近年来,汽车数量的急剧增长使得交通事故的发生频率越来越高,给人民生命安全和社会经济发展造成了很大威胁。相关研究表明,驾驶员因素在交通事故发生的起因中占据主导地位,因此对驾驶员危险驾驶行为检测的相关技术进行研究具有重大的科研意义。本课题的主要目标是设计出一个监控驾驶员危险驾驶行为并实时预警的检测系统。论文在分析了国内外危险驾驶检测技术发展现状的基础上,研究并设计了一个基于机器视觉的危险驾驶行为检测系统。首先简要阐述了系统中涉及的相关理论和关键技术,分析了几种常用人脸检测算法的基本概念和优缺点,重点研究了基于Ada Boost的人脸检测算法,从Haar特征的提取和Ada Boost分类器的设计两方面对该人脸检测算法的工作原理进行了设计与研究。针对利用神经网络实现分心驾驶识别的问题,根据卷积神经网络实现图像识别的原理,设计了基于Alex Net网络模型的分心驾驶识别方法。针对人眼这一最能反映疲劳程度的特征,分析了人眼定位和跟踪的相关算法,研究并设计了将Hough变换和灰度投影相结合的算法来实现驾驶员眼睛的准确定位,对比试验表明该方法的定位准确率得到了提高。根据系统的功能和性能要求,设计了以DSP芯片TMS320C6748为核心处理器的硬件开发平台,并将系统分为图像采集、CPU处理、外部存储、电源、语音报警五大模块进行硬件设计,硬件设计主要从关键芯片选型和电路设计两方面实现。根据系统的软件设计目标,从疲劳驾驶检测和分心驾驶识别两方面进行了软件设计。针对疲劳驾驶检测的软件实现流程,研究并设计了以图像预处理、人脸检测、人眼定位与跟踪以及疲劳驾驶判定四个步骤为基础的检测方法,着重研究了眼睛状态判断的实现算法,利用MATLAB和Open CV函数库对相关算法进行仿真,验证了软件实现流程的可行性。针对分心驾驶识别的软件实现问题,根据Alex Net神经网络的运行原理,设计了使用大量图像数据对网络进行迁移训练以识别样本图像中分心驾驶行为的方法,并在实验过程中对网络进行了优化。最后,在综合了硬件和软件设计的基础上搭建了基于DSP的危险驾驶检测系统,并在DSP/BIOS操作系统中实现了软件程序的编写。针对系统的性能要求设计了实验,实验结果表明本系统在正常环境下对于驾驶员的危险驾驶行为检测准确率达到82%左右,且系统运行时具有良好的实时性。