随着便携式生理信号采集设备、信号处理算法以及机器学习算法的发展,脑电信号和眼电信号已被成功地应用于疲劳驾驶检测。本文提出一种融合部分脑区脑电信号和前额眼电信号来进行疲劳驾驶检测的方法。我们设计并进行了疲劳驾驶的模拟实验,同时采集被试的脑电、眼电和眼动数据。本文对信号融合时不同脑区脑电信号的效果进行了研究,确定了疲劳驾驶检测时,信号融合的关键脑区。实验结果表明,颞叶区的六导脑电信号和前额眼电信号结合,能够最有效地学习出多模态的共享特征表达。进一步,本文提出了一种基于深度自编码器模型的多模态信息融合策略来学习多模态特征。我们针对22名不同被试,使用多模态算法模型和单模态的算法进行疲劳驾驶检测。本文提出的算法取得了良好的检测结果,预测疲劳状态与实际疲劳状态的相关系数为0.85,均方根差为0.09。实验结果表明,利用本文提出的多模态特征融合算法对脑电和眼电信号进行融合,能够学习到有效的多模态共享特征,并提升疲劳驾驶检测效果。