我国道路交通事故发生率居高不下,造成了巨大的经济损失,研究表明,疲劳驾驶是引发交通事故的重要原因。本文围绕在嵌入式平台上实现实时的驾驶员疲劳驾驶识别展开研究,选用了非接触式、易于实现的基于面部特征的疲劳识别方案。该方案由人脸检测、人脸关键点检测和疲劳识别三个环节组成,是一种递进式的任务方案。本文主要研究内容如下:1、驾驶员人脸检测算法研究。为在嵌入式平台上实现实时人脸检测,在MTCNN算法基础上提出了多项改进:使用深度可分离卷积替代传统卷积、使用全卷积网络生成候选框、使用全局平均池化层替代全连接结构、使用基于定位置信度的非极大值抑制算法,优化图像金字塔操作的两个关键参数,最终设计出了一种轻量级人脸检测网络。该网络检测精度达到主流算法的水平,同时检测速度实现了大幅提升。2、驾驶员人脸关键点检测算法研究。为实现同时检测人脸关键点和估计头部姿态角,设计了一种基于多任务的异构人脸关键点检测网络,该网络避免了传统多任务网络的训练困难、精度低等问题,并使用了Bottleneck精简了网络结构。针对训练集数据不平衡问题,还设计了一个基于代价敏感的损失函数加以改进。该网络精度高、速度快,综合性能优秀。3、基于面部特征的疲劳识别算法研究。根据PERCLOS、嘴巴开合度和Pitch姿态角三项指标将长时间闭眼、打哈欠和频繁点头三种动作抽象成面部疲劳特征,对每一帧图像构建出一个面部疲劳特征向量,再对一段视频将向量拼接成时空疲劳特征序列。为识别时空疲劳特征序列,设计了一种基于LSTM的疲劳识别网络,并使用跳帧检测和多尺度特征融合对网络进行优化。该算法拥有良好的识别精度,同时结构精简,能在嵌入式平台上实现实时疲劳识别。4、驾驶员疲劳识别软件设计。为提高算法易用性、丰富算法功能,基于NVIDIA Jetson TX2嵌入式平台开发了一套驾驶员疲劳识别软件,该软件界面美观、使用简单、功能完备。此外,还在另一台主机上开发了一套管理系统,通过网络连接实现疲劳驾驶数据传输和终端管理的功能。