当今社会人们的生活日新月异,居民的汽车保有量逐年递增。在汽车驾驶中,除醉酒驾驶外,疲劳驾驶逐渐成为导致交通事故的另一重要因素。因此,对驾驶员采取实时疲劳检测对重大交通事故的预防有着深远的意义。本文通过阅读查阅大量的文献及资料,了解了国内外疲劳状态检测方法现阶段的发展概况,并在此基础上深入研究了基于面部子空间中多特征融合的驾驶员疲劳检测。疲劳状态检测中的关键技术主要包括:驾驶员的面部检测与跟踪、面部子空间疲劳区域的定位、疲劳特征的提取与融合等。本文首先将采集到的视频转换成帧,为了最大可能地降低外界复杂环境对驾驶员的影响,对图像作预处理,主要包括图像的灰度化、均衡化以及自适应光照补偿;通过比对肤色在不同颜色空间中的聚类特性,选取基于YCgCr的肤色阈值分割对图像进行检测,然后将检测到的肤色区域输入到改进之后的Viola-Jones人脸检测框架之中,结合两种算法实现人脸区域的定位。由于单帧的图像并不能反映出驾驶员是否处于疲劳状态,因此采用Camshift算法对人脸视频序列进行跟踪,满足了系统的实时性要求。其次,在检测到人脸的基础上实现面部关键疲劳形变区域的定位,疲劳区域主要包括眼睛和嘴巴。在眼睛的定位中,分别对驾驶员的图像和检测出的人脸区域采用人脸几何分布的先验知识与灰度积分投影相结合的方法,将眉眼分离,实现眼睛的粗定位;然后通过对比几种边缘算子的检测效果,最终选取Sobel边缘算子实现眼睛轮廓的提取,进而实现眼睛区域的精确定位;人脸的分布符合“三庭五眼”这一几何规律,根据人眼与嘴巴的相对位置定位出嘴巴区域。最后,主要实现多特征融合的疲劳状态检测。在已定位出的眼睛区域提取PERCLOS参数、嘴巴区域内提取YawnFreq参数;根据人疲劳时两参数的阈值确定其模糊集、论域并通过计算推导得到隶属度函数的表达式;搭建Fuzzy逻辑推理系统,将两种疲劳算子融合输入到模糊系统中,并输出驾驶员的疲劳状态,通过反模糊化得到疲劳程度FatigueLevel,实现驾驶员疲劳状态的识别。