随着社会的发展,人民生活水平得到了质的提高,汽车拥有量也不断增长,但是汽车交通事故的发生数目也十分庞大。相关数据显示,很大一部分事故是驾驶员疲劳驾驶所导致的。当驾驶员处于疲劳状态时,并不能很好的处理路面突发情况,尤其是驾驶员于行车过程中进入睡眠状态,极有可能对生命财产安全造成无可弥补的后果,因此,开展疲劳驾驶检测系统研究,对驾驶员状态进行检测并及时预警,在安全驾驶方面意义重大。由于基于驾驶员面部特征分析的疲劳驾驶检测方法,与基于车辆状况、驾驶员生理状况等检测方法相比,其设备与驾驶员没有直接接触,在不影响检测效果的前提下,驾驶员舒适度较好,因此,本文重点研究基于面部特征分析的疲劳驾驶检测方法,针对与疲劳状态相关的眼部特征、嘴部特征等进行研究,并将眼部闭合时长、眨眼频率、哈欠次数等参数作为疲劳判别指标,完成疲劳驾驶检测,具体内容如下:(1)为应对车内复杂环境,改善图像质量,本文研究了灰度化、图像滤波、直方图均衡化等图像预处理的相关方法;针对车内可能出现的光照不均匀场景,本文研究了同态滤波方法,改善了图像质量,时间复杂度较低,利于下一步的图像处理;(2)为保证眼部与嘴部区域定位准确率,本文首先进行人脸定位,然后在所获取的人脸区域进行眼部、嘴部定位,而不是直接在320*240大小的输入图像上直接进行眼部、嘴部定位,缩小了检测区域。人脸检测,选用基于Haar-like特征的人脸检测方法,处理速度较快,资源需求量较低;同时,为进一步提高视频流处理速度,结合车内驾驶员活动区域相对固定的特点,跟踪部分选用基于相关滤波的f DSST算法,将人脸跟踪与人脸检测相结合,改善了面部短时遮挡、头部偏转等所导致的检测失败状况,降低系统运算量,保证系统检测速率,提高了人脸检测精度与速度;(3)本文改进了原始的“三庭五眼”方法,极大缩小了眼部、嘴部精确定位的范围,该方法在头部轻微偏转的情况下,仍能准确完成嘴部、眼部的粗定位;在粗定位的目标区域中,根据二值化图像的投影分布特点,完成眼部、嘴部的精确定位;对嘴部区域二值化图像,本文提出了基于像素分布特征的方法,完成嘴部正常闭合状态与打哈欠状态的二分类;对眼部区域二值化图像,本文提出了基于像素点在眼部区域的比例作为判别指标,由实验结果,可以准确判别眼部状态;(4)设计了一种多疲劳判别指标的疲劳驾驶检测系统,结合眼部闭合时长、眨眼频率、打哈欠次数等特征,完成疲劳判定,当有其中一个指标异常即报警,保证了系统的鲁棒性,实时保障驾驶员安全驾驶。