疲劳是驾驶员频繁出现并且难以避免的一种生理现象,疲劳驾驶严重危害了个人及他人生命财产安全。已经成为一个非常严重的社会问题,关乎个人生命健康与财产安全,引起了许多国家的高度重视。现有的疲劳驾驶检测技术存在如下几个问题:接触式的信号采集方式以及专业测量设备的复杂性使得在车辆驾驶环境中信号监测不方便;信号监测容易受车辆运动,道路状况,环境因素等的影响,检测结果的可靠性不高;采集的信息内容涉及到用户的隐私。这些问题严重阻碍了现有的疲劳驾驶检测技术在实际生活中的应用。随着移动可穿戴技术的发展,智能手机和移动可穿戴设备有望提供一种更方便、实用的驾驶疲劳检测方法,个人移动设备的感知与计算解决了信息监测不便与用户隐私问题。然而,由于商用移动智能设备嵌入式传感器类型简单,无法直接获取到评估疲劳相关的生理特征信息,因此如何通过监测数据挖掘潜在的个体生理信息特征,是保证检测可靠性需要解决的一个问题;其次,由于单一类型的信号检测结果环境适应性差,且考虑到用户隐私的问题在结合驾驶员疲劳行为特征进行检测时,如何通过移动设备监测的非敏感数据检测驾驶员疲劳生理行为特征,是增强检测结果鲁棒性需要解决的一个问题;最后,由于移动终端的功率受限、监测信号的传感器功耗较高使得设备不能长时间监测司机驾驶疲劳,因此如何科学设计高功耗传感器启动机制,减少系统功率消耗是我们需要解决的问题。本研究围绕上述问题展开,首先基于移动设备采集的非敏感数据,在疲劳特征提取过程中,设计了基于统计分析的心率变异性特征提取方法,从心率数据中获取RRI(RR interval,心电图中相邻两个R波之间的时间间隔),并提取心率变异性时域和频域特征,解决了心率变异性特征监测困难的问题。同时设计了驾驶员手部相对运动检测算法,旨在减少方向盘运动特征提取中的干扰;其次,以哈欠作为典型个体疲劳生理行为代表,深入研究并挖掘心率数据与哈欠行为之间的关系,提出了心率哈欠匹配算法来检测司机的打哈欠行为,提升疲劳检测精度的同时增强了鲁棒性;最后,针对系统的功率消耗问题,提出了一种普适性的驾驶姿势检测算法来控制高功耗的心率传感器,极大地减少了系统的功率消耗,使得系统能够满足驾驶员长时间的疲劳驾驶检测。经过实验验证,本研究设计方法检测精度可达97.1%,能耗降低33%。实验结果表明,该研究能够为疲劳检测研究提供新的思路和有益参考。