疲劳驾驶是导致交通事故的重要原因之一,对驾驶员的疲劳状态进行检测并报警可以有效地降低交通事故发生的可能性。目前的许多研究是通过检测驾驶员的生理特征、头部位移、身体动作特征来判断驾驶员的疲劳状况。基于机器视觉的疲劳驾驶检测系统采用PERCLOS算法对驾驶员的疲劳状态进行检测,可以有效地检测到驾驶员的疲劳状态并给出预警信息。本文的核心是图像处理算法,包括一系列的图像处理步骤,每一个步骤的对比和选择都要考虑算法的时间复杂度以满足实时处理的要求。首先,针对车内图像易受噪声干扰的特点,对图像进行中值滤波,消除噪声的影响。然后,针对车内图像光照状况不稳定的特点,对图像进行直方图均衡化处理,避免了出现整幅图像偏亮或偏暗的情况。在人眼定位前先定位人脸,以缩小人眼定位的搜索范围,提高了检测效率。通过肤色分割实现人脸粗定位后,消除非人脸区域,得到较为准确的人脸位置及大小。在兼顾实时性与准确性的前提下,用Adaboost算法定位人眼,以灰度投影算法实现人眼状态的检测,将得到的结果作为PERCLOS计算的参数。之后,通过计算一定时间(本文取为10s)内的PERCLOS值,与标准的阈值作对比,从而判断驾驶员是否处于疲劳状态。本文设计了相应的硬件系统,通过CMOS摄像头采集驾驶员的图像信息并通过AVR单片机将其传送到车载PC进行处理。通过对不同的驾驶视频进行测试,所设计的系统可以实现对驾驶员眼睛的定位以及眼睛状态分析,实验结果表明,疲劳时测得的PERCLOS值超过阈值,而清醒时测得的PERCLOS值低于阈值,从而实现了对驾驶员疲劳状况的判断。