赵 雄，陈 平，潘晋孝

(中北大学信息探测与处理山西省重点实验室，山西 太原 030051)

0 引言

车内异常行为严重影响着驾乘人员的安全，故车内视频监控[1]平台中人员行为识别技术的研究，已经引起了国内外的广泛重视。由文献[2]可知，异常行为是指发生的低概率行为，车内异常行为主要研究驾驶员的异常驾驶行为和车内驾乘人员之间会带来安全威胁的异常接触行为。

目前，国内外学者对异常驾驶行为识别方法的研究主要有以下3种：基于生理信号的方法，利用驾驶员的生理信号如脑电信号[3]、肌电信号[4]等判断驾驶状态，这种方法需要驾驶员佩戴复杂昂贵的仪器，会影响驾驶员的正常操作，如李江天等[5]提出的多源生理信号的驾驶疲劳检测，驾驶员需要穿戴多类仪器监测各类生理信号；基于车辆运行参数[6]的方法，测量如方向盘旋转率、加速度等参数推断驾驶员驾驶状态，这类方法受驾驶员操作习惯的不同等因素会导致误识别率较高；基于人工特征的方法，提取图像中如纹理、颜色和HOG(histogram of oriented gradient)[7]等人工特征，并进行多特征融合进而判断驾驶行为[8]，这种方法突破了依靠单一特征的限制，但是对情况复杂的多分类异常驾驶行为难以识别或识别准确率低，如对多维时间序列进行异常点检测[9]，并没有对异常驾驶行为进行详细的分类，单单识别驾驶行为是否属于异常驾驶行为。

车内前排驾乘人员之间的异常行为识别方面，由于目前异常行……