随着人民的生活水平不断攀升,私家汽车已经是越来越多的普及到人们的日常生活中,以及全国运输行业高速发展也促进了商用车数量的快速增长。汽车给人们的生活带来了便利的同时,大量交通事故带来的生命财产损失不可估量。据交通事故统计数据显示,大部分交通事故是由驾驶员疲劳驾驶引发的。因此,针对疲劳驾驶的相关研究一直备受监管者和研究者的重视,也取得了很大的成果。现在主流研究是通过摄像检测人脸特征来判定疲劳状态,然而该方法存在光照影响、实时性和准确性权衡两大主要问题。本文提出了一种能够很好平衡准确与实时性的驾驶员疲劳检测算法,该方法对光照影响也有一定适应性。本文提出的检测方法结合多检测算法,通过数字图像图处理、机器视觉技术逐步定位人脸区域、人脸区域,并提取驾驶员的眼部区域特征,通过卷积神经网络技术对人眼状态进行精确识别,再由PERCLOS疲劳判定法和眨眼频率相结合的疲劳判定策略综合进行疲劳判定。论文所做的主要工作如下:1.在光照影响的环境下,综合采用直方图均衡化和参考白两种数字图像处理方法对暗光环境下采集的图像进行补光;选用中值滤波对图像降噪,以及图像灰度化等简单数字图像处理的方法进行图像预处理。图像预处理提升了设备成像的可识别性,增强了对光照影响的适应性,提升检测系统的准确性。2.采用Adaboost级联算法快速锁定人脸区域以排除大部分背景影响,初步定位使关键点检测范围减少了50%。人脸分类器是由Haar-like特征来训练的。3.采用集成回归的方法训练人脸关键点检测器,在上一步检测人脸区域中精确定位人脸的68个关键点;在获取的关键点信息中,提取人眼定位信息,从而计算出人眼区域。通过EAR来判定睁闭眼状态,并在视频流中自动截取相应睁眼、闭眼图像存入相应的分类数据集中。4.利用上一步采集到的训练数据,对比选择训练符合本课题卷积神经网络结构,进行人眼状态识别模型。结合PERCLOS和眨眼频率参数对驾驶员进行实时疲劳检测。本文在PyCharm开发环境,使用Python语言结合OpenCV机器视觉库完成疲劳检测各种算法的实现。用过在真实行车环境下,进行了实车测试,结果表明算法能够实时运行,并能有效检测驾驶员的疲劳状态,检测到疲劳时能够发出疲劳预警。