交通事业的发展在给人们带来便利的同时也给交通安全带来隐患,恶性交通事故不断发生,给人民的生命和财产带来威胁。其中疲劳驾驶是恶性交通事故发生的主要原因之一。因此,如何准确、快速的识别驾驶员的疲劳状态是世界各国普遍关心的问题。随着机器视觉及其在检测领域的蓬勃发展,为疲劳驾驶的检测问题提出了一条新的解决途径。本文以人脸/人眼识别为主线,研究了人脸/人眼识别中的人脸/人眼检测和定位、图像分割、人眼状态判别和疲劳状态判别等问题,设计和实现了一个基于视频的实时疲劳检测系统。 本系统使用普通的USB摄像头采集视频图像,采用基于类Haar特征的层叠式分类器训练和检测视频中的人脸/人眼进行眼睛定位,通过自适应二值化算法分割目标物体--眼睛,再扫描二值化眼睛图像得到眼睛睁开的宽度,最后利用PERCLOS方法对眼睛宽度进行统计计算,根据统计出来的PERCLOS值判断疲劳状态。 本文首先概要介绍了疲劳检测的研究背景和常用的疲劳检测方法,包括脑电图跟踪法、道路跟踪法、基于心率变化的疲劳判断法和基于PERCLOS的疲劳判断法；本文所采取的是基于PERCLOS的方法,其关键的部分是对眼睛状态的识别检测。接着,介绍了几种目前应用广泛的人脸/人眼检测方法,所有方法都可归纳到四大类中：基于知识的方法；基于不变特征的方法,如基于肤色模型的方法、基于纹理特征的方法、基于人脸特征的方法等；基于模板的方法,包括预定义模板和可变形模板；基于表现的方法,如基于特征脸的方法、基于神经网络的方法、基于隐式马尔可夫模型的方法等：并通过OpenCV计算机视觉库设计了一个基于类Haar特征的层叠式分类器,实现了实时的人脸/人眼定位。对输入图像进行灰度化、去噪等预处理；对眼睛图像进行二值化,分割出目标物体,对目标物体进行计算得出眼睛宽度,再根据PERCLOS方法统计出眼睛状态从而得出被检测者的疲劳状态；最后设计和编程实现了一个基于视频的实时疲劳检测系统,该系统可以完成图像捕捉、人脸/人眼检测、人眼定位、人眼状态判断、疲劳状态判断的全过程。