员危险驾驶行为进行识别已成为最具潜力的技术手段。为了研究驾驶员危险驾驶行为,本文从提高检测算法的准确性和实时性出发,重点从人脸检测和人脸特征点定位两个方面展开研究,结合危险驾驶行为检测任务的特点对算法进行改进,提出了多特征的危险驾驶行为检测方法。主要研究内容如下:(1)针对传统基于肤色和Adaboost的人脸检测算法实时性差的问题,增加缓存机制来存储人脸大小和位置,缩小人脸检测范围来提高检测速度。针对人脸检测算法在有遮挡或偏转较大情况下检测失败的问题,将粒子滤波算法与人脸检测算法进行结合,在人脸检测算法检测人脸失败时进行人脸定位,提高人脸定位的准确率。(2)对基于表观模型(Active Appearance Model,AAM)的人脸特征点定位算法进行优化,采用方向梯度直方图(Histogram of Oriented Gradients,HOG)结合支持向量机(Support Vector Machine,SVM)对驾驶员头部姿态做初始分类,使不同的人脸姿态匹配不同的人脸初始化模型,减少特征点提取过程的拟合次数。利用人脸特征点完成头部姿态的计算,通过对不同驾驶状态下的头部姿态进行分析,建立了分心驾驶行为评估模型。(3)提出了基于人脸掩模的手部定位方法,对驾驶员手部进行定位,将手部位置作为打电话行为判断的一个因子。采集了驾驶员打电话行车姿势数据集,针对单一HOG特征在描述目标方面的缺陷,将降维后的HOG特征和局部二值模式(Local Binary Pattern,LBP)特征进行融合,对驾驶员行车姿势进行分类。针对基于视觉特征的驾驶员打电话行为检测方法鲁棒性较差的问题,提出一种基于多特征的驾驶员打电话行为检测方法,利用行车姿势、嘴部动作和手部位置对打电话行为进行综合判断,以此减少生理动作的干扰。最后基于MFC和Open CV开源库设计并搭建面向视频的驾驶员危险驾驶行为检测系统。通过实验整合各模块并全面评估系统性能,实验结果表明,本系统不仅能够有效的检测驾驶员危险驾驶行为,而且具有良好的实时性。