随着现代化进程的推进和速递性业务的发展,交通运输业得到了飞速发展,因疲劳驾驶而频繁产生的交通事故,已经成为全世界范畴上亟待解决的难题。疲劳是一种正常的生理现象,但这种看似无法人为控制的正常行为却在机动车驾驶中导致了大量的交通事故,并由此引发众多社会问题。疲劳驾驶业已变为威胁驾驶员以及其他人生命安全的主要元素之一,并逐步发展为亟需解决的全球性难题。当下的疲劳驾驶判别方式多以软、硬件结合后传回的指标来进行判断,面对存在差异的驾驶员个体,疲劳驾驶与非疲劳驾驶的差异不甚明显,使得疲劳驾驶检测的效果难尽人意。至今国内尚未研发出成熟有效的疲劳驾驶检测的设备,研究也仍然处于试验阶段,因此需要加强对检验疲劳驾驶产品的研究与开拓。论文分析了各种检测系统的特点,包括生物电信号信号检测系统,基于perclos的眼部检测系统等提出了一种基于卷积神经网络与径向基函数相结合的疲劳驾驶检测算法,利用深度卷积神经网络进行疲劳驾驭特征识别,并利用径向基函数进行分类。搭建了一个基于TensorFlow环境的疲劳驾驶模拟实验系统,收集驾驶员行驶中的各类行为数据,以此数据训练模型,并在实际道路与车辆环境中进行测试,确定驾驶员处于不同疲劳程度时的面部运动以及驾驶行为的表现,改进算法的性能。实验证明,本文提出的方法能自适应复杂场景,实现疲劳驾驶行为的实时检测,并保证较高的准确性。