研究表明疲劳驾驶是引发道路交通事故的主要原因之一,疲劳检测算法的研究对于提升道路交通安全具有十分重大的意义,目前高性能的嵌入式平台的出现使得采用深度学习来进行疲劳检测也成为了可能。本文针对嵌入式平台上的实时疲劳检测技术进行了深入的研究,主要研究内容如下:(1)驾驶员人脸检测算法研究。针对嵌入式平台的实时人脸检测问题,设计了一种三级级联卷积神经网络的快速人脸检测算法。该网络使用边界框回归来减少级联的网络数目,通过使用全卷积网络来快速生成人脸候选框,采用全局平均池化层替代传统的全连接层结构,在几乎不损失精度的情况下减小网络的体积提高检测速度,同时利用定位置信度来改进传统的非极大值抑制算法。(2)驾驶员面部关键点检测与头部姿态估计算法研究。针对嵌入式平台设计了一种轻量级特征提取单元,基于该单元结构设计了面部关键点检测与头部姿态估计的骨架网络结构。基于多任务学习的思想,将面部关键点检测任务与头部姿态估计任务通过共享一个网络进行联合学习,提升了在姿态变化情况下的面部关键点检测的精确度,同时在不增加计算资源的情况下得到较为准确的头部姿态估计。(3)驾驶员疲劳识别算法研究。针对实时驾驶员疲劳识别任务,设计了一种基于多特征时空疲劳特征序列的疲劳识别算法。该算法提取多个面部疲劳特征,包括眼睛,嘴巴与头部姿态,通过对多帧图像面部疲劳特征向量进行拼接构建时空疲劳特征序列,基于长短时记忆结构设计了疲劳识别网络进行疲劳状态的分类判别,本文的疲劳识别方法不仅拥有良好的识别精度同时也能够满足嵌入式平台实时疲劳识别的需要。(4)基于嵌入式平台的疲劳检测软件。以本文提出的疲劳检测算法为基础,在Jetson TX2嵌入式平台上开发了一个疲劳检测软件,该软件界面友好美观,功能简介完备,可以实时的进行疲劳监测并及时的给出警报信息,同时能够将疲劳视频片段进行保存并记录。