21世纪以来,随着计算机性能的不断提高和完善,信息处理技术、数字图像处理技术、人工智能、计算机视觉、模式识别等都取得了快速的发展,人脸检测及人眼检测是其中研究的重要方向之一。人脸检测及人眼检测技术的不断发展,在很大程度上促进了人脸识别领域、无人驾驶领域、视线追踪领域、医疗教育领域等相关领域的技术的发展。本文实现的人眼检测及分割是在人脸检测的基础之上进行的,而且人眼状态的识别是在人眼检测和分割的基础之上进行的。本文实现了基于BP神经网络的人眼状态识别,对传统的人脸检测及人眼检测方法进行了改进,深入研究了人脸检测、人眼检测以及人眼状态识别的相关理论和问题。本文完成的主要工作内容如下。首先实现了人脸的检测及分割。考虑到传统肤色模型对肤色分割时存在的亮度阈值等问题,本文采用了一种自适应亮度阈值的椭圆肤色模型方法,实现对人脸区域的分割。该方法首先将人脸图像转化到YCbCr空间下,然后利用改进后的椭圆肤色模型实现肤色分割,最后利用形态学运算以及基于连通区域标记法的面积滤波法消除背景中的伪肤色区域。其次,实现了人眼中心定位及人眼区域分割,考虑到灰度积分投影曲线的波峰和波谷容易受到噪声的影响,对于人眼区域的检测不够准确的问题,本文采用了水平灰度投影和径向对称变换(Radial Symmetry Transform)相结合的方法,实现了眼睛定位及分割。实验证明方法的准确率提高了很多。最后实现了人眼开闭状态的识别,相对于几何特征和模板匹配的人眼状态识别,基于神经网络的人眼状态识别具有更高的准确率。本文采用了BP神经网络构造分类器来实现人眼开闭状态的识别。实验结果证明,该方法具有比较好的识别率。