1.一种疲劳驾驶检测方法，其特征在于，包括：

S1.通过车载摄像头对驾驶员进行面部识别，获取驾驶员的面部识别图像数据，判定面部识别图像的清晰程度值，并与预定义的清晰程度预置值进行比较，得到比较结果；

S2.基于比较结果，车载终端对面部识别图像进行分析，评估驾驶员面部识别图像在疲劳评估周期内的疲劳特征异常值；

S3.获取车辆内部在疲劳评估周期内的环境数据以及驾驶员在疲劳评估周期内的驾驶行为数据，以此匹配出环境影响因子以及驾驶行为影响因子，并结合驾驶员面部识别图像在疲劳评估周期内的疲劳特征异常值，由疲劳监测组件综合判定出驾驶员的驾驶疲劳状态，并对驾驶员的驾驶疲劳状态进行预警，以此完成对驾驶员的疲劳驾驶检测；

所述匹配出环境影响因子以及驾驶行为影响因子，具体匹配过程为：

所述车辆内部在疲劳评估周期内的环境数据，具体为车辆内部在各疲劳评估时间点下的二氧化碳含量；

所述驾驶员在疲劳评估周期内的驾驶行为数据，具体为驾驶员在各疲劳评估时间点下的方向盘转向角度；

将车辆内部在各疲劳评估时间点下的二氧化碳含量，与预定义的二氧化碳参照含量分别进行比较，若某疲劳评估时间点下的二氧化碳含量大于二氧化碳参照含量，则将该疲劳评估时间点记为二氧化碳含量超标点，以此统计二氧化碳含量超标点个数；

将二氧化碳含量超标点个数，与预定义的各二氧化碳含量超标点个数区间对应的环境影响因子进行匹配，以此得到环境影响因子；

将驾驶员在各疲劳评估时间点下的方向盘转向角度，与预定义的方向盘转向角度预设区间分别进行比较，若某疲劳评估时间点下的方向盘转向角度不属于方向盘转向角度预设区间，则将该疲劳评估时间点记为方向盘转向角度超标点，以此统计方向盘转向角度超标点个数；

将方向盘转向角度超标点个数，与预定义的各方向盘转向角度超标点个数区间对应的驾驶行为影响因子进行匹配，以此得到驾驶行为影响因子。

2.根据权利要求1所述一种疲劳驾驶检测方法，其特征在于：所述判定面部识别图像的清晰程度值，具体判定过程为：所述驾驶员的面部识别图像数据，具体包括眼部区域识别图像的特征识别点数量、眼部区域识别图像在各像素点的对比度以及眼部区域识别图像在各像素点的噪声值；

由此将眼部区域识别图像的特征识别点数量、眼部区域识别图像在各像素点的对比度以及眼部区域识别图像在各像素点的噪声值进行综合处理，判定面部识别图像的第一清晰程度值；

获取眼部识别图像各像素点的灰度值，进行标准差处理，得到眼部识别图像的灰度变化指标，并与预定义的灰度变化界定指标进行综合处理，得到面部识别图像的第二清晰程度值；

根据面部识别图像的第一清晰程度值以及面部识别图像的第二清晰程度值，综合判定面部识别图像的清晰程度值，判定方式如下：其中 式中， 为面部识别图像的清

晰程度值， 为面部识别图像的第一清晰程度值， 为面部识别图像的第二清晰程度值， 为检测信息库中预定义的第一清晰程度值对应的权重因子， 为检测信息库中预定义的第二清晰程度值对应的权重因子， 为眼部区域识别图像的特征识别点数量，为眼部区域识别图像在第y个像素点的对比度，y为各像素点的编号，，Y为像素点的总量， 为眼部区域识别图像在第y个像素点的噪声值，为眼部识别图像的灰度变化指标， 为灰度变化界定指标， 为检测信息库中预定义的单个特征识别点对应的影响因子， 为检测信息库中预定义的对比度单位数值对应的影响因子， 为检测信息库中预定义的噪声值单位数值对应的影响因子， 为检测信息库中预定义的灰度变化指标差值单位数值对应的影响因子，e为自然常数。

3.根据权利要求2所述一种疲劳驾驶检测方法，其特征在于：所述面部识别图像的清晰程度值，并与预定义的清晰程度预置值进行比较，得到比较结果，具体比较过程为：将面部识别图像的清晰程度值，与预定义的清晰程度预置值进行比较，得到比较结果，即第一清晰程度比较结果或第二清晰程度比较结果；

所述第一清晰程度比较结果为面部识别图像的清晰程度值大于清晰程度预置值；

所述第二清晰程度比较结果为面部识别图像的清晰程度值小于或等于清晰程度预置值。

4.根据权利要求3所述一种疲劳驾驶检测方法，其特征在于：所述基于比较结果，车载终端对面部识别图像进行分析，具体分析过程为：若比较结果显示为面部识别图像的清晰程度值大于清晰程度预置值，则车载终端直接对面部识别图像进行分析；

