近些年,中国铁路处于高速发展的阶段,在给人们出行带来便利的同时,其安全性也面临着严峻的考验。在列车行驶过程中,驾驶员的不当操作会极大的降低交通系统的安全系数。铁路局目前的监控手段是通过人工的方式对监控视频进行后处理,无法实现对列车异常事件的及时应对和处理。本文采用计算机视觉的方式对驾驶员行为进行智能分析,将传统监控的“后处理”转换为更为合理的“前处理”方式,有效的降低了事故发生的可能性。本文的研究如下:(1)介绍了对机车驾驶员行为检测识别的现状,分析了智能监控系统对列车行驶安全的重要性。同时针对本文应用场景,阐明了目前识别方法的缺陷和弊端,结合人体行为识别的现状,寻找新的检测识别算法。(2)设计了在单目场景下基于驾驶员三维姿态的前景检测提取方法。首先,对列车采集到的视频进行预处理,将其转换为符合系统算法要求的数据;其次,对比常见的前景检测方法,选择最符合本文应用场景的OpenPose骨骼提取方式,并对得到的数据进行平滑处理;最后,利用摄像机成像原理和人体骨骼模型将驾驶员的姿态信息恢复到三维坐标系上,结合驾驶室环境的和人体的内外约束信息消除单目转三维的歧义性。(3)对驾驶员的三维姿态行为进行识别分类。根据机车驾驶员行为规范,驾驶员的一些身体部位必须约束在特定的区域,脱离区域则告警提示。为了提高算法的效率和结果的准确率,本文将其分为静态行为和动态行为两类,前者结合驾驶室空间模型进行约束识别;后者利用隐马尔可夫模型的方式进行分类识别。最后进行系统搭建,并对本文研究的内容进行总结,进一步明确今后的研究方向。