面部特征是每个人类个体独有的特征，不同的人类个体之间面部特征总是存在差异而又保有共同。即使是同一个体，在不同年龄、表达不同感情、不同精神状态时，体现出的面部特征也会不同。利用以上特点进行的面部特征感知具有侵入性小，应用范围广等特点。本文通过人脸区域定位、人脸特征提取、人脸状态判别实现对面部特征的采集和分类，并在这些特征的基础上开展了疲劳驾驶的判别算法研究。　　本文首先简单介绍了图像的预处理方法，并利用对于背景区域人脸位置变化较大的特点，结合滤波去干扰，使用差分法将人脸区域从连续图像中提取出来。其次，利用Fisher线性变换确定rgb向量的最佳投影方向，增强色彩间差异，以区分面部和嘴部的边界，并对选定的嘴部区域和眼部区域分别进行垂直和水平投影，采用一定的约束条件来定位嘴部和眼部特征点。第三，针对传统算法主要依赖嘴部特征进行分析的问题，提出了将提取的驾驶员面部及嘴部特征组成的特征向量统一进行分析的方法，可以有效减少将聊天状态误判为疲劳状态的概率。选用艾塞克斯人脸库对BP网络进行训练，并在进行训练时，采用改进的自适应学习率调节方法。最后，建立合理的评判体系对计算结果进行评价，将疲劳等级分为四类，可以直观的体现当前驾驶员的状态。　　本文针对面部特征的特性，从人脸区域定位、人脸特征提取、人脸状态判别三个方面，以驾驶员疲劳判别为实例，对面部特征感知的研究方法进行了创新和改进。仿真结果表明，本文提出的疲劳判别方法针对性较强，可以快速有效地通过驾驶员面部特征对驾驶员状态进行判别，应用价值和实用价值较高。