近年来,交通事故频发,疲劳驾驶作为交通事故产生的重要原因之一,造成了巨大的人员伤害和经济损失。但是人们往往对醉酒驾驶的关注程度较高,而常常忽略了疲劳驾驶带来的严重后果。因此,如何采用有效的方法去减少疲劳驾驶带来的交通事故具有重要的现实意义。本文在分析国内外疲劳检测研究现状的基础上,为进一步提高疲劳检测的准确率,设计了基于眼睛与头部状态(左偏、右偏、抬头和点头)的疲劳检测系统。实现了对驾驶员在行车过程中的驾驶状态进行实时监测,并综合评判驾驶员疲劳状况,及时有效的报警提醒。本文主要研究内容如下:(1)考虑到驾驶过程中光照和噪声的影响,论文采用中值滤波去噪、直方图均衡化进行光照补偿,通过图像预处理,保障后续人脸检测准确性。分析常用的Adaboost人脸检测与Seetaface检测方法,对两种方法分别进行速度、准确率等方面的对比分析,最终论文选择效果好、速度快的Seetaface检测算法进行人脸检测。(2)在人脸检测的基础上,进行人脸跟踪与优化,提高检测速度。根据几何特征进行特征点粗定位,使用人脸对齐模块进行面部特征点的精确定位,包括双眼、鼻尖和两个嘴角。对于提取的人眼特征,进行图像自适应二值化和形态学运算,计算人眼区域黑色像素点的百分比,结合PERCLOS准则,判断眼睛的睁闭状态。在检测到眼睛状态变化的基础上,同时检测头部姿态的变化,从而判断驾驶员的疲劳程度,进行报警提醒。(3)通过摄像头采集视频,在PC上进行算法设计和优化的实验验证。并在ARM平台搭建了嵌入式操作系统,移植Qt和OpenCV库,实现终端疲劳检测,对实验结果进行分析,实验表明系统达到了预期设计目标。