卷积神经网络是一种源于人工神经网络的深度学习方法。它具有局部连接、权值共享的特点,同时能够实现特征的自动提取,它改善了传统模式识别方法中特征提取难的问题,因此卷积神经网络广泛应用于自然语言处理、语音识别、推荐系统、计算机视觉等领域。基于驾驶员外部特征的疲劳驾驶检测技术在多个方面取得了一定的进展,但是驾驶员脸部特征提取的方法有待进一步提高,同时驾驶员眼睛定位的时间较长,影响系统识别速率。论文将卷积神经网络应用于人脸识别,对瞳孔定位算法进行改进,有效地克服了原算法计算量大的问题,根据驾驶员眼睛在不同状态下宽与高比例不同的特点,实现了一种简单可行的眼睛状态判断方法,并通过PERCLOS算法对驾驶员的疲劳状态进行判定。应用卷积神经网络模型对ORL人脸库实验得到识别率为85%,识别平均时间为20ms。改进的Hough变换方法对驾驶员眼睛的定位准确率和平均时间分别为92%和29ms,对驾驶员眼睛状态的判断正确率为83.9%。论文使用的疲劳驾驶检测方法能比传统的检测方法取得更好的效果,设计基于人脸识别的疲劳驾驶检测原型系统,实现了驾驶员脸部特征检测、眼睛定位、眼睛状态判断、疲劳判定等功能。实验结果表明,系统对疲劳的识别率为87.5%,疲劳判断的响应时间为17ms,有较好的实际应用价值。