随着经济的快速发展,机动车辆迅猛增加,交通条件与交通流量之间的矛盾日益突出,交通事故频繁发生,人员伤亡和财产损失惨重。研究者普遍认为道路交通事故约80%以上是由驾驶员错误驾驶行为导致的,因此对驾驶员的驾驶行为及姿态进行监控与识别以及时纠正或干预驾驶员正在实施的危险行为显得尤为重要。鉴于此,本文研究基于图像的驾驶员姿态识别方法,以增强车辆主动安全系统和驾驶安全预警系统的事故预防能力。首先,研究了基于可变形部件模型的驾驶姿态区域检测方法,并对比分析了基于方向梯度直方图特征及支持向量机的检测方法、基于Haar特征及Adaboost的检测方法和基于局部二值模式特征及Adaboost的检测方法,实验结果表明基于可变形部件模型的驾驶姿态区域检测优于其他三种检测方法,其检测精度达到97.5%。其次,研究了基于全局可变形部件模型特征的驾驶员姿态识别方法,并对比分析了基于肤色特征及随机森林的识别方法、方向梯度直方图特征及支持向量机的识别方法、Gabor特征及支持向量机的识别方法和局部二值模式特征及支持向量机的识别方法,实验结果表明基于全局可变形部件模型特征的驾驶员姿态识别方法优于其他四种方法,其识别精度达到92.5%。最后,提出了一种基于局部可变形部件模型融合特征的驾驶姿态识别方法,该方法包括驾驶姿态核心区域定义、驾驶姿态核心区域检测、DPM(Deformable Part Model)得分模型构建和局部DPM融合特征提取,并采用RBF核支持向量机进行驾驶姿态分类;基于Kaggle图像集和SEU图像集,开展了对比实验,实验结果表明所提出的基于局部可变形部件模型融合特征的驾驶姿态识别方法优于基于全局可变形部件模型特征的驾驶员姿态识别方法,其识别精度达到94.38%。