1.一种基于动量优化的BP神经网络的非接触式疲劳驾驶检测方法，其特征在于，包括以下步骤：S10，通过多普勒雷达模块采集驾驶员的生理信号；

S20，对生理信号分类；

S30，对生理信号进行滤波及CEEMD算法分解，得到心跳和呼吸两段包含完整时频域特征的信号；

S40，设计动量优化的BP神经网络模型对数据集进行训练，从而得到驾驶员疲劳状态检测的算法模型；

S50，通过驾驶员疲劳状态检测的算法模型对疲劳状态进行检测。

2.如权利要求1所述的一种基于动量优化的BP神经网络的非接触式疲劳驾驶检测方法，其特征在于，所述生理信号至少包括驾驶员的呼吸信号和心跳信号。

3.如权利要求1所述的一种基于动量优化的BP神经网络的非接触式疲劳驾驶检测方法，其特征在于，所述动量优化的BP神经网络根据误差反向传播算法迭代更新权重矩阵，利用梯度下降来最小化网络实际输出值与期望输出值之间的均方误差，从而得到驾驶员疲劳状态检测的算法模型。

4.如权利要求1所述的一种基于动量优化的BP神经网络的非接触式疲劳驾驶检测方法，其特征在于，所述设计动量优化的BP神经网络模型中，BP神经网络权值迭代方程为：其中，α为学习率，m为样本总量，β为动量系数，并且β∈(0，1)， 为前一次迭代的动量梯度值， 为权重误差累积值。

5.如权利要求1所述的一种基于动量优化的BP神经网络的非接触式疲劳驾驶检测方法，其特征在于，所述多普勒雷达模块采用微波多普勒雷达探测器探头传感器HB100模块。