目前,疲劳驾驶已成为交通事故的重要诱因之一。统计数据表明,每年都有数以万计的人死于疲劳驾驶,可见驾驶疲劳对人们的生活造成了严重的影响,因此研究高性能的驾驶员疲劳实时检测与预警技术,对改善交通安全状况具有十分重要的意义。本文应用图像处理、模式识别等方面的知识,结合以人脸为检测主体的、在汲取目前被公认最有效的PERCLOS(Percentage of Eyelid Closure Over the Pupil Over Time,简称PERCLOS)方法原理的基础上改进的PER-NOFACE方法对驾驶员进行实时疲劳状态检测。本文主要工作如下:首先对驾驶员疲劳检测系统所用到的ICETEK-DM6437-B评估模块进行简单介绍,并对其软件体系架构以及基于DSP/BIOS的视频采集/显示应用程序的开发过程进行详尽的分析和阐释,为疲劳检测应用程序能在DM6437达芬奇处理器上实时地、有效地运行奠定了坚实的基础。其次提出了基于彩色图像和基于红外灰度图像两种人脸检测方案。为了提高系统处理的实时性,首先对图像进行缩小处理,然后分别通过建立的基于YCbCr颜色空间的肤色分割模型和基于红外灰度图像的二值化分割模型将驾驶员的人脸区域与背景区分开来。然后分别使用这两种方案的人脸分割模型,结合图像缩放算法等图像处理算法以及人脸的几何结构特征方法对驾驶员进行人脸检测与定位。在人脸区域检测与定位的基础上,通过人脸区域面积阈值确定当前视频帧是否为疲劳帧,统计疲劳帧的总数进而计算PER-NOFACE值来判断驾驶员的状态。