随着人类生活水平的提高,机动车使用量逐年增加,伴随而来的是各类交通事故的发生,安全驾驶已成为社会关注的问题之一,其中,因疲劳驾驶而导致的交通事故占很大比例,因此,研究出一套使用方便、实时高效、检测准确的疲劳驾驶识别算法成为减少事故的重点。在所有的外在特征中,人眼状态是最能够反应疲劳状态的,所以本文通过对人眼状态的检测来实现疲劳驾驶的判定。本文对疲劳驾驶识别的研究做了以下四部分工作:1)图像预处理,首先对图像进行自动白平衡处理,使得图像色彩跟物体真实的色彩保持一致,便于计算机识别;再通过基于拉普拉斯算子的图像增强,使得物体的轮廓更加明显,人脸更便于识别。2)人脸检测,在前人研究较成熟的基于Gentle-Adaboost算法的人脸检测基础上进行改进,Gentle-Adaboost算法与haar特征识别相结合,以保证识别率,然后引入均值哈希算法的概念,将人脸信息转换为哈希指纹信息,用哈希指纹信息的对比代替人脸检测,再利用缓存数据库来存储相似图片的哈希指纹,这样不仅能够得到脸部的精确定位而且平均识别时间也减少了原检测时间的80%。3)人眼识别,分为人眼定位和人眼状态识别,该部分提出一种基于寻找最小阈值的改进方案来确定人眼状态,使用模板匹配的方法寻找疲劳状态时的人眼位置,进而缩短人眼识别时间。4)疲劳判定,采用PERCLOS疲劳判定准则。根据此准则判断驾驶员是否处于疲劳状态,如果是,及时对疲劳状态进行预警,减少行车事故。通过多次实验证明,改进后的疲劳检测平均用时33.29ms,同部分文献中的改进算法相比,用时最少。实验证明,改进后的算法能够高效检测出驾驶员的疲劳状态,平均识别时间大幅度减少,达到了预期实验目标。