目前,在频繁发生的交通事故中,驾驶疲劳已成为引发交通事故的重要因素之一。因此,如何有效地检测和预防驾驶疲劳,对于减少交通事故发生,有着十分重要的现实意义。在当前的疲劳驾驶检测技术领域,随着科技的不断进步,计算机视觉、图像处理和模式识别技术得到了进一步的发展和完善。基于驾驶员脸部特征的非接触式疲劳检测算法的研究和疲劳预警系统的开发已经成为了主流之一。本文在研究前人工作的基础上,认为夜间是驾驶员疲劳的多发阶段。因此,本文使用了特殊的红外光源拍摄驾驶员正面面部图象,并根据红外图象所具有的特点提出了一套有效的驾驶员疲劳检测方法,整个方法分为四个过程:人脸的检测,人脸的跟踪,人眼(瞳孔)的定位和驾驶员疲劳状态识别。本文具体的研究内容如下:第一章介绍了驾驶疲劳检测的应用背景以及国内外研究的现状。阐述了疲劳检测研究的意义,以及论文研究的内容。第二章提出了红外条件下基于Adaboost人脸检测方法。首先对当前的人脸检测算法进行分类比较,其次介绍了红外光谱及红外图像的特点。最后,通过AdaBoost目标检测算法对人脸进行定位,该方法检测效率高,效果好。第三章提出了改进的Mean-shift人脸跟踪算法。针对Mean-shift算法在被跟踪目标发生快速移动时容易跟踪失败的缺点,改进了Mean-shift算法。当目标发生快速移动时,采用SSD(Sum of Square Difference)算法进行全局搜索。以实际驾驶员人脸检测与跟踪实验为例进行了大量实验,实验结果表明,本文提出的跟踪方法比Mean-shift算法的速度快、准确度高。第四章提出了红外条件下的的人眼检测和虹膜定位方法。(1)基于约束条件的人眼检测:首先利用极小值区域进行眼睛的粗定位,然后使用自然约束条件对上述粗定位的眼睛进行筛选,最后对眼睛进行精确定位;(2)基于Harris的虹膜定位:首先通过二维最大熵阈值分割方法对眼睛进行阈值分割,然后通过Canny边缘检测的方法提取瞳孔的边缘,运用Hough变换方法获得瞳孔的位置,最后通过Harris角点检测的方法寻找普尔钦斑点继而确定虹膜的位置。第五章提出了红外条件下的驾驶员疲劳检测方法。在驾驶员眼睛精确定位以及虹膜(普尔钦斑点)精确定位的基础上,分别通过基于PERCLOS测量方法以及基于普尔钦光斑的驾驶员疲劳检测方法对驾驶员疲劳状态进行检测,最后根据驾驶员的眨眼频率及PERCLOS方法对驾驶员的疲劳程度做了一些判断。实验结果表明,效果较好。第六章总结与展望。对本文主要研究内容做了总结,同时也指出了实验中的不足及现存的一些问题。最后,对今后的研究做了展望。