机动车辆与日俱增,随之而来的车辆交通安全问题也越来越受到社会的广泛关注。调查表明,疲劳驾驶在造成交通事故的危险因素中高居第三位,在死亡交通事故原因中居首位。因此,研制疲劳驾驶检测预警系统,对于避免交通事故,提高交通安全性有着重要意义。本文在研习了国内外相关研究的基础上,分析对比各种疲劳检测方法,深入研究了基于视觉的非接触式、实时的驾驶疲劳检测方法。以视频图像信息提取和处理理论为基础,研究探讨了基于视觉的疲劳驾驶检测的关键技术,包括人脸检测、眼睛定位与跟踪、眼睛特征提取与状态识别、疲劳状态分析。首先采用了实时性较好的基于肤色检测的人脸定位方法,将肤色与非肤色区域进行分离,较为准确地定位人脸区域;在关键环节眼睛定位中,选择了积分投影函数与混合投影函数相结合的方法,精确定位了眼睛中心,同时将Kalman滤波与MeanShift算法相结合的眼睛跟踪方法融合到实验中,实现了对序列视频中头部旋转或倾斜情况下的连续眼睛检测和定位;在此基础上对眼睛进行特征提取,主要分析了决定眼睛状态的关键特征,包括虹膜、眼角、上眼睑,并对传统眼睛模型进行了修正,利用上眼睑与下眼睑的高度差来判断眼睛的状态;最后选取目前公认最有效的疲劳分析方法PERCLOS法,结合眨眼频率对疲劳状态进行分析。基于上述研究所实现的疲劳检测软件系统,能够实时地检测驾驶者的眼睛状态并进行疲劳识别,在实验室环境下获得了较好的实验效果。