行车安全是汽车交通发展的永恒主题,随着汽车保有量的增长和公路等级的不断提高,公路交通事故的发生越来越频繁,交通安全问题日益突出。在这种背景下智能交通应运而生,它是交通工程领域的研究前沿,体现了车辆工程、人工智能、自动控制、计算机科学等多学科领域理论技术的交叉和综合,是未来车辆发展的趋势,其中安全保障技术是必不可少的组成部分。近年来,国内外一部分较成熟的安全辅助驾驶技术正在逐步实用化和产品化,然而仍有相当多的技术难题亟需解决。本文从车辆的主动安全性角度出发,在利用机器视觉方法对驾驶员面部朝向估计方面进行了一些积极有益的探索,从而为我国安全辅助驾驶领域的相关实用产品研发和进一步深入研究提供理论和技术支撑。驾驶员面部及面部各特征区域的准确定位是进行朝向估计研究的基础。在对图像进行Gamma校正和白平衡预处理基础上,利用AdaBoost检测器与肤色模型相结合的方法实现了驾驶员面部区域的快速准确定位,从而有效提高了面部检测的实时性与稳定性。在面部区域定位基础上,根据眼睛、嘴巴与肤色之间存在的灰度及色彩差异,分别对眼睛与嘴部的定位方法进行了研究。依靠视觉特征对驾驶员面部朝向所进行的估计是一种多特征综合的非线性模式分类问题。由此,论文基于面部轮廓相似于椭圆的事实,在面部边缘点检测基础上利用边缘链码组对面部轮廓线进行拟合。以面部特征区域(眼睛、嘴巴等)相对于轮廓线的位置变化作为特征量,利用BP神经网络对面部朝向估计问题进行了深入研究。试验表明,上述驾驶员面部朝向估计方法是可行的。根据论文所研究问题的具体特点,对利用卡尔曼滤波器结合MeanShift算法进行面部特征区域的跟踪方法进行了较为深入的研究。