行车安全一直是国家和个人关注的焦点,随着汽车持有量的持续增加和公路级别的不断提高,全世界的公路交通事故频繁发生,交通安全问题日益严重。在这种情况下,疲劳检测应运而生,它是交通工程领域研究的前沿,体现了计算机科学、车辆工程、人工智能、自动控制等多学科领域理论技术的交叉和综合,是未来车辆安全技术发展的方向。近年来,国内外的疲劳检测技术有了很大的发展,并在向实用化转变,但是现有的疲劳检测技术仍然存在一些技术难题。本文从人的生理疲劳特征出发,利用机器视觉方法来监测人眼,使用PERCLOS和AECS准则估计驾驶员的疲劳状态,并在人脸人眼定位方法上进行了一些积极有益的探索。人脸定位是人眼精确定位的前提。以往的肤色模型在复杂背景和光照条件下鲁棒性较差,本文改进了混合肤色模型,使之适用于复杂背景和光照变化,提高了面部检测的稳定性。人眼精确定位是依靠视觉特征检测疲劳的关键,本文提出了基于对图像进行同态滤波后利用跨越式区域生长算法定位人眼的算法,实现了人眼区域的快速准确定位。疲劳检测准则PERCLOS是当前研究最多的准则,也是最准确的准则,但是它的实时性不高。由此,本文结合AECS疲劳检测准则提出了新的疲劳检测准则,在兼顾PERCLOS算法准确性的同时,还可以实时地判断驾驶员疲劳状态,弥补了PERCLOS准则实时性的不足。实验数据表明,系统能够实时地、准确地定位人眼及检测眼睛的开闭状态,并有效地检测驾驶员的疲劳程度。