1.一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，包括信息获取、信息融合及车辆行驶状态判断、预警及应急措施三个阶段；其中，

信息获取阶段包括车辆信息、道路环境信息和驾驶区域状态信息三个方面：车辆状态信息是V2X车载终端OBU从车辆状态感知传感器获取车辆行驶基本信息，道路信息是通过V2X路侧设备RSU或者本地地图信息获取当前车辆所在路段交通密度以及目标车辆坐标和车道定点坐标信息，通过车道判别算法确定当前车辆所在车道，并得到所在车道方向角；驾驶区域状态信息是利用车载摄像头获取驾驶员驾驶期间上半身视频序列，通过所设计的驾驶员状态检测算法监测驾驶员驾驶期间行为姿态，同时监测驾驶区域内非驾驶人员是否非法入侵驾驶区域，对驾驶员造成驾驶干扰；

信息融合及车辆行驶状态判断阶段：融合车辆状态信息与道路环境信息判断车辆基本状态，再结合驾驶区域状态信息对车辆行驶状态进行综合判断。车辆状态包括车辆行驶速度、加速度、航向在内的基本状态，道路信息包括所在车道、道路环境、交通密度信息，利用交通密度信息及车辆转向灯信息再结合车辆航向异常算法检测车辆航向是否正常，再将驾驶员状态监测模块检测的驾驶员状态信息以及非驾驶人员干扰信息发送给OBU进行综合判断，监测车辆行驶状态是否正常；

预警及应急措施阶段：融合多源信息对车辆行驶状态进行检测并将检测结果设立优先级，结合保护动机理论建立相应的预警或者紧急制动机制，若未检测到车辆有何异常则不做任何操作；若检测到车辆行驶状态严重异常时，如驾驶员晕厥或离开可行驶区域且车辆航向严重偏离航道，则结合辅助驾驶系统对车辆进行紧急制动操作，或者在检测到非驾驶人员对驾驶员造成驾驶干扰时，由自动驾驶系统接管驾驶员的驾驶操作；其余为车辆行驶状态轻度异常，则进行相应的语音预警或屏幕显示提醒驾驶员修正驾驶行为，保证车辆行驶安全。

2.根据权利要求1所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，所述车辆车道判别算法具体包括：通过比较车辆位置坐标与同向各个车道定点坐标间的欧几里得距离的大小判断车辆所在车道，目标车辆进入RSU通信路段可获得当前路段各个同向车道标定的定点坐标，利用欧几里得距离计算公式计算车辆位置与各个车道定点间的距离，比较距离的大小，距离最小者对应的定点所在车道即为车辆所在车道，确定车辆所在车道后获取对应车道的方向角。

3.根据权利要求2所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，所述信息融合及车辆行驶状态判断阶段，利用交通密度信息及车辆转向灯信息再结合车辆航向异常算法检测车辆航向是否正常，具体步骤为：若车辆处于不可变道状态，则车辆实际偏航角不可超过所在车道允许的最大偏航角，同时需限制偏航时间以此保证车辆航向正常；若车辆处于可变道状态，在开始变道时，偏航角逐渐增大，当检测到车辆车道变化后则视为车辆变道完成，需修正车辆航向角使其与道路方向角保持一致，因此偏航角应逐渐减小，以此保证车辆正常变道；根据交通密度信息以及转向灯信息，不可转向包括以下情况：当车辆处于直行车道且检测前方无车辆，则限制目标车辆变道；若目标车辆处于最外侧车道则限制目标车辆右转向；若检测到目标车辆即将转向侧方有车辆，则限制目标车辆转向；限制车辆变道或转向是根据车辆航向异常算法监测目标车辆偏航角，若偏航角超过一定阀值则视为异常状态，需预警提醒。

4.根据权利要求3所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，车辆航向异常算法是将车辆偏航角同当前目标车辆所在车道所允许的最大偏航角对比，若超过最大偏航角则视为异常转向；车道允许的最大偏航角由车辆行驶速度、加速度、车辆与车道线距离、系统最大延时以及驾驶员最大反应时间确定，其中驾驶员最大反应时间与驾驶员状态及身份有关，在驾驶员启动驾驶时由驾驶员状态监测模块确定驾驶员身份，并根据对该驾驶员状态以及驾驶行为习惯预估驾驶员最大反应时间，以此计算车辆限制偏航时所允许的最大偏航角。

