在汽车碰撞事故中,车辆乘员约束系统是防止和减少乘员受伤的关键因素。然而,传统乘员约束系统是按照五十百分位成年男性乘员体型设计的,不能为其它体型乘员提供同等水平的安全防护,甚至统计数据表明,乘员约束系统的不当匹配会增加乘员的损伤风险。针对这一问题,有必要开展车内乘员体型识别研究,为保护各体型的乘员奠定基础。然而,现阶段的乘员体型研究只能将乘员分为有限几类,还不能准确的识别乘员身高、体重等信息,提供详细的体型信息。因此,本文结合机器视觉、志愿者实验、统计学分析等技术,实现车内前排驾乘人员体型的精确识别,本文研究内容如下:1建立包含亚洲人脸的数据集并对数据集进行预处理,对卷积神经网络深度学习原理进行了深入的研究,利用卷积神经网络训练处理过的数据集,得到年龄和性别识别模型,并对训练好的模型进行了检验,验证其识别准确性。2开展志愿者实验,采集志愿者身高、体重、头高、两耳屏间宽、肩宽、上臂长等人体主要特征尺寸数据。利用志愿者实验获得的数据进行回归分析,建立身高、体重与人体特征尺寸的回归模型。3运用多级联的回归树进行关键点回归方法,建立整个头部特征点提取模型。基于Dlib和openpose技术提取车内前排驾乘人员头部、肩部及肘部特征点,结合双目视觉计算车内前排驾乘人员头部、肩部、肘部尺寸数据。将以上识别的人体特征尺寸代入已经建立的身高、体重回归模型中,得到车内前排驾乘人员的身高、体重信息。4应用志愿者数据验证车内前排驾乘人员体型识别模型的精度,分析体型参数识别精度和关节长度识别精度。进一步的,开发了一套前排驾乘人员体型数据可视化界面,通过双目摄像头拍摄车内前排驾乘人员上半身图片即可输出身高、性别、年龄、体重信息。研究结果表明,该方法能够高效且准确地表达车内前排驾乘者的体形信息,为智能驾驶者约束系统在汽车行驶中的研究开发工作者提供了坚实的基础资料,具有重要的理论意义和实际应用价值。