随着汽车产业的快速成长，交通路线的延长，驾驶员超疲劳驾驶状态愈发严重。经调查研究发现，驾驶员疲劳驾驶已经成为行车事故的一个重要原因。为了提高交通安全，保障人民的生命财产安全，研制疲劳驾驶检测系统具有重大的现实意义。由于人眼变化特征是反映驾驶员疲劳与否的重要特征，故本文针对人眼变化特征开展对驾驶员疲劳检测关键技术的研究。主要内容包含人眼检测和虹膜定位、人眼跟踪、人眼状态检测等。具体的研究工作如下：1、提出一种基于多结构鲁棒估计的虹膜外边缘和人眼定位方法。该算法是在AdaBoost算法检测到人脸的基础上，设定人眼的大致区域后，先利用Canny边缘检测算法得到人眼的边缘。然后，利用多结构模型快速生成算法拟合虹膜外边缘，有效地定位出人眼的位置。通过对200幅单人脸的图像数据集的仿真实验，结果表明该算法相比于传统的RANSAC模型生成算法以及Hough变换等方法能得到更精确的定位结果，而且能加快有效的模型生成，虹膜外边缘定位精度达到94%。2、提出基于新的人眼模板更新策略的鲁棒性人眼跟踪算法。该算法先通过在人眼区域内重叠取样局部图像块，观测带有人眼空间信息和部分信息的局部图像块的稀疏编码；然后通过队列池方法计算候选集区域内的局部块，得到相似度；接着使用贝叶斯状态推断框架进行连续跟踪，在此框架中，随着时间变化，使用粒子滤波来传递样本分布。对于模板更新方案，提出了基于增强子空间学习和稀疏表示的新的模板更新框架，此框架引入了一个带有正负的琐碎模板，不仅能使模板适应人眼的外观变化，也能减少遮挡目标模板的影响和跟踪漂移。通过对室内与室外的不同环境状态下的人脸图像序列的实验表明，该算法与一些目前较好的跟踪算法相比，能得到更精确和鲁棒的跟踪结果。3、提出基于模糊模式识别的人眼闭合状态检测算法。该算法利用人眼的结构似椭圆特征，先通过基于多结构鲁棒估计算法拟合上下眼睑并计算上下眼睑高度差，然后构造人眼睁、闭和半睁闭状态的模糊隶属度函数，利用模糊模式识别的直接识别方法判断出人眼的闭合状态。通过对不同驾驶员图像序列的实验表明，该算法能得到较为精确和鲁棒的实验结果，且能满足实时性。4、提出基于PERCLOS值和眨眼频率的疲劳检测算法。该算法在识别出人眼状态的基础上，根据判断结果计算PERCLOS值和眨眼频率并设置合理阈值，逐层判定驾驶员是否处于疲劳状态。为了简化计算，本文将时间的比值转换成连续帧的比值。该算法与仅采用PERCLOS值和仅采用眨眼频率相比，能得到更为精确的结果。