1.一种基于机器视觉的汽车驾驶安全行为识别和提醒方法，其特征在于，包括：根据安全驾驶模型处理实时记录的车辆驾驶状态，判定是否进行报警，并与预设的云服务器做数据交互；以及，

接收云服务器根据反馈数据更新的安全驾驶模型；

其中，记录的车辆驾驶状态包括：从云服务器获取实时时间，累计驾驶时长，并关联从车载系统获取的行车数据；

从预设于车辆的定位模块或从车载系统获取车辆的位置信息，用于根据位置信息从云服务器获取当前时间点当前路段的交通安全行车数据；以及，获取采集的驾驶员人脸信息、驾驶员启动车辆时的图像信息以及驾驶员驾驶车辆时的图像信息。

2.根据权利要求1所述的基于机器视觉的汽车驾驶安全行为识别和提醒方法，其特征在于：

根据实时行车数据判断车辆是否为停车但发动机未停止，如果是，则识别车辆再次移动时的驾驶员人脸信息，并与本次驾驶过程的初始驾驶员人脸信息对比；

当对比结果为驾驶员人脸信息不一致，则对驾驶时长归零；

当对比结果为驾驶员人脸信息一致，则识别驾驶员驾驶车辆时的图像信息，判断驾驶员是否处于休息，如果是，则对驾驶时长归零；如果否，则继续累计驾驶时长。

3.根据权利要求1所述的基于机器视觉的汽车驾驶安全行为识别和提醒方法，其特征在于，所述安全驾驶模型处理包括：判断驾驶时长是否超出预设安全指数范围内，如果是，则进行报警。

4.根据权利要求1所述的基于机器视觉的汽车驾驶安全行为识别和提醒方法，其特征在于，所述安全驾驶模型处理还包括：判断实时的行车数据是否符合当前路段交通安全行车数据，如果否，则进行报警。

5.根据权利要求4所述的基于机器视觉的汽车驾驶安全行为识别和提醒方法，其特征在于：当根据行车数据判别车辆在当前路段超速，进行事故警示；所述事故警示包括：从云服务器获取该路段过往事故发生数据，并在报警时输出用于提示；以及，从预设于车辆的测距雷达获取跟车距离，根据预设的止动距离算法处理跟车距离和行车数据，计算出当前止动距离，并在报警时输出用于提示。

6.根据权利要求1所述的基于机器视觉的汽车驾驶安全行为识别和提醒方法，其特征在于，所述安全驾驶模型处理还包括：识别驾驶员驾驶车辆时的图像信息，结合驾驶时长，得到疲劳危险驾驶行为、非疲劳危险驾驶行为；以及，

分类统计两种危险驾驶行为在T1时段中的次数并与安全驾驶模型的阈值比对，判别出超出安全指数范围的危险驾驶行为，并进行报警。

7.根据权利要求6所述的基于机器视觉的汽车驾驶安全行为识别和提醒方法，其特征在于：当判别出超出安全指数范围的危险驾驶行为报警，发送询问是否需音乐提神和/或调节车内温湿度的语音指令，并获取车内语音信息，识别和响应控制车辆内预连接的设备。

8.根据权利要求7所述的基于机器视觉的汽车驾驶安全行为识别和提醒方法，其特征在于：当在音乐提神和/或车内温湿度调节后，判断安全指数范围的危险驾驶行为出现的频次在T2时段及T2+X1时段与相应预设阈值的关系，如果T2时段、T2+X1时段均超出阈值，则再次询问是否需音乐提神和/或调节车内温湿度的语音指令；其中，T2时段的阈值大于T2+X1时段的阈值，且T2、X1均为非0正数。

9.根据权利要求1所述的基于机器视觉的汽车驾驶安全行为识别和提醒方法，其特征在于，还包括：

获取车外的环境图像信息，并识别天气类型；以及，当判别天气类型为恶劣天气，进行报警，且根据安全驾驶模型输出行车建议作为报警信息播报。

10.一种基于机器视觉的汽车驾驶安全行为识别和提醒系统，其特征在于，包括：车载终端，其被配置为：用于加载执行如权利要求1‑9任一所述方法的计算机程序；以及，

服务器，其被配置为：用于连接车载终端，根据预设的神经网络训练方法处理反馈信息，更新安全驾驶模型并回传至车载终端。