自动驾驶汽车的实用化,意味着人工智能在汽车领域的应用越来越创新、成熟。同时,基于机器视觉、语音识别等人工智能技术的驾驶辅助系统也备受业界关注,而汽车智能化、多元化发展首先应该考虑的是行车安全。据每年交通部门发布的事故统计,疲劳驾驶一直是引发交通事故的主要原因之一。为此,本文提出了一种基于眼部特征算法设计的疲劳驾驶检测系统。目前基于眼部特征实现的疲劳检测方法中最常用的是PERCLOS算法,通过单位时间内驾驶员眼睛闭合达到一定程度的时间与总时间的比例来判断驾驶员疲劳状态。本文在PERCLOS算法的基础上,提出一种基于眨眼频率的检测算法,通过驾驶员单位时间内的眨眼次数变化进行疲劳检测。本文对驾驶员眼部特征、握力特征和汽车横向加速度特征进行多信号的监测,能够从人体生理信号、动作特征以及汽车运动轨迹中进行准确的疲劳驾驶判断,实验识别率达到90%以上,同时以极低的成本搭建了对性能要求较高的车载图像处理硬件系统。本文选用OpenMV作为系统主控,驱动CMOS摄像头获取人脸图像,通过基于Haar特征的Cascade分类器实现人眼识别,对人眼区域进行颜色深度分析后识别瞳孔,进而计算出驾驶员的眨眼频率。从驾驶员的眨眼频率、驾驶员对方向盘的握力特征以及车辆的横向急动度三个参数分析判断驾驶员的疲劳状态。当驾驶员出现疲劳驾驶时将状态数据通过NB-IoT向云服务器上报,同时使用TTS模块对驾驶员进行持续语音提醒,直至LD3320语音识别电路接收到用户回复的特定语音指令。数据远程处理方面,专门为系统开发基于Qt的PC监测软件,用于联网获取服务器数据并存储到本地My SQL数据库中进行集中管理,管理员可根据驾驶员的情况采取必要的预警措施,防止情况进一步恶化。对样机进行功能测试后得到的实验数据表明,本文设计的疲劳检测系统实现了基于多参数的疲劳驾驶判断,同时系统具有低功耗、低成本、检测快速和智能语音交互等优势,为疲劳驾驶预警研究提供了一个可行方案。