中国的汽车产业在过去的十年中快速发展,如今正处于黄金时期。然而,汽车数量的剧增和驾驶人数的骤长也给交通运输环境带来了巨大的压力。我国每年交通事故的伤亡率和事故量长期高居各项意外伤亡事故的首位。在所有的交通事故中,疲劳驾驶占有着极高的比例,与醉酒驾驶和超速驾驶并称三大公路杀手。因此,研究疲劳驾驶检测系统,对预防疲劳驾驶,降低交通事故率,以及改变我国交通的安全状况都具有实际的意义。本文提出了一种基于扩展的最近特征线空间的特征提取算法和一套基于个性化参数的人眼检测和脑电波侦测的疲劳驾驶检测系统。基于扩展的最近特征线空间的特征提取算法运用于身份认证模块的人脸识别部分,通过对少数原型样本进行扩充,并运用扩充的样本空间来进行特征提取。本文提出的系统通过将两类疲劳检测方法融合起来,相互取长补短,并根据驾驶者的生理特性对参数进行个性化的调整以提高检测准确率,降低误判的概率。系统由四个模块构成:脑电信号侦测模块,人眼检测模块,身份认证模块和信息融合模块。脑电波侦测模块负责采集和提取脑电波信号。人眼检测模块通过摄像头获取图像信号,实时分析人眼的状态。身份认证模块通过人脸识别的方式来对驾驶者的身份进行认证,根据认证的结果调整疲劳判定的参数。信息融合模块通过融合从脑电波侦测模块和人眼检测模块得到的信息,结合身份认证模块提供的参数给出最终的疲劳判定。在模拟驾驶实验中,本系统各模块的性能得到了验证,采用个性化参数相较于采用平均参数的实验取得了更高的检测准确率和更低的误判率。在与其他的同类系统的比较中,本系统在保持较高检测准确率的同时,具有架构容易,成本低廉,抗干扰能力强等优点。