疲劳驾驶作为诱发交通事故的主要因素之一,其造成的交通事故占总交通事故的20%左右,占特大交通事故的40%以上,危害性极大。基于面部特征的疲劳检测方法无需与驾驶员进行接触,具有成本低、受限小且精度高等优点。如何通过面部特征快速、准确地检测驾驶员的疲劳状态具有重要的研究意义和应用价值。目前,基于面部特征的疲劳检测方法未能融合图像的多尺度特征及多层次信息,在复杂多变的驾驶环境下难以满足实时性和准确性两方面要求。因此本文立足于实际应用场景,以提高疲劳检测方法的准确率、鲁棒性及泛化能力为目标,从疲劳特征选取、面部特征提取以及疲劳判定等多角度进行深入的研究,提出了一种多尺度特征融合的疲劳检测方法,结合智能数字座舱项目需求设计并实现了基于面部特征的疲劳驾驶检测系统,本文主要研究内容及成果如下:（1）针对现有方法不能充分利用图像的多尺度特征及多层次信息的问题,本文提出了一种基于多尺度特征融合的疲劳检测方法。该方法使用多尺度特征层的融合策略和轻量、高效的门控模块,结合具有较强语义的深层特征与细节丰富的浅层特征,充分挖掘图像中的有效特征信息,抑制无效信息,从而更好地检测面部的疲劳特征状态。结合多特征综合的疲劳评定方式,所提的疲劳检测方法在视频数据集上检测的平均准确率能达到96%,表明了该方法能够准确地检测出驾驶员的疲劳状态。（2）针对疲劳检测系统进行了需求分析,首先基于多尺度特征融合方法设计了一种疲劳检测方案。其次采用Pytorch框架、Py Qt5以及辅助硬件设备实现了基于面部特征的疲劳驾驶检测系统。该系统可通过摄像头实时采集视频或拉取资源库中视频的方式检测驾驶员的疲劳状态,可以利用脱岗检测模块来监测驾驶过程中是否存在脱岗现象,并设计了相应的警告功能进行提示。最后对系统进行了相关测试,测试结果证实了该系统能够满足实时性、可用性以及易用性要求,能判断驾驶员疲劳状态并给予相应反馈,其整体性能较好,具有一定的使用价值。