随着生活节奏的加快和娱乐性活动的增多,人们每天用于休息的时间越来越短,从而很难能够以较充足的精力投入到每天的工作和学习中,这不但直接影响自己的工作能力而且在特殊的行业很有可能造成极大的经济损失和人员伤亡。特别是在航空航天、长途运输、大型服务器监管等行业,一旦操作员在精神疲劳状态下工作,将会使整个系统处于极其危险的境地。而目前,精神疲劳的检测设备往往都存在很多缺点,难以应用于这些场合,因此,急需一种新型的疲劳状态检测系统。本文提出了一种基于机器视觉的多信息融合的疲劳状态检测系统,首先,提出一种基于机器视觉的心率检测方法,并针对该检测系统中存在的CMOS摄像头引起的相位误差和图像采集系统引起的时钟抖动误差,提出了基于幅频叠加算法的相位误差消除方法和基于时间表的三次样条插值方法消除采集系统延时引起的随机误差,从而提高了该检测系统的测量精度。其次,将这种心率检测算法通过插值重构后做心率变异性分析,并结合实验发现基于机器视觉的心率变异性分析中的时域均值和频域高频分量与人的疲劳状态具有一定的相关性,因此可以采用时域均值和频域高频分量作为疲劳状态研究的特征量。最后,将这种心率变异性分析的疲劳状态检测方法和P80疲劳判定标准相结合,并通过实验验证了融合后的系统能够判断出受试者不同的疲劳状态和深度疲劳状态,同时也提出了融合模型,可以根据不同的应用场景设置不同的疲劳检测深度,从而达到对疲劳状态预警的作用。因此,这种基于一个摄像头的多信息融合的疲劳状态检测方法可以用于不同深度的疲劳检测和预警,并且具有操作简单、成本低廉、无侵入性等优点,具有极大的应用价值。