随着计算机科学在人机交互领域的飞速发展,基于机器视觉处理方面的应用也越来越广泛。针对日益增多的交通事故,对于如何有效的防止各种事故的发生,许多专家学者都在进入广泛而深入的研究。而使用非接触式的疲劳检测的研究方法,可以通过模式识别、机器学习、图像处理等多个领域的知识,研究这一课题对于检验和发展这些领域的理论具有十分重要的意义。　　 在众多的疲劳检测技术研究中,最有效的方法是根据眼睛的生理学表现形式来判断疲劳状态,因而对眼睛的检测与跟踪就成了研究疲劳的关键。本文采用一种非接触式的监督方法来检测驾驶员眼睛的状态,通过分析眼睛的状态情况来判断驾驶员疲劳状态,当疲劳时给以报警信号。利用机器学习的方法首先抽取出人脸区域,然后再抽取出眼睛位置,在此基础上分析眼睛的状态,进而分析驾驶员是否处于疲劳的情况。本文的工作如下:　　 首先对采集到的视频图像进行预处理,以减少冗余信息,增强所需要的信息。然后分析比较了目前人脸检测的几种方法,实现了基于肤色的人脸检测方法和基于AdaBoost的人脸检测算法,并比较两者的检测准确率。在系统的综合实验中,选取了后者作为本实验的人脸检测算法。在快速准确定位出人脸区域后,对眼睛精确定位的范围只缩小到了人脸的区域,再通过分析比较各种眼睛精确定位的算法,并实现了相关的算法。　　 本文使用等亮度线的方法处理眼睛区域,增强眼球亮度,减少眼角暗角信息。在精确定位眼睛后,使用数学形态学的方法处理眼睛,并对处理结果进行分析,判断其是否为闭眼情况。最后统计眼睛闭合的时间长度,如果超出指定的时间长度阀值,则给出疲劳警告。针对本文提出的方法进行模仿疲劳检测的实验,结果证明该方法可以实时的监控眼睛的状态,进而给出是否疲劳的判断。