随着城市化进程的不断加快,交通已经成为人们生活中必不可少的重要组成部分。然而,快节奏的生活和工作状态,使得很多人经常处于疲劳状态。当人处于疲劳状态时,驾驶车辆会更加容易引发交通事故。近年来,随着疲劳驾驶引发的交通事故的不断增加,引起人们的广泛关注。为了减少因疲劳驾驶而引发的交通事故,学术界和工业界都已经开展了深入的研究。本文提出了一种基于面部视觉特征的疲劳检测方法。在本文中,首先研究了人脸检测的方法,并对比分析了基于Adaboost人脸检测方法和Faceness Net人脸检测方法。在此基础上,本文提出了基于人脸特征点的疲劳检测方法和基于深度学习的疲劳检测方法。基于人脸特征点的疲劳检测方法是通过人脸特征点的位置及其之间的关系建立状态检测模型,并使用状态检测模型检测每一帧图像中眼睛和嘴的闭合状态。根据本文提出的疲劳判定方法,检测每一帧图像的疲劳状态。考虑到疲劳是一个连续的过程,因此,本文使用时间窗口判定该时间段的疲劳状态。每一个时间窗口的疲劳状态是根据疲劳帧的数量与该时间窗口总数量之间的比例关系确定。基于深度学习的疲劳检测方法是通过改进的SSD目标检测方法检测每一帧图像中人脸的眼睛和嘴的闭合状态。这一过程是将眼睛和嘴的不同状态作为不同的类别进行检测分类。最终,根据本文提出的疲劳判定标准检测每一个时间窗口内的疲劳状态。在本文方法中,根据时间窗口的概念提出了两种疲劳评价标准:基于疲劳次数的准确率;基于时间的时间覆盖率。通过实验验证分析,本文提出的方法在这两种评价标准下拥有较高的准确率和时间覆盖率。