随着车辆保有量和车载产品的不断增加,诱发交通事故的因素越来越多,而且由于驾驶员因素导致的交通事故占据着重要的比例。因此,深入研究驾驶员的异常驾驶行为,了解其内在影响机理,可以为降低交通安全事故提供支持。论文以驾驶员在行车途中打电话、吃东西、视线偏离等非正常行为作为研究内容。基于分而治之的思想,利用三个关注区域(眼部、头部和上半身)的车载影像分别建模。在纵向和横向两个角度研究异常驾驶行为在时间与空间上的内在联系,从而提出异常驾驶行为识别与预警方法。另外优化了现有关键帧捕捉方法,提高了系统实时性。论文主要工作包括以下几个方面:1.针对异常行为在驾驶员身上的表现区域,研究设计了驾驶员眼部、头部和上半身三个关注区域的异常驾驶行为识别模型。具体建模过程中针对视频数据计算量巨大的问题,引入人脸关键点与骨骼关键点的方法,解决了特征表示一致性问题和反复应用图片数据导致的计算资源浪费问题。分析三个区域的细致表现特点,采用统计方法与传统方法结合的实施方案。结果表明该方案的识别准确率为84.16%。2.论文为了解决预警体验问题,在建立异常行为识别模型的基础上提出基于横向与纵向估计相结合的异常行为分级预警模型。该预警方法综合了相关因素的重要性与关联性。依据三个关注区域完成一个动作的速度,分析触发预警的重要性和排干扰性,形成纵向估计;依据各个区域在时间与空间序列上的关联关系形成横向估计。结果表明预警设置确保了结果的可实施性,满足预警的舒适性。3.论文为了避免重复检测相同的信息,采用关键帧捕捉方法检测关键信息。提出将强化学习思想作为关键帧捕捉方法的策略,使关键帧捕捉具备了根据驾驶员状态变化而切换策略的自适应能力,并在现有方法中显示出独特优点。最后论文通过测试分析了异常驾驶行为识别与预警模型的准确性和实时性,并与百度AI平台的驾驶行为识别算法进行对比分析。