乘用车的普及给人们的出行带来了极大的便利,人们的工作和生活方式也因此发生了翻天覆地的变化,但同时也给道路交通带来了巨大的安全隐患,交通事故的频繁发生给许许多多的家庭带来沉重的灾难,严峻的交通问题给人们生活带来了巨大困扰。疲劳驾驶作为导致重大交通事故的主要原因之一,近年来如何在驾车过程中进行快速检测并预警一直是研究者的重要研究方向,各种检测方法不断被提出并进行反复实验和改进。通过比较发现:基于图像处理技术的检测方法因为具有非侵入性,因而拥有广泛的市场应用前景。本文分别针对夜晚红外光条件和白天可见光条件下设计了疲劳驾驶检测方法,主要研究内容如下:(1)在夜晚驾驶过程中,通过红外摄像机采集图像,并设计了夜晚红外条件下的人脸检测、人眼定位方法,然后比较了不同的疲劳特征参数的相关性,设计并实现了PERCLOS疲劳参数、驾驶员头部位移参数以及驾驶员眨眼频率的提取方法,最后系统综合这三种特征参数综合判定驾驶员是否处于疲劳驾驶状态;(2)在白天可见光条件下,通过将面部图像数据传输到Face Core云计算开放平台,分析当前驾驶人员身份,通过监测发动机状态来计算汽车运行时间,最后综合这两方面信息判定驾驶疲劳状态。针对白天采集的彩色图像进行数字图像处理算法复杂,并且嵌入式系统的资源有限的缺陷,因此采用在线检测方法,将复杂的运算转移到云检测平台,降低了嵌入式系统的处理负担。实验结果表明:系统检测准确率高,检测实时性强,可以达到半实时检测结果;(3)在前两项关键技术研究的基础上,通过分析系统需求并进行硬件选型,构建起嵌入式系统开发平台,将检测算法移植到嵌入式系统,设计并实现了嵌入式平台疲劳驾驶检测系统,验证了系统检测的准确率,以及算法在嵌入式系统的性能表现;本文以实用性为目标,采用ARMv7架构的ARM Cotext A8嵌入式处理器构建嵌入式系统开发平台,研究了基于图像的疲劳驾驶检技术和基于身份识别的疲劳驾驶检测技术,设计并实现了一套嵌入式平台疲劳驾驶检测系统。系统设计初期结合目前车载系统的实际情况,充分考虑到实际的应用场景,并按照模块化的设计思想,因而系统易于移植,可以方便快捷的和现有车载系统进行集成。