1.一种驾驶员疲劳检测模型构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的驾驶员疲劳检测模型构建方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的驾驶员疲劳检测模型构建方法，其特征在于，所述根据疲劳状态值判定驾驶员是否处于疲劳状态，具体包括：
4.根据权利要求1所述的驾驶员疲劳检测模型构建方法，其特征在于，所述特征信息具体包括通过预先训练的卷积神经网络提取的面部特征、眼睛动作和头部特征，以及通过面部识别算法提取的眼睛闭合程度；
5.根据权利要求1所述的驾驶员疲劳检测模型构建方法，其特征在于，所述将采集的特征信息输入到包含生成器和判别器的生成对抗网络中进行训练，根据所述生成器生成样本被所述判别器识别的准确率的变化趋势，调整所述生成器生成的对抗样本的强度，具体包括：
6.根据权利要求1所述的驾驶员疲劳检测模型构建方法，其特征在于，所述生成对抗网络的生成器的损失函数为：lg＝-log(d(g(z)))；
7.根据权利要求5所述的驾驶员疲劳检测模型构建方法，其特征在于，所述生成器使用反向传播方法和梯度下降算法，以当前参数和训练样本x为输入，生成对样样本
8.一种驾驶员疲劳检测模型构建装置，其特征在于，所述装置包括：
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的驾驶员疲劳检测模型构建方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的驾驶员疲劳检测模型构建方法。