在汽车驾驶中，疲劳驾驶是导致交通事故发生的重要因素之一，已经成为当前社会不可忽视的一个重大问题，因此，研究驾驶员在行车过程中的疲劳状态识别方法对预防交通事故的发生有着重大意义。本文通过研习现阶段国内外的疲劳状态识别现状及发展趋势，深入研究了基于计算机视觉的非接触式疲劳状态识别方法，以驾驶员的疲劳人脸作为研究对象，研究探讨疲劳状态识别中的关键技术，包括疲劳人脸检测、疲劳显著变形区域定位、疲劳特征提取和疲劳状态分类。　　本文的主要工作有：　　1、针对实际驾驶环境的复杂性，首先对采集到的图像进行预处理工作，包括自适应的光照补偿和中值滤波去噪处理；考虑到驾驶员驾驶位置的特殊性，采用稳定的肤色信息对图像中的人脸进行检测，在此基础上采用可变形模型进行显著变形部位定位，并加入后验概率避免模型对初始位置的依赖，最后结合“三庭五眼”对显著变形区域作进一步的定位。　　2、在疲劳状态识别系统中，疲劳特征提取的准确与否直接影响着疲劳状态的识别结果，考虑到驾驶员疲劳时面部疲劳特征主要集中在局部的几个变形区域内，本文主要采用基于金字塔结构下形状特征PHOG算子和纹理特征SVTP相融合的方式进行疲劳显著变形区域的特征提取，不仅可以提取到比单一特征更有效的疲劳特征，同时也为后续识别过程奠定了良好的基础。　　3、针对现有疲劳状态识别算法存在识别效率低下、计算量大等问题，本文提出一种基于稀疏形变模型的疲劳状态分类方法，首先将稀疏表示的思想引入到形变模型中，采用在线字典学习算法对训练样本整体求取过完备基函数矩阵进行疲劳人脸的稀疏形变模型建立，并利用其组合系数的稀疏性进行疲劳状态分类识别，最后考虑到疲劳状态具有一定的转移规律，加入时间窗进行优化识别工作。通过对不同时间阶段的实验结果分析可知，本文方法可以有效提高疲劳状态的鲁棒性和准确率，在实际驾驶环境中能够取得良好的识别效果。