随着经济的飞速发展，各国的机动车保有量迅速增加，交通安全问题日益突出。在交通安全问题中，驾驶员、车辆、道路环境三个方面的影响程度是不同的，驾驶员的因素在交通安全中占最主要的地位，其中疲劳驾驶是导致交通事故的主要成因。疲劳驾驶检测技术是安全关键测控技术中的一个重要研究方向，在视频中通过检测与分析人眼特征来进行疲劳驾驶检测的研究，具有十分重要的意义。本文在实验室已有工作的基础上，研究了一种基于视频分析能在各种光照条件下自适应监测驾驶员疲劳状态的方法。主要做了以下工作：采用了在非线性分段色彩变换空间中基于肤色模型的人脸检测技术；并且研究了卡尔曼滤波跟踪方法，提高了人脸检测的速度。研究了彩色空间中肤色模型的聚类特性及该特性易受光照强度变化影响的性质，在此基础上设计了一种自适应的光照强度判断方法。采用最小二乘法拟合曲面的方法对采集到的图像进行光照校正，以解决强光恶劣光照条件下如何进行检测的问题。系统进而根据弱、中、强三种光照情况，自适应地完成人眼区域的粗定位；在此基础上，根据区域生长、形态学运算并结合人脸五官先验知识建立规则集精确定位眼睛位置。最后研究了眨眼与疲劳相关参数的检测方法，采用PERCLOS值作为判断驾驶员疲劳状态的标准。在对TI公司TMS320C6000系列DSP的内部结构和开发流程的研究学习基础上，将本文设计的疲劳检测算法移植到DSP上，并对算法的程序利用CCS进行了优化，每秒能够处理20帧，初步达到实时性。实验证明该方法准确率较好，正常状态下的检测正确率均在85%以上，基本能够适应各种光照情况下的疲劳检测。