李春贺，陶 帅

(中国矿业大学(北京)管理学院，北京 100083)

随着中国经济的飞速发展，机动车保有量呈现出爆发式增长的态势[1]。目前机动车已经成为交通出行中一项必不可少的工具，机动车的广泛使用，极大地提升了公众出行的效率，但是随之而来交通安全问题也日益增多。报告显示[2]，自从2015年初至2019年底，中国共出现超过600万起各类交通事故，导致直接经济损失高达259亿元人民币；据统计，约有80%的交通事故与驾驶员危险驾驶行为直接相关[3]。例如驾驶员在驾驶过程中出现接打手机等行为，会严重地干扰驾驶员的注意力，从而无法专注地观察前方和周围的路面状况，一旦出现突发情况，驾驶员往往无法及时做出正确的反应，从而导致交通事故的产生，引起生命财产损失。因此，对驾驶员的驾驶行为进行实时监测，及时发现可能出现的危险行为并做出相应的预警和提示，可以避免部分事故的产生[4]。所以，对驾驶员危险行为监测系统的研究具有重要的价值和意义。

目前已有部分工作分别从生理信号、视觉等不同角度来解决这一问题；如文献[4]提出了一种基于双目视觉的方法来检测驾驶员是否出现分神等危险状态，这种方法虽然检测速度较快，但是准确率较低，并且容易受到光照变化的影响；文献[5]提出基于面部和手部特征联合分析的驾驶员疲劳状态检测算法，该算法通过支持向量机(support vector machine，SVM)构建分类模型，具有较高的识别精度，但是模型的泛化性较差，无法大规模使用；……