本文首先介绍了国内外关于驾驶状态和相关汽车主动安全技术的研究成果以及面临的问题，根据近年来相关学者提出的以人为中心的汽车主动安全系统设计思想，提出了基于BP神经网络与隐马尔科夫链的驾驶状态识别模型，实现“以人为中心”的汽车主动安全预警控制系统，提高汽车的主动安全性。其次，分析了隐马尔科夫链广泛应用于驾驶状态识别领域的原因，并通过实例介绍了HMM的相关参数，如状态转移概率矩阵、状态观察概率矩阵和初始概率等，同时对它的三个算法：前向-后向算法、Viterbi算法和Baum-Weich算法以及对应解决的问题：评估问题、解码问题和学习问题进行详细的叙述并给出算法的测试，验证了算法的有效性。然后，对驾驶状态的组成主因子进行分析，得到三种驾驶状态的初始决策向量。并介绍了BP神经网络的理论，在了解理论的基础上设计出用于驾驶状态识别的BP神经网络结构，再利用MATLAB中的神经网络工具箱函数创建出BP模型，通过相应的算法和训练函数实现BP网络的训练。最后，利用MATLAB中的Simulink搭建已经确定好结构的BP神经网络模型，把BP神经网络训练好的结果作为隐马尔科夫链模型的参数建立基于BP神经网络与隐马尔科夫链的驾驶状态识别模型，利用Viterbi算法算出最大的输出概率值，此概率最大值对应的就是识别出的驾驶状态。所建模型与所用算法的准确性通过仿真平台给予验证，实现提高汽车主动安全性的目的。