疲劳驾驶已经成为造成重特大交通事故的三大原因之一。在重特大交通事故中,疲劳驾驶所造成的事故占比高达40%以上,疲劳驾驶的危害不容忽视。本文主要对驾驶员疲劳驾驶的视觉检测方法进行较为深入的研究,提出了一种基于嵌入式平台的驾驶员疲劳检测方法。本文主要工作如下:1、驾驶员面部图像检测。在面部遮挡和头部姿态变化的情况下,基于Adaboost的人脸检测算法的准确率较低。针对此不足,将PCN算法引入到疲劳驾驶中。PCN算法通过逐步校正不同角度下的人脸,实现人脸的准确检测。当头部姿态偏转大于45°的情况下,仍然可以准确地检测到驾驶员面部图像。在YawDD数据集进行测试,实验结果表明,PCN算法进行人脸检测的准确率为98.91%,较Adaboost算法检测准确率更高,为后期的疲劳特征提取提供了数据支撑。2、疲劳特征提取。在光照、佩戴饰物及面部存在遮挡的情况下,“三庭五眼”的特征提取方法误差较大。针对此不足,本文采用SDM算法进行人脸特征点定位,并提取疲劳特征。在实验室环境下进行测试,SDM算法能准确地完成人脸特征点定位。采用POSIT算法进行头部姿态估计,获取当前驾驶员的头部特征。实验结果表明,POSIT算法可以准确地提取驾驶员的头部姿态,保证了后续疲劳判断的准确性。3、疲劳指数检测。本文采用模糊推理的方法进行疲劳程度判断。通过三角隶属函数以及梯形隶属函数进行特征模糊化,根据疲劳的生理特征设计了更为符合实际疲劳表现的模糊规则,计算出模糊输出函数,最后对输出函数进行去模糊化处理,得到模糊输出。对YawDD数据集以及实验室采集的共119个视频进行疲劳判断手工标注,并进行实验。实验结果表明,疲劳判断准确率达到93%,本文依据眼睛睁开程度、嘴巴张开程度以及头部姿态三个疲劳特征进行模糊推理的疲劳判断方法,能够用于驾驶员疲劳驾驶检测。4、嵌入式移植。本文采用讯为iTop4412开发板,搭载Linux系统,使用Qt进行人机交互界面的开发,借助Opencv库实现图像处理的基本功能。将疲劳驾驶检测系统移植到开发板上,并在实验室环境和车载环境下进行实验。实验结果表明,本文所设计的基于嵌入式的疲劳驾驶检测系统疲劳检测结果准确率为91.6%,算法耗时230ms。采用多线程等程序优化方法,算法平均耗时降为170ms,基本可以用于车载疲劳驾驶检测。