随着人们生活水平的提高,汽车日益普及,由此引发的交通安全问题愈加严重。疲劳驾驶是诱发交通事故的主要因素之一,因此疲劳驾驶已成为国内外研究的热点。为研究疲劳驾驶,研制了疲劳驾驶识别及干预实车实验平台,本文针对国内外各类疲劳状态检测算法进行了大量研究,分析其优势和不足,提出了基于驾驶员面部表情的疲劳检测算法,结合面部局部二值模式(LBP)特征搭建了双通道卷积神经网络(DCCNN)对驾驶员进行疲劳判定,最后根据疲劳判定结果对驾驶员进行预警及干预。本文主要研究内容及创新点如下:(1)研制实车模拟驾驶平台。该实验平台保留“易驾星”模拟驾驶器的测控主板及虚拟驾驶软件,通过将模拟器功能移植到报废车上实现。为实现对实车操纵机构的信号采集,设计了信号中转板采集方向盘、变速杆、手刹等机构操作信息并完成与测控主板的匹配,路况模拟由直流电机驱动器驱动支撑汽车底盘的电动千斤顶实现。最后通过摄像头及树莓派等设备搭建驾驶员图像采集系统,该系统用于采集实验者上机驾驶时的面部图像数据并上传至PC机。(2)提出了一种结合最小平方和误差(MOSSE)滤波器的人脸检测与跟踪算法。该算法利用基于Haar-like特征的Adaboost算法检测人脸,然后将检测到的面部作为跟踪目标并采用MOSSE跟踪算法对驾驶员面部持续跟踪。针对经典MOSSE算法的滤波器更新率无法自适应目标及背景变化的问题,采用量纲分析法建立滤波器更新率预测模型,该模型能够使得更新率保持最佳状态从而提高跟踪效果。相较于单独的Adaboost算法,结合改进MOSSE跟踪的人脸检测在实时性上有了较大提升。(3)提出了一种基于双通道卷积神经网络的疲劳识别算法。针对单通道卷积神经网络存在面部表情特征提取不完全的问题,设计了双通道卷积神经网络用于驾驶员面部表情特征的提取。两个通道的输入分别为面部灰度图及LBP特征图,最后通过特征融合与分类输出最终的疲劳判定结果。相较于单一通道的疲劳识别,双通道疲劳判定在准确率及鲁棒性上表现更加出色。(4)设计疲劳驾驶预警及干预系统。该系统的主要功能包括疲劳驾驶预警及疲劳干预,当驾驶员被疲劳检测算法判定为疲劳驾驶时,系统根据疲劳驾驶持续时间作出相应等级的预警及干预响应,这种驾驶监督机制能够极大限度的保障驾驶员合理安排驾驶行程,对于生命财产安全起到保驾护航的作用。