5.根据权利要求4所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，车辆航向异常算法具体计算方法如下：车辆速度为v，加速度为a，系统最大延时时间为tcmax，驾驶员最大反应时间为tdmax，车辆与车道一侧边缘距离为w，在车辆匀速行驶阶段，车辆保持最大偏航角θ所行驶距离为l，l表示为：l＝v·(tcmax+tdmax)

或

且w、θ、l三者间的关系表示为：

所以车辆航向角与道路方向角之差θ表示为：

所求θmax即为目标车辆所在位置同其中一侧所允许的最大偏航角。

6.根据权利要求5所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，所述结合车辆状态与驾驶区域状态监测结果对车辆行驶状态进行综合评断具体包括驾驶员状态监测与非驾驶员是否侵入驾驶区域监测。驾驶员状态由驾驶员状态识别模块监测，在驾驶员启动驾驶时对驾驶员进行身份识别，并将驾驶员身份及对应驾驶习惯存入云端，利于提高驾驶员状态监测系统对驾驶员的异常行为检测灵敏性；驾驶员状态识别模块是根据驾驶员状态监测算法对摄像头采集到的视频序列进行处理计算，实现对驾驶员行为状态的监测；驾驶员状态监测算法是利用OpenPose关键点检测系统提取视频序列中驾驶员的面部关键点以及骨骼关键点，利用面部关键点以及骨骼关键点进行驾驶员行为姿态的建模，训练模型识别出驾驶员的几种典型的异常驾驶行为；最后根据关键点的位移状况，加入基于运动特征的关键帧提取，并加入强化学习准确高效提取出具有代表性的关键帧，将检测结果发送给V2X车载终端OBU进行统一处理。

7.根据权利要求6所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，所述驾驶员的几种典型的异常驾驶行为具体包括：根据识别出的驾驶员异常行为将驾驶员异常状态分为轻度异常状态以及重度异常状态，轻度异常状态主要是分心状态或者轻度疲劳状态，重度异常主要表现为晕厥、意识不清晰在内的状态。

8.根据权利要求6所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，所述非驾驶人员入侵驾驶区域监测是利用关键点检测系统检测出视频区域内非驾驶员的骨骼关键点并标记，并监测非驾驶员肢体进入驾驶区域的时长以及频率，若非驾驶员侵入驾驶区域的频率过高或出现时长超过设置的阀值则视为乘客对驾驶员造成驾驶干扰，需结合自动驾驶系统保证安全驾驶。

9.根据权利要求6所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，在OBU中，接收驾驶员状态监测模块发送的驾驶员状态信息与驾驶干扰信息并结合车辆状态的判断结果对车辆行驶状态进行综合判断，并且为异常状态设立优先级，使系统根据实际情况处理紧急情况。具体包括：若驾驶员及车辆行驶状态都正常，则能保证车辆的行驶是正常；若驾驶员处于疲劳状态或分心驾驶状态，但车辆状态正常，此时为驾驶员状态轻度异常；若车辆偏航频率较高，但驾驶员状态正常，则为车辆偏航行驶状态；若为非驾驶人员肢体频繁侵入驾驶区域，则视为干扰驾驶；若车辆状态异常且驾驶员状态轻度异常，则为车辆行驶状态轻度异常；若车辆状态异常且驾驶员状态严重异常时，则为车辆行驶状态严重异常，应结合辅助驾驶系统保证车辆安全。

10.根据权利要求8所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，所述根据车辆行驶状态判断结果并结合保护动机理论建立分级预警机制情况严重时对车辆进行紧急制动处理，具体包括：若车辆状态与驾驶员状态都为正常时不做任何操作；若仅是车辆处于车速异常状态或轻度偏离航线状态，则对驾驶员进行相应的语音预警提示驾驶员及时修正车辆状态或对车辆进行检修；或仅是驾驶员处于轻度异常状态时，则提示驾驶员专心驾驶或注意休息或者限制驾驶员驾驶时长；若车辆状态异常且驾驶员处于轻度异常状态则提示驾驶员需减速行驶或停下休息；若检测到非驾驶员对驾驶造成干扰，则需接入自动驾驶系统接管驾驶员的驾驶操作；若检测到车辆处于异常状态且驾驶员处于重度异常状态则结合辅助驾驶系统对车辆的方向适当修正后进行紧急制动，同时将车辆异常信息通过V2X广播给周围车辆车载终端OBU防止追尾事故的发生。