疲劳驾驶、分神驾驶和违法驾驶都引起车辆的异常运动,并与周围其他交通参与者存在碰撞风险,是我国交通事故的主要致因之一,本文将这种车辆的异常运动定义为车辆危险行为。车辆安全辅助驾驶系统是预防交通事故发生和提高车辆行车安全的重要手段,为了促进车辆安全辅助驾驶系统的发展和提高车辆行车安全,本文基于运动特征研究车辆危险行为识别方法。首先,构建了车辆危险行为下车辆运动特征采集系统。针对疲劳驾驶和分神驾驶是在短时间内引起车辆的异常运动,设计了车辆内部信息采集系统。对于违法驾驶是由长时间的车辆异常运动表现,设计了车辆外部信息采集系统。并在此基础上,针对不同类型的车辆危险行为设计和开展了相应的实验。其次,建立车辆运动特征选取算法。基于信息论分析了特征与类之间相关性和特征之间冗余性,提出考虑特征之间互补性和冗余-互补散度的特征选取算法。本文从数学上证明了所提算法的意义,并利用公共数据集验证了所提方法的有效性,为车辆危险行为识别方法的研究提供基础。再次,提取危险驾驶状态下车辆运动的共性指标,并基于共性指标建立危险驾驶状态识别方法。利用车辆运动特征选取方法分别筛选出对识别疲劳驾驶状态和分神驾驶状态具有显著贡献的车辆运动特征,再使用Wilcoxon秩和检验分析疲劳驾驶状态和分神驾驶状态下车辆运动的共性特征,并基于双时间窗方法提取出识别危险驾驶状态的共性指标。然后建立基于支持向量机的危险驾驶状态识别方法,其中支持向量机的核函数参数和惩罚系数利用粒子群算法进行优化。然后,基于稀疏重构理论建立违法驾驶识别方法。使用最小二乘B样条曲线逼近法标准化车辆运动特征,将车辆运动特征转化为固定等长度的特征向量,并构成稀疏重构模型中的训练字典。将原始稀疏重构模型转化为(0<p<1)稀疏重构模型并建立稀疏重构的违法驾驶识别模型,提出正交匹配追踪-拟牛顿法计算模型中的稀疏解,并使用低界定理优化稀疏解,使之逼近全局最优解。结合相似度理论优化稀疏重构的违法驾驶识别模型,建立一种半监督学习的识别方法--基于稀疏重构和轨迹相似度的违法驾驶识别方法(Similarity Sparsity Model,SSM)。最后,构建基于混合核函数稀疏重构的违法驾驶识别方法。利用一种典型的全局性核函数多项式核函数与一种有代表性的局部性核函数高斯核函数进行组合,建立混合核函数,并证明其满足Mercer定理是核函数。再将车辆运动特征通过核函数映射到高维空间,并在高维空间中提出混合核正交匹配追踪算法(HKOMP)求解稀疏重构模型,在此基础上构建核化的稀疏重构模型(Hybrid Kernel Similarity Sparsity Model,HKSSM)识别违法驾驶。本文研究结果可以有效促进车辆安全辅助驾驶系统的发展,从而提高车辆行车安全。