1.一种疲劳驾驶检测方法，包括：
接收采集的驾驶员的正面图像；
在采集的图像中进行人脸检测；
在检测到的人脸中进一步定位人眼；
其特征在于，所述方法还包括：
基于深度神经网络模型，对检测到的人眼进行定位，识别人眼的状态；以及
跟踪多帧图像中人眼的状态的变化，判断驾驶员是否疲劳；
所述基于深度神经网络模型，对检测到的人眼进行定位包括：
将人脸图像输入人脸特征点回归卷积神经网络模型，回归预测在一个降采样的低分辨率图像中人眼的边界位置；以及
从所述降采样的低分辨率图像中裁剪出作为另一降采样的低分辨率图像的双眼区域图像，输入眼睛区域分割深度神经网络模型，预测在所述另一降采样的低分辨率图像上属于人眼区域的概率图，分割出人眼区域所包含的图像像素，并据此判断人眼的张合状态。
2.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述人眼的状态的变化包括人眼张合大小的变化。
3.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述人眼的状态的变化包括人眼张合频次的变化。
4.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述疲劳驾驶检测方法还包括在检测到的人脸中进一步定位鼻子，并且基于深度神经网络模型，对检测到的鼻子进行定位。
5.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述疲劳驾驶检测方法还包括利用单目红外摄像头进行图像采集。
6.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述疲劳驾驶检测方法还包括从所述降采样的低分辨率图像中定位嘴部区域，裁剪出嘴部区域图像，输入嘴区域分割深度神经网络模型，分类判断嘴部张开闭合状态。
7.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述疲劳驾驶检测方法还包括根据检测的疲劳的不同状况，作出不同等级的预警提示。
8.一种驾驶员疲劳驾驶检测装置，包括人脸检测装置、人眼定位装置、以及疲劳判断装置，所述人脸检测装置用于在接收的驾驶员活动图像中检测驾驶员的面部，所述人眼定位装置，用于在所述面部中，定位驾驶员的眼睛，从而确定驾驶员眼睛的状态，所述疲劳判断装置，用于根据所述驾驶员眼睛的状态，判断所述驾驶员是否疲劳；其特征在于，
所述人眼定位装置基于深度神经网络模型，对检测到的人眼进行定位，识别人眼的状态；
所述疲劳判断装置跟踪多帧图像中人眼的状态的变化，判断驾驶员是否疲劳；
所述人眼定位装置包括人眼粗略定位装置，所述人眼粗略定位装置用于将人脸图像输入人脸特征点回归卷积神经网络模型，回归预测在一个降采样的低分辨率图像中人眼的边界位置，进而识别人眼的状态；
所述人眼定位装置进一步包括人眼精确定位装置，所述人眼精确定位装置用于从降采样的低分辨率图像中裁剪出作为另一降采样的低分辨率图像的双眼区域图像，输入眼睛区域分割深度神经网络模型，预测在所述另一降采样的低分辨率图像上属于人眼区域的概率图，分割出人眼区域所包含的图像像素，并据此判断人眼的张合状态。
9.根据权利要求8所述的驾驶员疲劳驾驶检测装置，其特征在于，所述驾驶员疲劳驾驶检测装置还包括嘴部精确定位装置，所述嘴部精确定位装置用于从降采样的低分辨率图像中定位嘴部区域，裁剪出嘴部区域图像，输入嘴区域分割深度神经网络模型，分类判断嘴部张开闭合状态。
10.根据权利要求8所述的驾驶员疲劳驾驶检测装置，其特征在于，所述驾驶员疲劳驾驶检测装置进一步包括疲劳驾驶报警装置，所述疲劳驾驶报警装置用于根据驾驶员疲劳驾驶检测装置判断的疲劳驾驶程度向驾驶员发出报警信息。
11.根据权利要求8所述的驾驶员疲劳驾驶检测装置，其特征在于，所述驾驶员疲劳驾驶检测装置进一步包括图像采集装置，所述图像采集装置用于采集驾驶员的正面图像。