长期以来,我国一直都是汽车消费大国,汽车行业的高速发展是我国经济繁荣、科技进步的一个缩影,由于汽车的大量增加,我们现在的交通问题更加严重。近年来,城市生活节奏加快,人们的生活、工作压力加大,驾驶员的疲劳问题也越发严峻,因此对驾驶员的疲劳检测显得越来越重要。本文首先是对我们国内和国外驾驶员在疲劳状态时的检测算法做了比较深入的探讨,其次是对这些算法在图像处理方面中的精确度问题,着重研究了在人眼检测基础上的疲劳状态检测方法,并且实现了一种基于人眼检测的驾驶员疲劳状态检测方法,最终在实验仿真上面验证了本算法的有效性。本文研究的主要内容如下:（1）分析讨论疲劳状态检测算法的研究现状及其特点。（2）介绍人眼检测常用方法,分析其优缺点,选择合适方案。（3）基于人眼检测在驾驶员疲劳检测研究中的重要性,受戴眼镜、光照强度和人脸姿态变化、闭眼以及面部遮挡等复杂背景影响,传统方法难以准确检测人眼位置,而在深度学习中,卷积神经网络由于其本身的学习能力和鲁棒性这些优点,成功用于语音和图像处理方面。本文提出了一种基于深度卷积神经网络的人眼检测方法。对其进行网络优化及损失优化,把人眼检测作为一种回归问题来求解,实现了整个过程端到端,即从输入原始图片到最后的人眼类别和位置的输出。（4）通过对当前主流人眼状态检测方法的对比,使用灰度积分投影方法,在使用这种方法前,首先是对人眼图像做一个二值化的操作,之后才是对人眼状态做的分析。另外,对PERCLOS这一方法做了统计分析,并最终验证了此种方法的有效性。