疲劳驾驶是产生交通事故的主要原因之一。只有通过事先预防,利用先进科学技术手段来监测和限制疲劳驾驶等不当驾驶行为,主动地消除引发交通事故的因素,才能以最彻底的方式、最大限度地减少生命和经济损失。本文详细介绍了疲劳检测的研究背景和意义,分析比较了国内外疲劳检测的方法。采用视觉这种非接触式的方法监测驾驶员状态是一种比较好且相对易于实现的选择。眼睛特征是基于视觉方法监测驾驶员状态中最直接有效的物理反应特征。本文就眼睛检测、眼睛特征提取、眼睛跟踪做了如下主要工作:可见光照条件下的眼睛检测和眼睛特征提取:首先根据AdaBoost人脸分类器的第一个矩形特征对应的是眼睛区域,提出在AdaBoost人脸分类器的第一个矩形特征内使用AdaBoost眼睛分类器检测眼睛。针对眼睛睁开和闭合图像的灰度分布差异,提出基于小波系数预测误差来提取眼睛状态特征的方法,并用SVM(支持向量机)训练了眼睛状态分类器,取得了较好的实验结果。在眼睛参数提取中,利用虹膜分布在眼睛图像谷底(图像中最黑的区域)的特点,通过寻找眼睛图像谷底来计算虹膜中心位置和虹膜半径。提出了利用眼睛图像边缘信息提取眼睑参数的方法,并成功把RANSAC(随机抽样一致性)方法用于眼睑抛物线的提取中。红外光照条件的眼睛检测和眼睛跟踪:为了克服可见光照条件下光照对采集图像的影响,采用主动红外光源来获取图像。根据红外成像原理,把红外光源放置在相机光轴附近,拍摄亮瞳眼睛图像。提出对增强后的亮瞳图像进行灰度数学形态学的开操作,用于产生模拟暗瞳图像。该方法比其它采用两种不同波长的红外光源、内外环状红外光源的方法简单有效。由亮瞳图像和模拟暗瞳图像的差分图像计算候选眼睛区域,根据眼睛位置的先验知识,去除多余的候选区域,最终判断是否检测到眼睛并确定眼睛位置。为了缩短视频序列中眼睛的检测时间,利用卡尔曼滤波器对眼睛进行跟踪,在搜索区域内检测眼睛的位置。