据公安部门统计,我国机动车保有量截止2019年底已达3.48亿辆,机动车驾驶人达4.35亿人,而交通事业的蓬勃发展造成导致交通事故不断增多,其中一个重要原因是驾驶人疲劳驾驶。因此,设计一个实时和稳定的驾驶员防疲劳系统对保障其生命和财产安全具有显著意义。通过对在实际驾驶环境中诸多驾驶防疲劳系统的分析,发现目前疲劳驾驶检测系统容易受驾驶人操作习性、驾驶技能的熟练性、交通道路的复杂性等多种实际因素的影响,其实时性与准确性仍有提升的空间。论文给出了基于面部特征检测、集合智能视觉平台和STM32的嵌入式驾驶防疲劳系统设计方案,并在实际驾驶环境中进行测试。论文研究内容如下:(1)首先基于 MTCNN(Multi-task Convolutional Neural Networks)的深度学习算法在Caffe框架下实现人脸检测与多关键点的定位并训练生成caffe模型。(2)然后基于腾讯优图智能视觉平台VisionSeed实时采集动态的人脸图像,经过在PC端训练生成的caffe模型的转换、优化、部署与疲劳检测算法的处理后,通过串口一方面输出带有人脸框与98点关键点标注的人脸图像,另一方面输出依据面部关键点来计算出的可表征驾驶人疲劳状态的眼部纵横比(EAR)与嘴部纵横比(MAR)结构化参数。(3)最后集成STM32为核心控制器依据VisionSeed计算输出的EAR与MAR参数为主要输入进行实时语音报警,从而设计实现了一种可实时采集人脸图像并进行面部特征识别的嵌入式驾驶防疲劳系统。经实际驾驶环境测试,系统的疲劳检测帧率在15fps以上,并且整个系统功耗低于10w,具有实时性、低功耗以及能够适应复杂环境的特点。