据统计,约有25%的交通事故是机动车驾驶员在疲劳状态下驾驶机动车造成的。为了降低因疲劳驾驶导致的交通事故发生频率,本课题设计开发出一套基于机器视觉的疲劳驾驶检测嵌入式系统,通过机器视觉这种非接触式检测手段监测驾驶员的驾驶状态,当系统检测到驾驶员处于疲劳驾驶状态,则及时语音告警,提醒驾驶员注意,达到减少交通事故的目的。本课题具体研究内容如下:（1）改进了传统的SSD（Single Shot Multi Box Detector）模型为OSSD（Optimized Single Shot Multi Box Detector）模型用于检测驾驶员人脸区域。根据系统的实际需求,改进SSD模型的基础网络,加入组规范化形成OSSD模型的基础网络,既加快了神经网络的训练速度又解决了批处理较小时误差增大的不足;改进SSD模型对特征图的处理,OSSD模型主动放弃抽取前两个特征图,使得模型忽略对小物体的检测,在保证对驾驶员人脸检测精度的情况下降低了模型的计算量,提高了系统的实时性。训练结果显示,OSSD模型对驾驶员面部检测的正确率为92.3%。（2）综合考虑基于面部特征和头部姿态的疲劳驾驶检测方法的联系,使用图像处理开源库Dlib（Dependable Lists Incorporated Bellwood）标记人脸特征点;改进的眼睛纵横比算法判断驾驶员眼睛状态;嘴巴纵横比算法判断驾驶员嘴巴状态;多点透视算法计算驾驶员头部姿态信息。通过对摄像头的精心挑选,降低了光照变化对成像的干扰,为Dlib库精准标记人脸特征点提供了基础,有利于系统对驾驶员眼睛,嘴巴和头部姿态的检测。系统使用驾驶员的单位时间眼睛闭合百分比,打哈欠频率、时长以及低头时间三个指标判定驾驶员的驾驶状态,降低了系统误判的可能性。（3）开发嵌入式硬件系统和软件流程。本文综合比较市面上流行的图像处理芯片,充分考虑实际情况,选择了RK3399Pro芯片作为嵌入式产品的处理器。系统以RK3399Pro核心板为主,设计出符合实际需求的外围电路,实现了对驾驶员面部信息的采集、处理、分析和语音告警功能。设计系统程序流程时,充分考虑到实际应用场合,使用了较多的判断语句,在满足条件的前提下减少系统对图像的处理环节,提高系统实时性。最后,实际测试基于机器视觉的疲劳驾驶检测嵌入式软硬件。实验结果表明,本课题开发的嵌入式系统能够低延迟的准确地检测出驾驶员的眼睛状态,打哈欠频率、时长和头部姿态;能够完成对驾驶员驾驶状态的检测以及对处于疲劳驾驶状态的驾驶员发出语音告警的功能。