随着私家车的普及,因危险驾驶行为导致的交通事故日益增多,基于视频的危险驾驶行为检测技术具有重要的应用研究价值。危险驾驶行为具有自发性与偶然性,采用传统视频行为检测方法检测驾驶员行为难免会造成信息滞后。并且驾驶员行为蕴含时序特征,对驾驶员行为进行高效的建模也是行为检测中重要的挑战,想要实现基于视频的危险驾驶行为检测技术并非易事。本文从计算机视觉的角度出发,以视频帧,视频时空特征、时空注意力机制为切入点,开展对危险驾驶行为检测的研究。论文的具体研究工作分为三个部分:（1）提出一种基于视频帧的危险驾驶行为检测方法。首先基于视频图像低层特征和关键帧历史决策信息判别当前帧的类型;其次,根据视频帧的类型采用相应的方式提取视频图像高层特征,使用深层卷积神经网络提取关键帧的高层特征,通过特征传播的方式提取非关键帧高层特征;最后,基于状态转移和LSTM网络设计了两种基于帧的行为检测方法,用于检测驾驶行为视频中危险驾驶行为的类别。实验结果表明,基于视频帧的危险驾驶行为检测方法可以有效处理因提取每帧视频图像高层特征导致的检测延迟问题,在保证检测精度的前提下,将检测速率提高了约5FPS/秒。（2）提出了一种基于视频时空特征的危险驾驶行为检测方法。首先,将驾驶行为视频进行空间流与时间流拆解,采集驾驶行为视频双流数据;其次,基于视频空间、时间序列,通过卷积的方式分别提取驾驶行为视频的空间特征与时间特征,并进行特征融合;最后,以Conv LSTM网络为基础单元,设计了一种基于Conv LSTM级联的网络模型,并用于实际的危险驾驶行为任务中。实验结果表明,该方法可以充分利用视频空间、时间特征的互补性提取驾驶员行为的语义信息;其次,级联结构可以由浅及深的学习驾驶员行为特征,将危险驾驶行为平均检测准确率提高了约1%。（3）提出了一种基于时空注意力机制的危险驾驶行为检测方法。通过引入注意力机制获取驾驶行为视频的显著性特征。首先,通过检测驾驶员轮廓,约束空间注意力的关注范围;其次,使用LSTM网络计算视频图像各子区域的空间注意力权重,并提取视频的显著性空间特征;同时,基于LSTM网络计算驾驶行为视频每一帧的权重,并提取视频的显著性时间特征;然后,基于注意力机制引导空间特征与时间特征融合,计算显著性时空特征;最后,使用基于Conv LSTM级联的网络实现危险驾驶行为的检测。实验结果表明,通过引入时空注意力机制,可以提升网络对各类危险驾驶行为的描述能力,并将危险驾驶行为检测的精度提高了约1.5%。