目前,面向驾驶疲劳检测方法的研究已经引起广泛关注,国内外不少研究机构和个人对此倾注了大量心血并在相关研究中取得众多成果,一些产品已投入到应用中；然而,在实际的测试和使用中,暴露出诸如准确度不高、对环境的适应性差、实时性不足等缺点。因此对其进一步的研究具有重要意义。为剔除阴影、环境灯光等造成的难以辨识的图像,本文研究了此类图像的特点,发现车辆行驶时,所采集到的视频图像经二值化后,正常图像中认定为前景的点数在帧间变化不大；而难以辨识的图像往往变化剧烈。为此提出了利用滤波方法对该类图像进行剔除,保证后续疲劳判断的准确性。鉴于驾驶疲劳检测的特殊性,主要为驾驶行为的规律性,导致一定时间内,呈现在固定摄像头中的面部图像活动在一个固定的范围。本文提出了肤色分割与运动目标检测相结合方法进行范围确定,然后利用边缘检测与灰度积分投影在此范围内对人脸进行精确定位,节省大量的计算时间并排除大部分的干扰。针对驾驶员坐姿的变化随时间推移可能导致面部活动范围变化问题,采用CamShift对面部进行跟踪,实现了人脸活动范围的自适应调整。在精确定位人脸的基础上,利用先验知识结合驾驶疲劳检测的特殊性构造模板对人眼进行检测并计算区域复杂度对检测结果进行校正,缩短检测时间的同时提高检测的精度；同时,在连续帧间利用卡尔曼滤波器分别对左右眼横纵坐标进行跟踪预测,对检测结果中偏离趋势的坐标进行替代,保证人眼检测的鲁棒性,提高了检测的准确率。最后,鉴于二值化人脸图像中人眼睁闭呈现出大小不同的非肤色区域,通过在线统计此区域所占人眼认定区域的比例,结合PERCLOS与人的眨眼规律,分别计算出左右眼的闭眼阈值,对疲劳进行判断；一方面对于眼镜、光照等的影响具有很好的鲁棒性,另一方面对于预先给定阈值而造成的普适性不足具有很好的改进。仿真结果表明本文算法对于多变光照等复杂环境具有较高的适应性,同时表现出很好的实时性,对于疲劳检测也具有很高的准确率。