疲劳驾驶是当前导致车祸事故的最主要原因。驾驶员疲劳检测系统是对驾驶员进行实时监测，分析和提取驾驶员驾车时的疲劳特征，并在驾驶员处于疲劳状态时报警的设备。该类产品的研究已受到众多科研工作者和汽车厂商的注意，具有重大的社会意义和良好的市场前景，而该类产品在技术上还不够成熟，给我们提供了很大的研究和发展空间。　　 基于图像处理和模式识别技术的非接触式疲劳检测方法为当今疲劳检测领域的主流研究方向。本系统也采用非接触式的方法，用摄像头对驾驶员进行监控，通过分析PERCLOS（单位时间内眼睛闭合时间所占的百分率）和视线方向综合评定驾驶员是否处于疲劳。本文研究了系统在获取人脸图像后到计算出PERCLOS和视线方向信息所需的一系列算法，包括：人眼定位、眼睛睁闭状态识别和视线方向判别。　　 本文提出了一种基于灰度直方图的几何特征人眼定位方法，该方法利用人脸灰度直方图分布特征，在不同光照条件下能自适应快速计算出最佳人眼分割阈值，使眼睛在人脸图像上呈现为清晰的黑块；在此基础上根据眼睛的几何特征，在人脸二值图像中筛选出眼睛黑块。该人眼定位算法在不同光线和人脸姿态下的识别准确率为90％，对比其它几何特征人眼定位方法，处理速度提高很多，可以达到50帧每秒。　　 针对现有的眼睛状态判别算法无法兼顾准确率和实时性的特点，本文利用支持向量机优秀的学习能力和小样本下良好的推广能力，构造了一种新的基于支持向量机的眼睛睁闭状态自动分类器。该眼睛睁闭状态分类器的平均识别精度为96．1％，处理速度为37帧每秒，在准确性和实时性两方面均表现优秀。　　 最后根据普尔钦斑点法原理，本文研究了驾驶员疲劳检测系统的视线方向判别方法。提出了具体的检测普尔钦斑点和精确定位瞳孔中心算法，再利用一种简单的视线模型，对司机的视线方向进行判断。实验证明该视线方向判别具有最低80％的准确率。