1.一种驾驶员驾驶状态下的体征安全监测方法，其特征在于，包括以下步骤：

1)采集驾驶员N次正常驾驶过程的体征数据；

2)利用上述体征数据构建体征模型，计算该体征模型中每个数据点的概率密度；

3)将概率密度小于门限值的数据点判定为异常点，其余数据点判定为正常点，所有的异常点构成的空间为驾驶员特征状态异常空间，所有的正常点构成的空间为驾驶员体征状态正常空间；

4)判断新采集的驾驶员体征数据是否在上述驾驶员特征状态异常空间内，若是，则判定驾驶员体征状态异常；否则，驾驶员体征状态正常。

2.根据权利要求1所述的驾驶员驾驶状态下的体征安全监测方法，其特征在于，步骤1)中，所述体征数据包括心率、脉压差波动幅度和代谢率。

3.根据权利要求2所述的驾驶员驾驶状态下的体征安全监测方法，其特征在于，步骤2)中，所述体征模型为非参数概率分布三维模型。

4.根据权利要求3所述的驾驶员驾驶状态下的体征安全监测方法，其特征在于，步骤2)中，利用K近邻方法计算出所述体征模型中每个数据点的概率密度。

5.根据权利要求1所述的驾驶员驾驶状态下的体征安全监测方法，其特征在于，还包括：步骤5)，输出所述驾驶员体征状态正常空间中体征指标的最高值和最低值。

6.根据权利要求5所述的驾驶员驾驶状态下的体征安全监测方法，其特征在于，当判定驾驶员体征状态异常时，根据如下方法识别出具体的异常驾驶行为：当心率/脉压差波动幅度持续负斜率，达到 时，判定为驾驶员意识模糊；其中，mr为驾驶员代谢率；MRl为代谢率最低值；

当判定驾驶员意识模糊，代谢率继续下降，达到mr＜MRl时，判定为驾驶员处于瞌睡状态；

驾驶初期，当 时，判定为驾驶员酒后驾驶；其中，hr为驾驶员心率；pp为脉压差；HRh为心率最高值；PPh为脉压差最高值；σpp为脉压差波动幅度；PPσ为驾驶员体征状态正常空间内的脉压差波动幅度；

驾驶初期，当 时，判定为驾驶员醉酒驾驶；

当 且 时，判定为驾驶员疲累驾驶；其中，khr表示

心率的变化率；kpp表示脉压差数据的变化率；Δtime表示任意选取的一段时间，Δhr表示在Δtime范围内的心率变化值，Δpp表示在Δtime范围内的脉压差变化值。

7.一种体征数据处理系统，其特征在于，包括数据采集模块、数据处理模块和数据传输模块；所述数据采集模块用于采集驾驶员的体征数据；所述数据处理模块执行如下处理过程：

1)利用驾驶员N次正常驾驶过程的体征数据构建体征模型，计算该体征模型中每个数据点的概率密度；

2)将概率密度小于门限值的数据点判定为异常点，其余数据点判定为正常点，所有的异常点构成的空间为驾驶员特征状态异常空间，所有的正常点构成的空间为驾驶员体征状态正常空间；

3)判断新采集的驾驶员体征数据是否在上述驾驶员特征状态异常空间内，若是，则判定驾驶员体征状态异常；否则，驾驶员体征状态正常；

所述数据处理模块与所述数据传输模块通信。

8.根据权利要求7所述的体征数据处理系统，其特征在于，所述数据传输模块与智能设备、车载系统或管控平台通信。

9.根据权利要求7所述的体征数据处理系统，其特征在于，所述数据处理模块与警示执行模块连接；当驾驶员体征状态异常时，发出告警信息和执行授权控制操作。

10.根据权利要求7所述的体征数据处理系统，其特征在于，所述数据处理模块还执行如下操作：输出所述驾驶员体征状态正常空间中各种体征指标的最高值和最低值。