安全行车是轨道交通运营的基本要求,现阶段,拥有地铁的城市也越来越多,地铁运营形成网络,列车司机队伍不断壮大,正线列车驾驶的风险也将随之上升,对司乘管理人员及驾驶人员提出了更高要求。列车司机作为一个特殊的一线操作者,承担着列车驾驶、车辆故障处理、应对紧急事件、客运服务等多方面的职责,对确保列车安全平稳运行有着十分重要的作用,提升运营单位乘务管理部门的管理能力也成为重中之重。一般情况下,列车司机为单人驾驶,无法实现及时有效的人员互控管理;同时,由于驾驶室空间局限性,又很难借助大型监控设备对列车驾驶员行为进行无干扰监测。为了改善列车驾驶员与列车操作控制系统界面之间的人机交互方式,减少列车驾驶员的工作负荷,本文研究一个基于图像识别的列车司机驾驶行为监测系统及其关键技术,能够有效识别并判断司机正线驾驶时的各种状态及行为,实时快速地对违规行为进行预警,保证行车安全。主要内容包括:结合列车驾驶员面部人脸识别、疲劳监测和身体上部肢体识别的需求,设计了列车司机驾驶行为监测系统。首先,建立人脸识别算法并设计监测软件系统,实现对ORL、GT、Faces95三个人脸数据集的识别;然后,开展基于PERCLOS值的疲劳检测算法研究,利用Kalman滤波器建立模型,构建了基于PERCLOS方法的疲劳检测算法;最后,提出了一种基于深度学习的肢体识别算法,结合目标检测模型、骨骼提取模型以及本文手势的知识库,识别司机手势,判断司机驾驶过程中的手指确认等操作动作是否标准,最终,通过监控管理与视频通讯平台,实现监测、报警与提醒功能。综上,本文构建了由人脸识别和疲劳监测系统、手势识别系统、终端管理系统平台、重大告警推送系统和视频通讯五个模块组成的系统,并通过实验验证系统的可靠性和实用性。本文所构建的列车司机行为监测系统,可适用于地铁运营单位列车司机的驾驶监控以及干线铁路如动车组、客货运专线的列车司机驾驶行为管理,本系统具有广泛的普适性和较强实际应用效果。