汽车在方便我们生活的同时,也引发了一系列交通安全问题。在众多的交通事故中,驾驶员疲劳驾驶是主要原因之一。目前对驾驶员在行车过程中疲劳状态的监测,已经成为一个重要的研究课题,它不单是有效降低交通事故发生率的一项重要预防手段,亦是实现汽车设备智能化的重要内容,具有极高的社会价值。本文以面部表情为研究对象,设计了疲劳驾驶识别方案。利用卷积神经网络(Convolutional Neural Network,CNN)搭建合适的网络模型训练学习疲劳表情特征。通过以下三种途径获取疲劳表情图片:其一,编写爬虫代码,在网页上搜索下载人脸疲劳表情图片;其二,在不同的人脸表情数据集中选取部分图片;其三,拍摄疲劳表情照片。对获取到的图片进行归一化处理,自建数据库。为提高识别的准确性和实时性,对图像进行灰度化和直方图均衡化的预处理操作,结合haar-like特征和Adaboost算法将人脸区域从复杂背景中提取出来,进行图片信息的人脸检测。对卷积神经网络模型进行设计,将检测出的人脸图片输入到模型中,并进行参数调整,实现对驾驶员疲劳表情的识别。实验结果表明,本文设计的卷积神经网络模型可以完成疲劳表情特征的训练学习,对于驾驶员疲劳表情有较高的识别准确率和实时性,有助于降低交通事故发生率。