在交通事故中,因驾驶员的疲劳引发的车祸占有相当大的比例。因此,驾驶员疲劳的检测日益受到人们的关注。目前为止,虽然对疲劳检测方法已进行了许多研究,但仍然有2个问题需要解决,第一是由于驾驶员的所处的特定环境会受光线干扰方面严重的制约,第二是用单一的指标很难判定疲劳问题,而需要一个综合指标来评价。因此,对驾驶员疲劳的检测问题目前尚没有真正解决,离实际真正应用还有距离。驾驶员疲劳最大的变化是眼睛的异常开闭,但同时在脸部也会发生变化,因此有效的检测驾驶员疲劳,关键是如何提高驾驶员在不同的背景下人脸和眼睛的识别与检测效率,并根据它们的变化规律检测疲劳状态。本文的主要工作与成果如下:1.本文对驾驶员疲劳检测进行了文献综述,提出了眼睛检测为主,脸部变化为辅的驾驶员疲劳检测的实现框架。2.针对彩色图像,提出了一种基于YCbCr色彩空间的“分级别光照补偿+自适应阈值选取”的肤色分割方法。采用了一种自适应的光照补偿方法,根据光照的不同级别,进行光照补偿。然后建立肤色模型,生成肤色相似度图像,进而使用自适应阈值的方法对肤色区域进行分割。实验结果表明,该肤色分割方法能有效克服使用固定阈值进行分割的缺陷。3.针对灰度图像,采用基于几何特征和级联增强分类器法,即“Haar特征值+AdaBoost”分类器的方法,对驾驶员的人脸进行检测,并在AdaBoost对弱分类器的选取方面提出了一种AdaBoost快速训练的方法,对更新分类器权重算法做了改进,解决了基于AdaBoost的人脸检测算法中训练非常耗时的问题。4.在对眼睛的定位及判断状态问题上,本文提出了一种基于“无迹”卡尔曼滤波(Unscented Kalman filter)的方法对驾驶员人眼进行跟踪。运用了几何特征和投影方法来定位人眼,从而驾驶员疲劳可以根据眼睛连续闭合超过5帧来判定。实验结果表明,此眼睛检测跟踪方法可以在不同的环境下取得较好的效果。5.加入了嘴巴打哈欠状态来综合判定驾驶员的疲劳状态,利用嘴巴的宽高比及打哈欠的持续时间来判断驾驶员是否处在疲劳状态。本文所用图片主要来自于自行拍摄和人脸数据库,利用MATLAB 7.0和VC++ 6.0对人脸、人眼及嘴巴的定位和状态进行了相应的仿真实验,实验的结果证明了疲劳检测方法的可行性。