随着我国交通运输业的飞速发展,汽车早已成为人们出行必备的代步工具。人们在享受着汽车为出行带来便利的同时,却也被汽车带来的安全隐患所困扰着。每年都有数万起交通事故发生,而这些交通事故产生的原因有很大一部分是因为驾驶员的疲劳驾驶所导致的。在信息技术发达的今天,在行车过程中,准确地判断出驾驶员的疲劳状态并予以报警有着重要的实际意义。本文基于视频处理的方法,首先检测出视频中驾驶员的人脸信息,在此基础上,进一步匹配出驾驶员的眼睛、嘴角的特征点,通过对驾驶员眼睛、嘴巴特征的分析,从多个参数来判断驾驶员的脸部状态,从而确保实时准确的检测驾驶员的疲劳状态。本文具体工作和创新点如下:(1)本文采用近红外摄像头对驾驶员行车状态进行采集,以实现驾驶员在白天与夜间行车都可以进行监测。(2)首先对视频图像进行预处理,对Adaboost算法中的分类器进行优化,将分类器优化后对输入的视频进行人脸定位。在人脸特征点定位中,提出了一种基于多尺度的SDM优化算法。经测试,人脸定位与人脸特征点提取均得到了理想的结果。(3)为了准确而全面的对驾驶员进行疲劳检测,采用PERCLOS、眨眼频率、哈欠频率等参数共同对驾驶员进行疲劳检测。三个参数共同对驾驶员的疲劳状态进行判定,提高了系统检测的准确性。(4)采用C++语言编程,基于OpenCV、QT开发环境,设计一套基于PC的疲劳驾驶行为检测软件,对本文中的算法进行了实现。