经济的腾飞带动了交通运输业的快速发展,汽车数量的不断攀升使得国家恶性道路交通事故的发生率急剧增加并呈现上升趋势,对社会和家庭带来的损失都是不可忽视的。事后调查显示,疲劳驾驶导致的事故占总交通事故的比率居高不下。所以,针对驾驶员疲劳检测的研究具有很大的价值和现实意义。随着计算机软硬件的不断升级,以及神经网络技术的兴起,使得基于计算机视觉的疲劳驾驶研究因为其非接触式的特点成为了疲劳检测中的热点,并且在驾驶员所有的外部特征中,人眼的状态特征能够很好的反应疲劳情况,其有效性已得到证明,因此本文基于计算机视觉技术,提取驾驶员的眼部特征,根据眼睛的状态来判定疲劳。为研究出一套使用方便且兼具实时性与准确性的疲劳驾驶识别算法,本文研究的主要内容如下:1.交通事故的发生往往在毫秒之间,系统对实时性的要求很高。为有效的提高检测速度,本文采取在对待检测图像进行人眼定位之前,先对其进行人脸检测的方法。通过获取人脸区域一定程度的减少眼睛检测的搜索区域,进而有效的缩短检测时间。在大量阅读和研究常用技术的基础上,本文最终选取基于Haar-Like特征的Adaboost算法检测人的面部区域,该技术能够兼顾准确率和实时性。2.为了能在人眼定位之前有效的减少待检测图像的范围,提高检测速率和准确性,在检测到人脸后,结合“三庭五眼”的面部先验知识和水平积分投影法对人眼进行粗略的定位,有效的排除了干扰信息并减少了目标区域的检测范围,提高了检测率和检测速度。之后结合Sobel算子边缘检测与Adaboost算法在人眼定位中的优缺点,对两种方法进行结合用于检测人眼,该检测方法准确率高。3.人的眼睛闭合程度在一定条件下能够反映驾驶员的疲劳状态,而人眼的外部形状符合椭圆特征,所以在定位到人眼后,本文选取椭圆拟合的方式对提取到的眼睛轮廓信息进行拟合,最小二乘法的椭圆拟合能够通过建立椭圆方程拟合出方程参数,而椭圆长短轴的比值能够很好的反映人眼睛闭合程度。在判定了人眼开闭状态之后,选取PERCLOS算法中P80准则以及眨眼频率两项指标判定驾驶员是否疲劳。最后,本文通过实验,对LFW人脸库图片和拍摄的视频图像进行测试,结果显示本文采用算法准确率高,检测速度快。但对于人脸偏转角度过大和眼睛遮蔽等情况依然存在不足,提出了下一步的改进意见。