近年来,随着汽车保有量的不断增加,行车驾驶安全正受到越来越多的社会关注,而实现实时的疏忽驾驶行为检测正是提高驾驶安全的基础。现有的驾驶安全检测工作未能针对疏忽驾驶行为进行细粒度地检测和识别,而且通常需要借助预先部署的硬件设施或对智能终端在车内的摆放位置有要求。为了提高驾驶员自身防范疏忽驾驶的意识,防止潜在事故的发生,本论文提出了一种基于智能终端的疏忽驾驶行为检测和识别方法,通过利用智能终端的内置传感器,扬声器和麦克风,对疏忽驾驶行为进行实时的检测和识别。本论文首先基于疏忽驾驶行为的具体定义,从中抽象出了四个基本动作,即转身、拿取放回、捡拾和手部持续小动作。根据在实际驾驶环境下10天的实验采集的声波数据,分析发现以上四种疏忽驾驶行为在多普勒频移上都有各自独特的特征。具体而言,本论文系统首先在多普勒频移方面通过主成分分析方法提取了有效的数据特征,并使用机器学习方法中的支持向量机来训练这些特征,建立了一个疏忽驾驶行为分类器模型,以此实现细粒度的识别各种疏忽驾驶行为。本论文系统在8名志愿者历时两周的测试实验的结果上来看,总体平均识别精度达到了93.72%,同时所有的检测和识别过程只在智能终端上完成,成本低廉,易于部署和使用。