疲劳驾驶已经成为引发交通事故的主要原因之一,如何能够及时有效地检测出驾驶员的疲劳状态,以减少由疲劳驾驶引起的交通事故的发生,成为世界各国交通部门的研究热点。尽管目前已有一些简单的疲劳驾驶检测方法,但是非接触式的、实时的疲劳驾驶检测方法至今在国内外尚未得到很好的解决。本文通过研究国内外疲劳检测方法的原理,并对现有的检测系统进行分析和对比,详细分析了各种检测方法的关键技术和难点,改进了基于驾驶员的眼部特征的疲劳驾驶检测方法,综合了眼皮运动参数PERCOLS和AECS以及视线参数GAZEDIS和PERSAC对疲劳程度进行判别。在准确定位人眼的前提下,提出了利用长宽比表示眼睛睁开程度的方法,提取眼皮运动参数,并引入点霍夫变换确定虹膜中心,借助虹膜中心与眼睛边缘之间的位置关系表示视线参数。为了提高系统的效率,在连续几帧准确定位人眼之后,以颜色直方图为特征值,结合Kalman滤波和Mean Shift算法对人眼进行跟踪,以减少在整幅图像中寻找人眼所耗费的时间。本文采用VC++6.0开发驾驶员疲劳检测的相关算法,以全长为十分钟的不同光照角度下的模拟驾驶图像为实验对象,对相关算法进行了验证,规范驾驶的准确率达到98%,头部的转动会导致识别率下降到89%。实验结果表明,该方法能够较准确识别被检测人的疲劳状态,并且能够满足实时性的要求,相对于使用单个眼部特征的检测结果更准确可靠。