随着道路交通的发展,道路交通安全问题越来越受到人们重视,而疲劳驾驶现象日益严重,是导致交通事故的主要原因之一。研究实时疲劳检测系统,在驾驶员疲劳时及时做出提醒和预警,对于减少因疲劳驾驶造成的交通事故具有重要意义。本文基于机器视觉对疲劳驾驶检测技术进行研究,将疲劳检测的过程分为人脸检测、人脸特征点定位、疲劳特征的提取与识别三步,对各部分采用的算法进行了深入研究。同时本文在理论研究的基础上,在ARM开发板上开发了一套疲劳检测程序,通过对网络摄像头传来的图像进行处理,然后分析驾驶人眼部的运动状态判断驾驶人当前是否疲劳。本文完成的主要内容如下:(1)人脸检测。本文对基于Adaboost的人脸检测算法进行研究,并基于OpenCV和开源人脸数据库构建了人脸检测器,并对训练得到的人脸检测器进行了测试。(2)人脸特征点定位与人眼定位。对随机森林回归模型进行了研究,然后在人脸检测的基础上,利用随机森林回归模型基于Hellen人脸数据库训练得到了人脸特征点定位器并对其进行了测试。(3)疲劳特征的提取与疲劳状态的判别。通过定位到的人眼周围的特征点提取人眼开合程度相关的疲劳特征,针对传统上使用PERCLOS值判断疲劳状态方法的不足,提出一种基于CART决策树判断驾驶员疲劳状态的方法并对两种方法判别疲劳状态的效果进行了测试对比。(4)基于ARM开发板的疲劳检测系统的实现。在搭载Android系统的ARM开发板上,通过局域网接收网络摄像机的图像,实现行车信息采集和疲劳驾驶检测系统。最后对疲劳检测系统的测试表明,系统对疲劳驾驶的检测准确性很高且能及时发出预警。