近年来,随着交通运输业的飞速发展,恶性道路交通安全事故的发生率也同步上升,被公认为是战争之外人类最大的威胁和杀手。统计发现,机动车交通事故的诱因繁多,其中,疲劳驾驶所占比重较高,对交通安全管制造成了巨大威胁。借助现代科技手段合理研判驾驶员疲劳状态,实时检测并预警,是合理预防交通事故的有效措施,也是当前道路交通安全管理研究的重要课题。但是,受不同驾驶员间个体差异和实际户外驾驶环境中复杂的光线变化、遮挡、干扰等问题影响,兼具高实时性、高准确性和强鲁棒性的驾驶疲劳检测技术研究仍存在较多技术瓶颈。本课题来源于广州市某科技攻关项目,针对以上问题,围绕实际应用环境下驾驶员的人脸检测、人脸跟踪、疲劳特征提取等问题分模块展开算法研究与应用。融合多个疲劳特征参数以分析不同疲劳状态下的变化规律,以设计高效、可靠的疲劳检测算法系统。本论文基于驾驶员的面部视觉特征,依靠其非侵扰性、低成本、可扩展性和友好性等优势,通过实时精确提取相关疲劳特征进行参数分析,完成疲劳状态的准确检测和评估。具体研究内容如下:(1)针对复杂的驾驶环境,选择适当的卷积神经网络算法进行目标人脸检测,并针对传统SSD算法检测性能缺陷和实际应用场景的高要求,进行创新性的改进。在自建的人脸数据集上进行性能对比分析,实验结果表明,改进的SSD算法在检测性能上存在较大的优势。(2)基于疲劳检测系统设计的实时性要求,设计一种基于改进Camshift的人脸跟踪预测算法,并与目标检测算法融合,达到更高效的提取,获取更连续稳定的目标人脸。(3)进行眼睛和嘴巴的识别定位,选择并建立疲劳特征参数。基于实车采集数据,针对疲劳特征参数在不同疲劳状态下呈现出的差异有效性,分析设计疲劳检测系统,实现对疲劳状态的准确检测。实验结果证明,该算法系统具有较高的识别准确率,可实时、准确的对驾驶员疲劳状态进行检测,对人身安全保障和交通安全管制具有较大意义。