汽车车内噪声直接影响乘员的乘坐舒适性,如何有效控制车内噪声是国内外汽车从业人员广泛关注的问题。主动降噪技术可有效控制车内低频噪声,实现主动降噪的关键环节是车内乘员耳侧空间坐标定位。作为车内主动降噪的前置工作,本文基于图像处理技术,研究车内人耳检测与乘员耳侧空间坐标提取方法。主要研究工作如下:首先,研究二维坐标和空间三维坐标系转换关系,并进行相机标定。根据相机成像原理,确定世界坐标系、相机坐标系、图像物理坐标系和像素坐标系转换关系;考虑相机的倾角、俯仰角、畸变系数等干扰因素进行相机标定,求出相机的内、外参数,并对所求参数误差进行评估。其次,基于YOLOv3算法进行车内乘员人耳检测。研究算法相关的网络组成架构、边界框预测数学原理以及非极大值抑制原理;建立人耳图像数据库,并确定人耳检测训练关键参数;针对不同遮挡面积情况下的人耳进行检测,进而验证检测结果的有效性和实时性。再次,基于KCF（Kernelized Correlation Filter）跟踪算法实现车内人耳跟踪。研究KCF算法相关滤波器、循环采样、快速检测和模型跟踪等原理,建立车内人耳动态视频库,设定跟踪试验参数,采用KCF算法对视频库内样本进行人耳跟踪试验,并对跟踪试验结果的实时性和准确性进行评估。最后,基于YOLOv3+KCF算法提取车内乘员耳侧空间坐标。结合空间坐标系转换关系、相机标定内外参数以及RGBD相机采集的人耳深度图像,考虑车内光线条件、乘员姿态、人耳遮挡因素,进行车内人耳空间坐标定位实验与结果分析。研究结果表明,YOLOv3+KCF算法定位精度高、实时性强,可满足车内乘员耳侧空间坐标定位需求。本文旨在研究车内乘员耳侧空间坐标定位方法,为车内噪声目标控制点提供坐标依据,可为车内噪声精准主动控制提供理论和技术支持。