汽车、火车、飞机等各种交通工具的发明与普及,促进了社会的巨大发展,为人类文明作出了巨大贡献,但凡事都有两面性,各类交通工具在给人类社会带来巨大便利的同时,也带来了许多灾难。据有关资料统计：全世界每年因交通事故导致的死亡人数约50万,直接经济损失约125亿美元,醉酒驾驶和疲劳驾驶是这些事故的主要原因。疲劳状态下驾驶,驾驶员会精力不集中,肢体反应迟钝,对突发情况的应变能力下降,极易引发交通事故。在此背景下,驾驶员疲劳预警系统的开发迫在眉睫。本文设计的驾驶员疲劳实时预警系统,采用TI公司的TMS320DM6437高速图像处理芯片作为主处理单元,利用红外照明的CMOS微型摄像机采集驾驶员面部图像信息。通过分析驾驶员疲劳产生的原因及表象,选定根据眼睛状态的变化作为判断驾驶员是否疲劳的依据。当阳光不足或从侧面照射时,CMOS微型摄像机采集的图像会存在光照不均匀现象。通过对比同态滤波法、直方图均衡法、灰度增强法等消弱光照不均匀现象方法的优缺点,最终选用同态滤波法对光照不均匀图像进行处理,该方法考虑了光照的反射特性,兼顾图像的高频细节和低频分量。人脸的肤色具有一定的聚类性,系统根据肤色的RGB聚类模型完成人脸的检测,此方法简单、有效,适用于背景简单的人脸识别。本系统选取眼部状态作为疲劳预警参数,因此眼睛的定位与跟踪直接影响着疲劳识别的结果。本文对边缘检测和多种二值化方法进行对比,结果显示,Ostu法对眼睛进行二值化分割实验效果较好。然后根据分割后的图像特征,采用混合积分法在原图像中定位眼睛,用Mean-Shift法对眼睛进行跟踪,通过分析眼睛的运动状态,选取疲劳特征参数(包括PERCLOS参数、眼睛闭合时间、眨眼频率,其中PERCLOS参数是现今公认最有效的、能车载的、实时的驾驶疲劳评测指标)。为了保证疲劳特征参数不会因特殊情况而突变,求出一段时间内上述参数平均值,作为系统的疲劳特征参数。在决策阶段,系统通过信息融合技术对上述参数进行融合,进而判断驾驶员是否处于疲劳。若判定驾驶员疲劳驾驶,则通过报警模块给予驾驶员警示,以避免发生交通事故。融合技术的应用提高了疲劳监测的准确率在后续的研究过程中,若系统结合其它疲劳参数,增加疲劳特征时,仍可应用此方法,方便后续系统的完善与改进。本系统采用DSP芯片专用开发环境CCS3.3,使用之前需要根据不同的DSP型号对其进行配置。其内置DSP/BIOS及RTDX插件,为实现在线仿真调试起了非常大的作用。本课题设计的疲劳监测系统精巧、方便,判断准确率高。