随着科学技术的发展与生活水平的提高,人们对汽车主动安全的要求越来越高,各地交通事故报告分析结果表明,交通事故频发的原因多数是由于驾驶员的注意力不集中。本文的相关研究是在智能驾驶辅助系统(ADAS)受到广泛关注的大背景下。本文结合实际的工程项目,开展与智能辅助驾驶相关的驾驶员注意力检测的研究。本文基于单目视觉的解决方案,主要分析驾驶员注意力与驾驶员疲劳及驾驶员视线方向间的相关性。通过分别对驾驶员疲劳状态,驾驶员视线方向进行研究,综合判断驾驶员当前的注意力状态。本文基于单目视觉的驾驶员注意力检测研究,主要的应用场景为乘用车行驶场景,研究的主要目的为商业用途。因此在业界内没有任何的机构及个人公开相关的研究数据及相关算法。本文为了解决这一难题,组织人员在模拟场景下采集了驾驶员的面部数据,并结合本文中提出与实现的分类标注软件,对原始数据进行标注,最终形成了本文研究的基础数据集。本文中基于单目视觉提出了一种特征融合的疲劳检测方法,该方法通过分析驾驶员面部各器官的角度特征与高宽比特征,验证了这些特征与疲劳的相关性,并采用多特征融合的方式达到更高的检测精度和稳定的检测效果。本文的实验部分验证了这一方法的有效性。其次,本文基于单目视觉提出了融合多因素的驾驶员视线方向估计判别方法,该方法通过分析驾驶员头部姿态与驾驶员瞳孔朝向来估算驾驶员视线方向;该方法通过对能引起驾驶员注意力不集中的驾驶员视线行为进行归纳总结,并得出了两个由驾驶员视线行为来判断驾驶员注意力状态的准则。本文实验部分验证了本文提出的两个基本准则的有效性,实验还表明基于本文提出的准则能够更准确的判断当前驾驶员的注意力状态。最后,本文基于单目视觉的解决方案,并结合以上算法研究,完成了驾驶员注意力检测原型系统的实现。本文中详细介绍了原型系统各个模块的工作流程,并结合实验分析了各个模块的检测精度。