苏丹妮, 欧剑波, 肖和平

(湖南省交通运输厅科技信息中心，湖南 长沙 410004)

0 引言

营运车辆具有行驶里程远、行驶时间长、运输载量大、运行范围广、营运环境复杂等特点，易发生群伤群死的重大交通事故，安全态势十分严峻。目前，80%的道路交通事故都与驾驶员的不规范驾驶有关[1-2]，其中又以超速、疲劳驾驶、错误驾驶行为居多。传统的人工巡查监控画面监管方式，尽管投入大量人力，但难以预判造成车辆安全事故的关键致因，做不到精准识别和及时响应。因此，探索自动识别驾驶员不安全驾驶行为的技术手段极具价值，通过对车辆运行过程中不安全驾驶行为进行全方位、全时空、精细化的主动监测和预警，可全面提升营运车辆安全管理和服务水平。

迄今为止，国内外在车辆驾驶行为智能监测的研究上已取得部分研究成果，主要集中在驾驶员姿态行为数据的获取方法上。目前，主流的方法包括：基于车辆行驶方向、速度、轨迹等行为的检测方法[3-5]、基于驾驶员脑电图、心率、呼吸频率等生理参数的侵入式检测方法[6-7]，以及基于计算机视觉的非侵入式检测方法[8-10]。其中，基于视频或图像分析的方法，获取数据便捷、安全性好、检测精度高，已成为主流的姿态行为检测方式。而具体的姿态行为检测技术，目前主要包括肤色检测模型[11]、机器学习模型[12-14]及深度学习模型[15-17]。其中，深度学习技术快速发展，对于姿态行为的识别性能远超于传统的机器学习方法，在驾驶员监测方面应用十分广泛。……