交通事故无时无刻不威胁着人们的生命以及财产安全,特别是近年来,由交通事故造成的损失已经不容忽视。为尽量避免由于行车环境复杂与驾驶员处于非正常行车状态而导致交通事故的产生,基于计算机视觉技术来实现辅助驾驶已经成为一个热点的研究问题,开发安全可靠的车载辅助变道系统和驾驶员状态实时监测系统就有着重要的实用价值。本文主要研究了实时场景车辆变道安全提醒算法设计和驾驶员状态监测算法设计以及它们在嵌入式AI芯片上的实现和应用。针对实时场景的车辆变道安全提醒依赖复杂标注数据的问题,本文提出了一种无需标注和识别车道线的端到端的“变道相关车辆”检测方案,并通过改进Mobile Netv2+SSD检测框架来实现嵌入式AI芯片上的准确快速检测。首先,在数据集制作时以车道线约束进行车辆标签的标注,只用标注变道相关车辆,利用深度卷积神经网络学习车辆相对于车道线的高阶语义位置信息,从而避免复杂的车道线分割标注;然后,将对应的检测头全部设计为深度可分离形式,从而保证模型推理的速度和系统的实时性;最后,针对车辆漏检和背景误检的情况,在相应的特征层加入稀疏自注意力机制,在保证效率的同时提高了检测的准确性,达到实用性标准。针对驾驶员状态实时监测系统存在实现流程复杂的问题,本文设计了一种驾驶员“面部整体+局部联合识别”的新型、简单、有效的技术方案。第一步,先将输入图片中人体的关键部位包括面部、眼睛、嘴巴和手部进行区域性检测;第二步,对检测到区域的状态进行相应的分类来具体判断人体所处的状态（正常、分心、抽烟、打电话、疲劳）。抽烟和打电话状态主要根据手部区域的状态来区分,考虑到眼睛、嘴巴相对于输入图片是小目标,采用面部区域缩放与眼睛嘴巴等区域放大相拼接的策略进行分类,以区分分心和疲劳状态。最后根据系统需求选择RK1808嵌入式AI平台,并基于该ARM板进行模型部署。本文通过提出的变道相关车辆检测、面部整体局部联合识别的方案和算法实现了实时、准确的变道安全提醒和驾驶员状态监测,并已集成进入车载设备投入使用。