随着经济飞速发展,人均汽车保有量不断增加,交通安全问题开始日益严峻。据相关统计,驾驶员的违章行为是造成交通事故发生最主要的原因。因此,传统的交通系统已经不能满足交通管理的需求,目前迫切需要一种高效智能的交通检测系统来识别驾驶员的违章行为,从而最大程度避免交通事故的发生。基于计算机视觉的驾驶员违章行为检测系统具有非侵入、实时高效等优点,逐渐得到了推广。本文主要对智能交通中的驾驶员违章行为识别算法进行了研究,并设计了一套驾驶员违章行为检测系统,实现了对车辆的车窗检测、驾驶员安全带佩戴识别和打电话识别。本文的研究工作主要在以下几个方面:(1)在已有的技术和研究基础上,采用积分投影结合MBI特征对传统的车窗区域提取算法进行改进,完成对车窗区域图像的精确提取。(2)研究安全带佩戴识别算法,使用Hough变换检测直线方法找出驾驶员位置图像的直线信息,再根据判定条件分类进行安全带佩戴识别。再基于HOG特征和SVM重新设计安全带佩戴识别算法,与前一种方法进行对比,取得更好的检测效果。(3)研究驾车打电话识别算法,首先仿造Alex Net的结构设计识别驾驶员人脸区域的卷积神经网络,再用人脸区域的位置定位打电话的人手区域,构建出可以识别打电话的手的神经网络。但考虑到驾驶员的特殊打电话动作,使用驾驶员区域图像训练神经网络,最终结合三个神经网络实现驾车打电话识别算法,并取得较高的准确率。(4)设计一套智能交通系统,根据模块划分为人机交互界面和行为检测算法模块,其中人机交互UI模块主要实现的功能为卡口图像与参数显示、驾驶员行为检测识别结果显示、系统控制与操作。驾驶员行为检测模块主要实现的功能为车窗检测、安全带佩戴识别、驾车打电话识别。