随着社会交通运输的快速发展,越来越多的长途客货运驾驶员忙碌在工作岗位,因疲劳驾驶出现的事故频繁发生。因此,疲劳驾驶检测的相关研究意义重大。其中基于计算机视觉的检测方法因为对驾驶员无干扰成为研究热点。目前已有的方法存在的问题是计算复杂度高,耗时长,难以在移动设备上实现实时检测。本文选择实现基于安卓系统的实时疲劳检测系统,包括移动检测终端和远程网络监控系统。采用人脸对齐算法得到眼睛、嘴巴和头部等疲劳特征,实现疲劳状态分析。本文主要有以下研究成果:改进显式形状回归人脸对齐算法,提出基于二级形状参数回归的人脸对齐算法。采用PCA降维,用低维的人脸形状参数约束人脸形状。在二级回归框架中,仅简单计算低维的人脸形状参数,替代原始的高维人脸形状。针对人脸的旋转角度和尺度大小不同,使用明确的形状特征索引算法替代局部特征索引,提高特征的可比性。采用多重随机特征选择方法,筛选出更好的人脸特征。通过算法改进,明显减小了运算复杂度和数据存储量,提高了对齐速度和对齐效果。在安卓系统算法实现时将人脸对齐分为人眼对齐和人脸轮廓对齐两个步骤。人眼对齐时,通过对人脸图片的截取和压缩,仅处理图片大小80*40的人眼区域,用20个特征点描述人眼形状,并降到20维,减少单次需要处理的图像信息和数据维度。人脸轮廓对齐时,选取27个特征点表示人脸轮廓形状,并降到20维,根据人眼对齐结果得到的双眼瞳孔坐标,优化人脸轮廓初始形状,使人脸轮廓对齐更快更精确。疲劳特征分析时,根据对齐的人眼形状和人脸轮廓形状中特征点的坐标位置,采用简单的四则运算判断眼睛的睁闭、嘴巴的张合程度和头部上下运动。选取鼻尖和脸颊的3个特征点坐标组成特征三角形,根据三角形形状变化判断头部的偏转方向。最后综合全部疲劳特征给出检测结果,减少单一疲劳特征判断出现的误检。最后,实现的检测程序在性能一般的安卓系统手机、平板上达到了良好的检测效果和实时的检测速度,实现了网络监测服务器端系统。