驾驶中拨打和接听手持电话影响行车安全,是造成交通事故的重要原因之一。英国一家交通研究所研究表明,驾驶中使用手持电话大脑的反应速度比酒后(血内酒精浓度0.08w/v)驾驶时慢30%,且车祸的发生率比正常驾驶时高4倍以上,有70%的致命交通事故是驾驶人注意力不集中引起的[3]。现有监控驾驶过程中使用手持电话的系统采用检测车辆速度及手机通讯信号来判断,该方法无法区分车厢内使用手机的人是否为驾驶员。基于机器视觉技术通过对驾驶人使用手持电话行为特征的分析可实现使用手持电话状态的有效估计。由于该方法具有非侵入、准确、实时的特点并可以区分车厢内使用手机者,可成为最具潜力的技术手段。本文使用Adaboost人脸检测算法进行驾驶员人脸检测,并采用F-B Error特征点选取算法筛选人脸中的有效特征点,根据此特征点在头部发生偏转时对人脸进行跟踪。根据驾驶员头部的位置确定打手机行为检测区域,在此区域内使用本文提出的自适应肤色检测算法,根据检测区域的肤色像素比例判别每帧图像检测区域内是否有手,最后根据检测区域内有手的持续时间来识别驾驶员打手机行为。论文深入分析了实际行车环境中光照条件对肤色的影响,以当前帧的人脸肤色作为驾驶员的肤色特征建立动态肤色模型进行肤色提取,并为了提高肤色识别率使用静态肤色模型在动态肤色像素点邻域内再次提取肤色。实验过程中发现Adaboost人脸检测算法检测率不是很理想,为了提高驾驶员人脸检测率,本文人脸检测失败时根据F-B Error算法筛选出的人脸特征进行跟踪及定位。充分考虑了行车过程中驾驶环境的时域稳定性,提出了三模式判别逻辑。实验证明,采用三模式判别逻辑判别打手机行为判别,大大减少了系统出现误判别行为。本文提出的算法可有效检测出驾驶员的打手机行为。