人眼的状态检测和定位是人脸图像分析中最重要，也是最基本的问题之一，它不仅可以提高人脸识别的速度和检测的准确性，而且能够提高人脸识别算法的实时性。在脸部器官定位方面，由于人脸各器官的几何关系，只要人眼被精确定位，人脸其它部件的特征点就可以通过潜在的相关系数进行定位。人眼特征点的定位还可以使人脸较好地归一化，预处理的效果也更加明显。针对眼睛状态的检测国内外已经提出了不少方法，但大部分方法都存在检测的准确度低或实时性差等不足。本文以经典的可形变模型--主动形状模型(ASM)力基础，进行了人眼状态检测的研究并将其应用于疲劳驾驶检测系统中。　　 本论文主要工作如下：　　 1．重点讨论了主动形状模型的算法思想。　　 首先介绍了点分布模型，并在特征点标定、样本集对齐、形状建模几个方面进行了讨论。在形状建模中，用PCA方法对IMM人脸库进行了人脸模型的构建，并给出了相关的人脸模型。然后详尽地描述了主动形状模型的整个搜索过程，对其主要步骤：模型的初始定位、寻找最佳匹配位置、计算模型参数、更新模型参数给出了详细的算法。并在人眼库的实验环境中进行了实验研究并给出了人眼的部分搜索实例图来验证ASM的搜索效果。　　 2．为了提高主动形状模型的性能，提出了一种改进的ASM算法。　　 本文在介绍和讨论传统ASM方法与不足的基础上，提出了一种改进的ASM匹配算法。改进算法采用以轮廓点为中心的近似圆盘区域的二维灰度信息代替原算法的一维法线灰度信息进行目标轮廓匹配。通过对比实验和结果分析，证明本文改进ASM方法与传统ASM方法相比，目标轮廓的定位精度有了显著的提高。　　 3．将改进的ASM算法应用于疲劳驾驶检测系统。　　 在驾驶员疲劳的研究中经常需要对眼睛进行精确定位和状态识别，以获得有价值的信息。本论文采用改进的ASM算法对驾驶员的眼睛进行状态识别，首先，用Adaboost算法粗略定位眼睛，接着采用以轮廊点为中心的近似圆盘区域的二维灰度信息进行眼睛状态轮廓的精确匹配，最后结合PERCLOS测评原理P80对一段疲劳驾驶视频进行检测分析，判断驾驶员的疲劳程度。通过视觉的检测方法从而有效的减少那些触目惊心的交通事故。