随着汽车产业和交通运输业的发展,交通安全成为一个不可忽视的问题。疲劳驾驶作为一种严重威胁交通安全的因素,给国家和社会造成了巨大的财产损失和人员伤亡。因此,设计出一种具有实时性、准确性和鲁棒性的驾驶员疲劳检测方法,对于保护驾驶员及乘员安全具有重要意义。本文在深入研究前人提出的驾驶员疲劳检测方法原理的基础上,针对提高疲劳判断实时性及准确度的问题开展了一些研究工作,提出了一种基于多个特征的驾驶员疲劳融合检测算法。该方法首先通过摄相机实时拍摄驾驶员面部图像,使用主动形状模型(Active Shape Model,ASM)定位脸部特征,然后提取出最能反映疲劳状态的眼睛和嘴部信息,最后利用模糊推理的方法,根据人的经验,“智能”地判断疲劳程度,从而准确地量化疲劳这一模糊概念,快速准确地判断疲劳的发生。本文主要研究内容包括以下几个方面:(1)针对基于单一特征检测算法在准确率和鲁棒性上存在不足的问题,提出了一种基于多个特征的驾驶员疲劳融合检测算法。选取能够直接反映驾驶员疲劳程度的2个面部特征(眼睛和嘴巴)对驾驶员状态进行综合判断。(2)对比分析目前人脸定位所采用的方法,考虑到算法的实时性,使用一种基于类Haar特征的级联Adaboost的快速人脸检测方法进行人脸定位,约束ASM初始搜索形状,提高ASM的收敛速度。(3)研究了一种特征定位及提取的方法,先利用ASM在人脸范围内进行特征定位,定位出眼睛和嘴巴。然后通过计算眼睛和嘴巴特征点之间的距离,提取出眼睛、嘴巴高度及宽度等参数。(4)综合眼睛和嘴部特征参数,设计了基于模糊推理系统的驾驶员疲劳检测方法,利用人的经验“智能”地进行决策,解决了疲劳程度三级分类难以确定的难题。