随着车辆保有量的增多,汽车安全问题越来越成为一个必须考量的问题。在每年的道路交通事故中,多数灾难性的交通事故是由疲劳驾驶导致的。而且在我国并没有将吸烟驾驶行为列入违规条例,但是实际上,仍然有一部分道路交通安全事故跟吸烟驾驶有关。所以对于营运车辆,比如“两客一危”车辆,物流车辆,以及网约车辆的监察更显的尤为迫切和重要。对于驾驶员的疲劳驾驶和吸烟驾驶行为,目前主要的检测手段有,基于驾驶员的生理特征进行的疲劳检测,这类检测疲劳方法准确度高,但因为需要与驾驶员身体接触,所以便携性差。另外基于视觉的非接触类疲劳检测,这类检测可操作性强,速度快等优点,但是传统的特征提取手法提取特征种类有限,且过程繁琐,同时对图像质量要求较高。而对于吸烟检测,一般的吸烟检测技术是通过仪器检测驾驶室是否有烟雾,或者测量驾驶室的温度等来判断驾驶员是否有吸烟驾驶行为。这种检测方式易受周围环境干扰而导致漏检误检。本文提出一种利用驾驶员脸部的关键点信息,计算并判断其脸部的特征信息是否符合疲劳特征,以此来判断驾驶员是否有疲劳驾驶行为,同时利用嘴部关键点信息合成吸烟图像来解决吸烟数据缺乏的问题,为驾驶员吸烟检测的研究提供充足的吸烟数据。主要内容为:(1)搭建了用于人脸关键点检测的网络模型CNN-9,利用卷积神经网络提取特征的高效性,检测出驾驶员脸部的关键点。模型在测试集上取得了比较理想的效果,并且小的模型结构也使得关键点检测具有实时性。同时模型在具体109个视频段上的疲劳检测结果也表明,本文疲劳检测方法具有较高的准确度。(2)将吸烟检测考虑为一个二分类问题,搭建了用于驾驶员吸烟检测的模型VGGNet-10。并且通过利用嘴部关键点坐标信息合成大量的吸烟数据,以此来解决吸烟数据缺乏的问题。(3)在合成的吸烟数据与真实吸烟数据比例严重不对等的情况下,为了使模型对真实吸烟图像有较好的检测效果,本文采取了先使用合成图像训练,再用真实吸烟图像进行参数微调的训练策略,并在真实吸烟图像组成的测试集上取得了较好的检测效果。由此可见,本文的吸烟检测模型、吸烟图像合成方法以及吸烟检测模型训练策略具有可行性和有效性,同时CPU上的吸烟检测耗时也说明模型能满足实际中的实时性需要。综上内容,本文通过利用搭建的关键点检测模型和制定的疲劳检测准则,对驾驶视频的疲劳检测取得了较高准确度和实时性;通过利用本文搭建的吸烟检测模型、合成吸烟数据以及模型训练策略,在吸烟检测测试集上取得了较理想的检测召回率和较高的实时性。