随着世界经济的快速发展,汽车保有量与日俱增,由驾驶员疲劳驾驶造成的交通事故也越来越多,为了保障行驶安全和预防交通事故的发生,研究一种能有效检测驾驶员疲劳并及时给出报警的方法有着重要的现实意义。本文对国内外有关疲劳检测技术的现状进行了系统地分析与研究,特别研究和仿真实现了基于计算机视觉的驾驶员疲劳检测算法。该算法主要包括：人脸检测、眼睛定位、眼睛跟踪、眼睛特征提取与疲劳判断。本文在眼睛跟踪阶段对使用Harris角点检测算法得到的角点进行筛选获取内外眼角,并采用KLT跟踪算法进行跟踪。但在实际跟踪眼睛的过程中,无法满足KLT算法相邻帧间位移较小和特征窗口灰度一致性的前提,结果导致眼睛跟踪产生具有累积效应的微小飘移。针对该问题,对KLT算法进行了改进：根据在眼睛特征提取过程中得到的实际眼角对基本KLT算法得到的跟踪结果进行调整,从而消除KLT算法产生跟踪飘移。另外,在眼睛特征提取阶段,为了使眼睛特征提取更加简单客观,本文提出了基于眼睛三种状态的特征提取方法,该方法首先使用Canny边缘检测算法得到的人眼张合度,然后基于经验阈值离散人眼张合度从而确定眼睛的状态,最后根据连续的眼睛状态计算眼睛特征。当图像采集失败或者本文的算法无法从图像中提取到眼睛特征时,本文根据此时驾驶员的疲劳程度动态地确定如何处理该帧。本文在PC机上使用VS2008开发环境并基于OpenCV计算机视觉库仿真实现了该算法,并对不同光照条件、不同噪声密度和不同头部姿态下的鲁棒性和速度进行测试,测试结果表明：在正常的光照条件和噪声密度下,本文的驾驶员疲劳检测算法在各个阶段均能实时准确地反映驾驶员所处的状态。