全文总字数：2823字

1. 研究目的与意义及国内外研究现状

随着中国车辆数量的急剧增加，车祸导致的死亡及伤害人数也不断攀升，频发的交通事故已成为我国一个亟需解决的问题。这些车祸中的绝大多数并不是因为汽车的零件失灵造成的，而是由本可以杜绝的人为因素导致的，如疲劳驾驶、分心驾驶等。据报道，2015年中国有274人因非正常驾驶而死亡，占交通事故死亡人数的8.9%。根据交通管理局提供的数据，大约有40%的交通事故是由于非正常驾驶造成的。研究异常驾驶行为识别，可以大幅降低发生交通事故的概率，对于当今的驾驶辅助技术，及未来的自动化驾驶技术，都有着十分重要的实际意义。

国内外研究现状

目前，国内外识别异常驾驶行为的方法主要有三种：(1)基于生理特征的识别;(2)基于面部特征的识别;(3)基于车辆行为特征的识别。

基于生理特征的识别方法直接检测驾驶员的脑电图(eeg)和心电图(ecg)，具有较高的可靠性。然而，这种方法中使用的是直接接触驾驶员皮肤的检测设备，长期佩戴这些设备会不可避免地对驾驶员产生干扰，进而对道路交通安全形成负面的影响。

2. 研究的基本内容

1.图像预处理:基于lda的梯度增强方法，自适应边缘检测算法。

2.车道线和消失点的检测：感兴趣区域限定，改进的hough变换，弯道车道线拟合，基于先验信息的车道线验证方法，最小二乘法。

3.鲁棒性强、实时性好的基于方向和位置偏移的异常驾驶行为识别方法。

3. 实施方案、进度安排及预期效果

实施方案：

1.图像预处理:通过梯度增强算法，自适应边缘检测算法，对输入的车道线图像进行预处理。

2.车道线和消失点的检测：首先通过限定感兴趣区域以减少计算量，再通过改进的hough变化提取近处的直线车道线，使用拟合、建模方法检测弯道车道线，并制定规则，验证检验出的车道线是否为真实车道线，并基于车道线计算出消失点。

4. 参考文献

[1]hu j. comparison of different featuresand classifiers for driver fatigue detection based on a single eeg channel. computational mathematical methods inmedicine, 2017, 2017(3):5109530.

[2]fu r, wang h, zhao w, et al. dynamicdriver fatigue detection using hidden markov model in real drivingcondition[j]. expert systems withapplications, 2016, 63(30): 397-411.

[3]jo j, lee s j, kang r p, et al.detecting driver drowsiness using feature-level fusion and user-specificclassification. expert systems withapplications, 2014, 41(4):1139-1152.