根据权威调查,在频发的重大交通事故中,汽车驾驶员的疲劳驾驶通常是事故发生的罪魁祸首,所以对驾驶人的疲劳状态的实时检测及识别,控制住因疲劳驾驶而引发的交通事故有着极其重要的意义。驾驶员疲劳表情识别的首要工作是要检测出驾驶员的人脸区域。人脸检测是目前自动化识别系统的一个关键的基础性工作,检测的精度直接影响到后续识别的结果。检测到人脸区域之后,分析驾驶员正常状态与疲劳状态的差异,其中最为显著的差异是驾驶员的眼睛的闭合程度。然后通过提取驾驶员眼睛状态的特征,作为识别驾驶员是否疲劳驾驶的重要依据。本文的主要研究工作如下：1.本文简要介绍了疲劳检测的概念、应用及国内外研究现状,然后用改进的AdaBoost算法对近红外视频图像进行人脸检测,实时检测出驾驶员人脸区域。2.本文在确定驾驶员人脸区域后,运用ASM模型定位驾驶员眼睛,然后对眼睛部位进行图像自适应二值化处理,然后获得驾驶员眼睛部位的二值图。3.在提取出二值化的眼睛后,再利用ASM模型定位出眼睛的位置。过该位置竖直扫描眼睛的二值化图像,将此扫描的灰度值(二值的)作为一个特征矢量xcenter,然后分别过与该位置水平方向距离一定步长(像素为单位)的位置同样做扫描二值化眼睛图像,得到两个特征矢量xleft和xright,最后将这三个特征矢量做异或操作xcenter^xleft^xright,其结果作为最终的特征。这样既提取出了描述驾驶员驾驶状态有效特征,也提高了特征矢量本身的鲁棒性。4.将提取的驾驶状态特征样本作为神经网络的训练样本,训练神经网络,从而得到识别驾驶员疲劳状态识别的分类器。