随着自动驾驶技术的迅猛发展,驾驶员在车内会参与一些与驾驶行为无关的活动。因车内乘员姿势对乘员碰撞损伤具有重要影响,在汽车发生碰撞时,若针对驾驶员不同姿势情况,乘员约束系统都能提供精确保护,对减轻人员伤害意义显著。本文对汽车驾驶员姿势展开研究,综合应用计算机视觉算法与回归模型统计学方法,获得了驾驶员全身姿势模型,为后期围绕驾驶员姿势展开的智能约束系统研究提供便利。本文为建立驾驶员全身姿势模型,采取识别与预测相结合的方式,上半身姿势通过Kinect v2传感器,提出利用改进的Kinect-OpenPose算法可识别出驾驶员上半身九个关键点的三维空间坐标。下半身姿势因传感器感知范围受限,不能直接通过图像算法识别。本文采取回归模型预测的方法,通过志愿者试验得到下半身四个关键点的回归预测模型,利用上半身关键点位置与座椅参数即可对下半身姿势关键点位置进行预测。本文针对志愿者姿势采集试验开发了一套座椅台架,能实现座椅高度、座椅前后位置的调节,来采集不同座椅参数组合下的志愿者姿势关键点位置信息。通过对关键点信息与志愿者体征参数信息的相关性分析,验证了上半身姿势预测下半身姿势的可行性。利用上半身关键点主成分与座椅参数即可建立下半身姿势预测回归模型,所建立的回归模型其误差范围小于已有研究。本文以建立驾驶员全身姿势模型为主要任务,为确保模型精度,对其进行了关键点位置信息精度分析和关节长度精度分析,通过精度验证后基于Matlab GUI开发了一套驾驶员姿势数据显示界面,通过输入传感器坐标系与座椅坐标系的转换矩阵及座椅参数即可输出关键点位置、关节长度相关信息,可为基于驾驶员姿势的拓展研究提供数据支持。