驾驶员在行车过程中处于疲劳状态可能会导致严重的交通事故,驾驶员疲劳检测技术的目的是预防驾驶员的疲劳状态,避免交通事故的发生。驾驶员疲劳检测方法要求能实时的捕捉驾驶人的行为状态,准确对疲劳状态进行判定,并且还要不能影响驾驶人员的正常驾驶。目前还没有一种有效的检测方法,因此,对于驾驶员疲劳检测技术的研究有非常广阔的前景。本课题以驾驶员行为特征为依据,利用计算机视觉和模式识别的知识,对驾驶员面部的行为进行提取和分析,以眼睛的状态判断驾驶员是否疲劳,并给出疲劳预警。本文采取了一种先定位驾驶人脸部区域,再进行眼部区域特征提取的方法。在驾驶人脸定位中对模板匹配、支持向量机、Haar特征三种人脸检测的方法进行了比较,选用了效果比较好的基于Haar特征并结合Adaboost级联分类器的算法,此方法在人脸检测中具有良好的准确性和鲁棒性,能较准确的定位人脸和人眼,并利用开源计算机视觉库OpenCV完成了人脸以及人眼的定位。但是,该算法在实时性上有所欠缺,对于每一帧的视频序列其检测耗时有100ms以上,对于每秒20帧以上视频序列做不到实时检测。基于上述原因,本文提出了一种在视频采集过程中对目标进行跟踪的办法,当我们使用Camshift跟踪算法进行人眼跟踪时发现其比较依赖于肤色,对人眼的跟踪并不准确,并且跟踪区域会随着目标的远近状态而变化,本文使用了一种快速模板匹配的跟踪方法,在定位人眼后,提取人眼的图像作为跟踪的模板,再通过建立原图像与模板图像的图像金字塔,对源图像和模板图像分别进行高斯金字塔分解的向下采样,将模板搜索区域由整幅图像缩小到某一指定区域,减少了匹配的计算量,提高了实时性。然后,对人眼的图像的二值化处理,统计睁闭眼黑色像素点的数量,进行睁闭眼判定。最后,提取出一段时间内的闭眼帧数的百分比和连续闭眼的帧数信息来判断是否为疲劳状态并发出预警。我们通过对数字摄像头采集的视频序列,设计疲劳检测界面,动态调节人眼二值化阈值,在PC上模拟的整个疲劳检测过程。实验结果表明该方法,在光照均匀,背景不是很复杂的情况下,能较好的检测疲劳状态。