驾驶员监控系统已成为防止分心驾驶和保障交通安全的必备技术,国内已强制要求部分车型安装驾驶员监控系统,但目前系统中的驾驶员异常行为识别算法仍然存在容易受到背景干扰导致准确率低的问题。因此本文设计了基于人像分割的驾驶员异常行为识别算法,并将其应用在驾驶员异常行为识别系统中。本文的主要研究内容如下:基于人像分割的驾驶员异常行为识别算法研究。针对驾驶员异常行为识别算法容易受到背景干扰的问题,本文提出基于人像分割的驾驶员异常行为识别算法。首先提出人体姿态估计与人像分割联合网络,使驾驶员监控系统中用一个网络即可完成人体姿态估计与人像分割任务,其速度优于现有的人体姿态估计网络和语义分割网络的组合;其次,通过预训练和知识蒸馏的方法使该网络在驾驶员人体姿态估计和驾驶员人像分割任务上达到与大型网络相近的效果,应用在驾驶员异常行为识别任务中能够准确去除背景。然后,对去除了背景的图像识别驾驶员的异常行为时,基于vgg16网络改进提出了速度更快且更适合驾驶员异常行为识别任务的vgg16＿driver网络,使用多标签分类的方法解决多种异常行为同时发生的问题。最后,在去除背景和保留背景的条件下分别使用vgg16＿driver网络进行了特征可视化和实验数据分析,本文使用人像分割去除背景的方法使vgg16＿driver网络在两个与训练集背景不同的场景下驾驶员异常行为识别任务的F1-score指标分别提高了10.83和7.80个百分点,并优于现有其他方法。驾驶员异常行为识别系统设计及其在嵌入式平台的实现。本文将设计的驾驶员异常行为识别算法应用在驾驶员异常行为识别系统中,并将系统部署在搭载Hi3516DV300So C芯片的嵌入式平台,综合使用CPU、神经网络加速引擎及其他处理单元协同实现驾驶员异常行为的实时检测和语音告警功能。