若比较结果显示为面部识别图像的清晰程度值小于或等于清晰程度预置值，则对面部识别图像进行清晰度优化，以此使得清晰度优化后的面部识别图像的清晰程度值大于清晰程度预置值，最终使车载终端对面部识别图像进行分析。

5.根据权利要求1所述一种疲劳驾驶检测方法，其特征在于：所述评估驾驶员面部识别图像在疲劳评估周期内的疲劳特征异常值，具体分析过程为：通过车载终端对面部识别图像进行分析，获取车载终端在疲劳评估周期内对面部识别图像进行分析的数据，具体包括驾驶员在疲劳评估周期内的眨眼次数以及驾驶员在疲劳评估周期内的头部倾斜最大角度值；

将驾驶员在疲劳评估周期内的眨眼次数，与疲劳评估周期对应的时长进行比值处理，得到驾驶员在疲劳评估周期内的眨眼频率；

根据驾驶员在疲劳评估周期内的眨眼频率、驾驶员在疲劳评估周期内的头部倾斜最大角度以及眼部区域识别图像的特征识别点数量，综合分析得到并记为驾驶员面部识别图像在疲劳评估周期内的疲劳特征异常值。

6.根据权利要求1所述一种疲劳驾驶检测方法，其特征在于：所述判定出驾驶员的驾驶疲劳状态，具体判定过程为：同步将驾驶员面部识别图像在疲劳评估周期内的疲劳特征异常值与预定义的疲劳特征异常预置值进行比较、将环境影响因子与预定义的环境影响因子参照值进行比较以及将驾驶行为影响因子与预定义的驾驶行为影响因子参照值进行比较，得到驾驶疲劳状态比较结果；

若驾驶疲劳状态比较结果显示为驾驶员面部识别图像在疲劳评估周期内的疲劳特征异常值小于或等于疲劳特征异常预置值、环境影响因子大于或等于环境影响因子参照值以及驾驶行为影响因子大于或等于驾驶行为影响因子参照值，则判定驾驶员的驾驶疲劳状态为第一疲劳驾驶状态；

若驾驶疲劳状态比较结果显示为驾驶员面部识别图像在疲劳评估周期内的疲劳特征异常值小于或等于疲劳特征符合预置值、环境影响因子大于或等于环境影响因子参照值以及驾驶行为影响因子小于驾驶行为影响因子参照值，则判定驾驶员的驾驶疲劳状态为第二疲劳驾驶状态；

若驾驶疲劳状态比较结果显示为驾驶员面部识别图像在疲劳评估周期内的疲劳特征异常值小于或等于疲劳特征符合预置值、环境影响因子小于环境影响因子参照值以及驾驶行为影响因子大于或等于驾驶行为影响因子参照值，则判定驾驶员的驾驶疲劳状态为第三疲劳驾驶状态。

7.根据权利要求6所述一种疲劳驾驶检测方法，其特征在于：所述对驾驶员的驾驶疲劳状态进行预警，具体预警过程为：根据驾驶员的驾驶疲劳状态进行预警，所述进行预警具体为匹配出自动干预策略或者预警提示策略；

若驾驶员的驾驶疲劳状态为第一疲劳驾驶状态，则匹配出自动干预策略；

若驾驶员的驾驶疲劳状态为第二疲劳驾驶状态或者第三疲劳驾驶状态，则匹配出预警提示策略。

8.根据权利要求7所述一种疲劳驾驶检测方法，其特征在于：所述自动干预策略或者预警提示策略，具体为：所述自动干预策略可以是由疲劳监测组件自动对车辆进行减速、靠边停车以及停车提示灯闪烁的操作；

所述预警提示策略可以是由疲劳监测组件对驾驶员进行开窗通风提示操作或者对驾驶员进行路径偏移提示操作。

9.一种应用如权利要求1‑8中任意一项所述一种疲劳驾驶检测方法的装置，其特征在于：包括：车载摄像头、车载终端以及疲劳监测组件；

所述车载摄像头，用于对驾驶员进行面部识别；

所述车载终端，用于对面部识别图像、车辆内部在疲劳评估周期内的环境数据以及驾驶员在疲劳评估周期内的驾驶行为数据进行分析，得到驾驶员面部识别图像在疲劳评估周期内的疲劳特征异常值、环境影响因子以及驾驶行为影响因子；

所述疲劳监测组件，用于通过无线通信技术与车载终端相连接，接收车载终端中的驾驶员面部识别图像在疲劳评估周期内的疲劳特征异常值、环境影响因子以及驾驶行为影响因子，并对驾驶员的驾驶疲劳状态进行预警。