随着人工智能研究的兴起,人脸识别和疲劳检测技术在实际生活中应用于各行各业,为人们生活的便捷性带来了保障。当前一些重点区域如银行值班室、铁路运营室、消防监控室、重症监护室等岗位的值班人员,需要时刻盯着视频图像监视器,因值班人员疲劳、瞌睡、擅自离岗等不良行为导致的重大事故时有发生,因此开展基于图像处理技术的监控系统来提高值班人员的工作质量具有理论研究意义和实际应用价值,是当前该领域亟需解决的问题。本文研究基于视频的非接触的、实时的值班员身份鉴别和疲劳检测,首先借助值班室摄像头采集值班员视频,利用多任务卷积神经网络人脸检测算法快速定位人脸区域并精确定位人的眼睛和嘴巴;再通过基于卷积神经网络的人脸识别算法提取人脸特征,借助分类器实现人脸识别。其次利用提取定位出来的眼睛和嘴巴相关的疲劳参数进而判断值班员的疲劳状态。主要工作如下:(1)介绍了人员鉴权与疲劳检测系统的研究背景和意义,总结了国内外相关文献;概述了人脸检测、人脸识别和疲倦识别的国内外研究现状;讨论了卷积神经网络在人脸检测和人脸识别中的应用。(2)基于经典人脸识别算法框架VGG-16,对其网络结构和损失函数做了相应的改进,在结构上减少几个卷积层来和一个全连接层以提高效率;在损失函数上,由原来的Softmax损失函数加入了 Center loss函数的成分,以确保人脸识别分类的准确率。(3)基于眼睛状态识别方法的分析,讨论并比较了疲劳识别的常规技术,利用提取定位出来的眼睛参数PERCLOS值、眨眼频率和嘴部参数PMRCLOS值三者相结合的办法来实现疲劳状态的判别与预警,仿真分析该方法可行且有效。(4)设计了人脸鉴权和疲劳检测的应用系统,并且通过在实验室采集的小型人脸图像数据集验证了该系统的鉴权功能,并对影响人脸识别的常见因素做了测试,包括光照强度、人脸姿态、人脸遮挡。同时采用实时视频的实验对系统检测疲劳状态进行了测试与分析,系统实际测试表明可行。基于图像处理的值班员身份鉴权和疲劳状态实时监测技术,可有效鉴别值班人员身份并能够实时判断值班员是否进入疲劳状态从而提高值班员的工作效率,同时为解决因值班人员工作状态而导致的安全隐患问题提供了积极思路。