近年来,我国机动车和驾驶入的数量迅猛增长,在给人们生产生活带来便捷的同时,也带来了不容忽视的安全隐患。据统计,每年全球发生道路交通事故多达10亿次,占全球安全事故总数的90%左右,导致的受伤人数约有2500万人,同时造成50万人死亡。相关调查表明,疲劳驾驶是交通事故发生的主要原因之一。因此,对于疲劳驾驶检测技术的研究具有非常重要的现实意义和应用价值。一个有效的疲劳驾驶预警系统可以检测到疲劳的早期阶段,并且在司机面临危险时发出警告,这样有利于减少有关疲劳驾驶的交通事故发生。本文首先利用AdaBoost算法进行人脸定位；然后利用AdaBoost算法结合扩展的Haar-like特征来定位人眼和分析人眼状态；最后利用PERCLOS准则和眨眼频率判断驾驶员的疲劳状态,得出是否疲劳的结果。本文的主要工作如下：1.通常情况下,人眼区域的图像都很小,并且不太清晰,那么大量的眼睛特征就容易被忽略,进而造成误判。本文在已有的Haar-like特征的基础上,根据人眼的结构特点,设计了五种扩展的Haar-like特征。实验表明,基于扩展的Haar-like特征进行人眼检测能有效地避免由于眼睛和眉毛等其他物体非常相似而引起的误判,具有检测精度较高的优点。2.考虑到单一参数判断驾驶员疲劳状态的不准确性,本文将单位时间内的闭眼帧数与眨眼次数结合起来考虑,并将其作为本文判断疲劳状态的规则。计算出单位时间内人眼闭合图像帧数与图像总帧数的比值以及眨眼次数,以此来判断驾驶员是否疲劳驾驶。实验结果表明,本文所采用的疲劳检测方法具有较高的可靠性和实时性。