随着交通运输业的不断发展，运输安全问题引起了越来越多人的注意。在所有导致交通事故的原因中，疲劳驾驶占有非常大的比重，驾驶人由于疲劳而出现的注意力不集中、反应速度变慢等问题会导致在行车过程中发生不可预期的交通事故。因此，疲劳检测的方法研究成为了新的研究方向。　　研究发现，驾驶人的驾驶时间和疲劳有着直接的关系，各国对于驾驶人驾驶时间也有着明确的规定。本文将人脸识别与驾驶时间检测相结合，通过检测特定驾驶人的驾驶时间，避免了单纯检测车辆行驶时间而出现的误差。　　本文首先使用Adaboost算法进行了人脸检测，然后研究了针对不同光照的图像预处理算法，对比了直方图规定化和Gamma校正两种方法，并对Gamma校正进行改进，最终实现了基于光照分量的Gamma校正算法。　　在特征提取部分，本文在介绍基于Gabor小波的特征提取算法和基于LBP的特征提取算法基础上，提出结合了Gabor小波和LBP的特征提取算法，并在小的人脸库上得到了较高的识别率。另外，本文在较小人脸库上进行了开集测试，并加入了投票机制的思想，得到了较好的识别效果。　　最后，本文设计了一套完整的驾驶人驾驶时间检测系统，很好的解决了车辆在行驶过程中由于不知何时断电、何时会更换驾驶人而产生的一系列问题，并在VC++6.0和OpenCV平台下进行了系统的搭建，得到了较好的检测效果。