随着铁路生产力布局调整,机车交路不断延伸,驾驶员超劳现象非常严重。驾驶员疲劳驾驶已经成为造成全路机务行车事故的一个重要原因。因此,开发出应用于列车的驾驶员智能疲劳监测系统,对列车的安全行驶意义重大。本文介绍了一种利用CCD图像传感器对驾驶员面部进行图像采集,通过对人眼状态的分析来判定疲劳程度的系统。主要参考两个指标来衡量驾驶员疲劳程度:人眼持续闭合时间占特定时间的比率PERCLOS和人眼平均闭合速度AECS。本系统采用基于Haar特征的AdaBoost级联分类器算法进行人脸检测,在检测出人脸的基础上,通过模板匹配的方法在人脸区域内定位人眼和检测人眼状态。当系统检测到驾驶员处于睡眠状态时,能及时报警提醒驾驶员,并保留相关数据上传到地面控制中心。本文采用基于Haar特征的AdaBoost级联分类器算法和模板匹配算法,在对其原理和具体实现方式进行介绍的基础上,软件编程实现,并通过几个测试集对实现的算法进行测试。实验表明,本文所采用的AdaBoost方法和模板匹配的方法,具有检测准确率高、运行速度快和鲁棒性好的优点。最后结合测试中暴露出的算法的不足,提出了进一步的改进方法。全文共分六章。第一章为绪论,指出了本课题的研究背景与意义,并概述了关于司机疲劳检测的国内外相关技术的发展。第二章首先确定了疲劳状态检测的评价指标,提出了系统人脸检测部分采用基于Haar特征的AdaBoost算法。最后,给出了对整个疲劳检测系统的详细设计方案。第三章介绍基于Haar的AdaBoost人脸检测算法,包括对原理的介绍和对所采用的具体检测实现方式的详细论述。第四章在对模板匹配的原理进行介绍的基础上,提出适用于本系统人眼定位的模板匹配方法,并对模板匹配的关键问题进行了论述。最后对人眼定位和状态检测的输入图像的预处理过程进行了简单介绍。第五章利用建立的测试集对人脸与人眼采用的两种算法进行测试,并对结果和误检原因进行分析。第六章为总结与展望,对全文的主要研究工作进行了总结,结合实际的疲劳检测情况,分析算法所存在的不足,提出合理的改进意见。