2023年第3期计算机与数字工程收稿日期：2022年8月1日，修回日期：2022年9月12日基金项目：山西省应用基础研究项目（编号：201801D221179）；太原科技大学校博士科研启动基金项目（编号：20162036）资助。作者简介：陈立潮，男，教授，研究方向：大数据与智能软件、区块链。王冠男，男，硕士研究生，研究方向：智能图像识别。∗1引言交通事故是现今世界上每个国家都非常重视的社会危害，已经被全球各个国家一致认为是目前全球范围内对人类生命安全造成最大伤害的隐患。每年有超过60万人在交通事故中失去生命。根据欧洲和美国在交通事故中的伤亡人数统计表明，大约八到九成的交通事故是因为人为因素造成的［1］。依照美国国家安全局的数据显示，随着社会的发展和人均车辆数目的增加，美国每年都会因为司机疲劳驾驶而造成十多万起以上的交通事故，其中死亡人数超过两万人［2］。在欧洲因为这种因疲劳驾驶而导致的交通事故也具有高死亡率。比如在德意志联邦共和国境内，高速公路上因为疲劳驾驶而造成的驾驶员或者乘客伤亡的交通事故超过四分之一［3］。新世纪以来，我国交通事业飞速发展，交通产业高速发展的背后也隐藏着巨大的危险。每年我国因为交通事故都会造成巨大的人员伤亡和经济损失。其中超过一半的交通事故是因为驾驶员疲劳操作引起的，经济损失高达百万美元基于面部多特征的驾驶员疲劳状态检测∗陈立潮王冠男（太原科技大学计算机科学与技术学院太原030024）摘要鉴于传统的疲劳检测模型通过驾驶员单一疲劳特征检测具有局限性的问题，提出了一种新的驾驶员疲劳检测模型。首先使用改进的AdaBoost算法进行人脸检测，解决复杂光源和背景的影响，提高人脸检测效率。然后用LBF算法进行人眼检测，用三庭五眼法进行嘴部检测，通过人眼高宽比和像素比检测人眼闭合程度，通过嘴部高宽比和圆形度检测嘴部打哈欠状态，再综合眼部疲劳特征计算闭眼时间，利用打哈欠频率计算嘴部疲劳。最后综合上述疲劳特征检测驾驶员疲劳状态。实验表明该方法可有效检测驾驶员疲劳状态，满足疲劳检测系统对实时性、鲁棒性的要求。关键词疲劳驾驶；人脸检测；局部约束模型；Adaboost中图分类号U471.3DOI：10.3969/j.issn.1672-9722.2023.03.034DriverFatigueStateDetectionBasedonFacialMulti-featuresCHENLichaoWANGGuannan（CollegeofComputerScienceandTechnology，TaiyuanUniversityofScienceandTechnology，Taiyuan030024）AbstractInviewofthelimitationofthetraditio...
