科学技术的高速发展,日常生活中的体力劳动已经逐步地被脑力劳动所代替,因此出现精神疲劳的机率也会提升,其产生的影响也会加大,几乎涉及到各个领域上,尤其是在驾驶员身上更为显著。基于人脸面部图像的疲劳识别,以人脸的面部视频作为基础,先采用单特征对面部特征进行疲劳识别,再采用多种特征融合的方法识别疲劳,虽然在现有的基础上己经取得一些有价值的成果,但毕竟时代在进步,出现的问题也会越来越多。因此,本文提出了一种基于静态面部视觉特征的精神疲劳识别研究。本课题以图像处理和疲劳识别技术为基础,以面部视觉特征的定位和疲劳识别为目的,完成面部精神疲劳识别的算法研究,并以Matlab为仿真工具,实现面部特征的疲劳识别。主要内容包括人脸的图像预处理,人脸粗定位和人脸精确定位,面部视觉特征眼睛和嘴巴的粗定位和精确定位,单个特征眼睛或者嘴巴的精神疲劳识别,多个特征融合后的精神疲劳识别。具体的实现过程是,首先运用积分投影算法对眼睛特征进行粗定位,再采用改进的瞳孔检测算法对粗定位区域进行眼睛区域的精确定位,改进的瞳孔检测算法的核心思想是搜索粗定位区域内黑色像素最多的一点,以其为瞳孔中心画圆,最后运用最小二乘法拟合瞳孔圆。同理,先采用积分投影算法对嘴巴特征进行粗定位,再利用改进的Harris角点检测算法对粗定位进行嘴巴精确定位,改进的Harris角点检测算法的核心思想是先剔除一些伪角点,确定角点候选点,再利用自适应阈值确定最终的角点。最后采用改进的支持向量机模型对单个视觉特征和融合后的特征分别进行疲劳识别,改进的支持向量机是局部采用AdaBoost推进的算法。通过Matlab仿真测试,结果表明本研究的算法直观且有效,且疲劳识别能力得到了提高。