当今社会,道路交通安全问题成为人们越来越关注的问题之一,而疲劳驾驶正是引起交通安全事故的主要原因之一。传统的疲劳驾驶检测多关注于驾驶员面部特征,但是在检测准确度和检测速度上都难以达到一个理想的水平,同时传统的疲劳驾驶检测没有较为有效的预警措施,只是关注预警驾驶员,但是在某种情况下,当驾驶员进入疲劳状态后,意识状态较差,导致无法及时应对疲劳预警,从而难以避免交通事故。因此,如何全方面更准确地实现对驾驶员的疲劳检测,同时能够及时预警,并让驾驶员及时做好应对措施成为疲劳驾驶检测亟待解决的重要挑战。为了解决上述问题,本文创新性地提出基于物联网云平台的疲劳驾驶检测方法,主要贡献如下:1.提出基于人脸特征点模型的驾驶员心率特征远程提取算法。针对人脸图像,基于深度学习算法构建人脸68个特征点坐标,进而构建人脸特征点模型。基于面部皮肤特征的细微变化,采用经色度法改进后的r PPG算法,提出基于面部特定感兴趣区域的远程心率检测改进算法,达到从生理层面对疲劳驾驶的无接触心率检测。2.提出基于驾驶员面部运动特征、头部姿态估计、面部微特征的多特征融合疲劳驾驶检测模型。基于人脸特征点模型计算眼睛和嘴巴的张合比例OPENRATE,构建基于视频流的面部特征时间序列并判断驾驶员疲劳状态;同时构建驾驶员头部空间特征模型,计算基于空间特征模型的头部姿态估计。结合无接触远程心率测量,实现驾驶员多方面疲劳特征检测。3.基于智能物联网云平台构建了一个云-端协同的疲劳驾驶预警模型,实现智慧交通场景下的驾驶员疲劳驾驶监控。搭建了基于物联网云平台的疲劳驾驶检测预警框架。基于可视化开发平台,实现驾驶员的面部特征和生理特征数据的可视化分析与监控。本文在公开的多个数据集上进行了研究和实验,证明了该方法的有效性,证明了本方法能够及时检测出驾驶员的疲劳状态并且能够达到更好的效果,同时采用了One NET云平台进行仿真测试,证明本方法能够达到理想的驾驶员疲劳驾驶数据监控效果,并满足一定的实际场景应用需求。