驾驶疲劳的研究对降低公共交通安全事故发生率具有重要意义,目前关于驾驶疲劳的研究方法多具有检测速度慢、干扰性强、难以量化的缺点,因此建立一套行之有效而又轻简可靠的非接触式实时驾驶疲劳监测体系是目前驾驶疲劳研究的热点,也是民航飞行驾驶疲劳的重要研究方向。本研究以人眼疲劳状态检测为驾驶疲劳状态检测切入点,通过优化分类数据集提高深度学习能力,采用目标检测算法,完成人眼睁闭状态的快速检测。实验结果表明,采用该方法实现对人眼状态的判断速度非常快,单张图片的推理时间比同级别目标检测算法时间更少,查准率和查全率表现也更好。为提高驾驶疲劳判断的准确性,本文还增加了哈欠状态检测和心率变异性指标检测;同样采用本检测模型对嘴巴状态进行检测,结合单位时间内嘴巴状态帧数进行哈欠判断,该方法能够准确快速的判断嘴巴状态,并能有效识别哈欠状态;同时佩戴便携式心率仪进行心率数据获取和分析,融合三类指标完成驾驶疲劳判断。研究最后完成了非侵入性驾驶疲劳监测系统设计,该系统能够实时显示各指标状态并对驾驶疲劳状态进行判断,系统验证结果表明该监测体系能够很好地反应真实驾驶疲劳状态,对民航飞行驾驶疲劳监测研究具有重要借鉴意义。