1.一种基于先验概率模型的驾驶员姿态特征提取方法，其特征在于，包括如下步骤：

步骤1)利用多色彩空间对驾驶员姿态训练数据样本进行皮肤检测；

步骤2)利用训练数据样本得到的皮肤检测结果，建立姿态先验概率模型，并基于此模型对皮肤检测结果进行加权计算；

步骤3)以驾驶员头部和手部相对驾驶位置关系为依据，在极坐标下利用遗传算法实现驾驶员上半身各部位的最优化空间分割；

步骤4)以遗传算法的最优空间分割结果作为姿态直方图特征的横坐标，统计加权后的肤色检测结果，进而获取驾驶员姿态特征直方图特征向量。

2.根据权利要求1所述的基于先验概率模型的驾驶员姿态特征提取方法，其特征在于：

在所述步骤1)中，是基于RGB-HSV-YCbCr联合色彩空间的肤色检测函数定义如式(1)：式中，skin(x，y)为联合色彩空间皮肤检测函数在(x，y)像素点的响应值，Hue(x，y)是HSV颜色空间中Hue分量函数在(x，y)像素点的响应值，Cb(x，y)是YCbCr颜色空间中Cb分量函数在(x，y)像素点的响应值，Cr(x，y)是YCbCr颜色空间中Cr分量函数在(x，y)像素点的响应值，T1是Hue分量的最小阈值，T2是Hue分量的最大阈值，T3是Cb分量的最小阈值，T4是Cb分量的最大阈值，T5是Cr分量的最小阈值，T6是Cr分量的最大阈值。

3.根据权利要求1所述的基于先验概率模型的驾驶员姿态特征提取方法，其特征在于：

所述步骤2)中姿态先验概率模型定义如式(2)：

其中，相关变量与子函数定义如式(3)：

式(2)中，MPrior(x，y)代表姿态先验概率模型在(x，y)像素点的响应值，Msum(x，y)代表某一姿态所有训练样本的肤色检测结果在(x，y)像素点的累加值，Mmax代表某一姿态所有训练样本的肤色检测结果累加图像中的最大累加值，Mmin代表某一姿态所有训练样本的肤色检测结果累加图像中的最小累加值，skini(x，y)代表某一姿态第i个训练样本的肤色检测结果在(x，y)的响应值。

4.根据权利要求1所述的基于先验概率模型的驾驶员姿态特征提取方法，其特征在于：

所述步骤3)中为了利用遗传算法对姿态直方图特征进行最优空间划分，在极坐标系下对以方向盘为中心的扇形空间进行参数化数学建模，参数向量由四个分量构成：径向扇形区域层数m、径向第p层的扇形区域总数np，径向第p层第q个扇形区域的中心角度θp，q、径向第p层扇形区域的半径rp，基于上述参数的遗传算法适应度函数定义如式(4)式(4)中，Fi代表着第i个姿态所有训练样本提取的姿态特征向量的平均值，J代表着在某组特定参数下5种预设的姿态中所有任意两种姿态的平均特征向量之差的最大值，代表着某组特定参数下第i个姿态第k个训练样本的姿态特征向量。

5.根据权利要求1所述的基于先验概率模型的驾驶员姿态特征提取方法，其特征在于：

所述步骤4)中先验概率模型加权的皮肤直方图特征向量H如式(5)定义，

式(5)中，(x，y)代表着输入图像Iinput中任意一点，MPrior代表姿态先验概率模型在(x，y)点的响应值，H(i)代表着姿态直方图特征向量第i个分量的值，δ(skin(x，y)，Bin(i))代表着(x，y)点对应的姿态特征直方图第i个分量的脉冲响应值，当δ(skin(x，y)，Bin(i))＝1时，表明该点的皮肤检测结果隶属于姿态特征向量的第i个分量，δ(skin(x，y)，Bin(i))＝0时，表明该点的皮肤检测结果不属于姿态特征向量的第i个分量。