头部姿态估计在人工智能、模式识别及人机智能交互等领域的应用越来越广泛，在日常生活及安全生产应用中都具重要意义。本文针对基于计算机单目视觉的头部姿态估计进行研究。　　提出一种基于提升实现的反对称双正交小波变换的图象增强方法，用于对后期所需的人脸图象进行增强预处理。该算法通过小波提升实现的方法将人脸图象信息分解为多尺度小波信息，然后对分解后的图象信息进行小波的逆向提升实现过程，在该过程中计算图象信息的模极大值，实现图象边缘提取，并将其与直接进行逆向提升实现的图象进行融合，达到图象增强的目的。　　提出一种基于几何信息与CgCr色度空间图象边缘提取的人脸特征定位与特征点检测方法。该方法首先实现眉毛与眼睛的粗定位，然后根据人眼在整个人脸区域内的几何位置信息进行精确定位，并进行人眼区域边缘提取。同时，获取眼角点及瞳孔位置，并由此映射出新的人脸区域，实现鼻尖点及嘴角点的检测，进而确定人脸平面模型。　　采用基于平透视投影模型的方法进行头部姿态估计，并由此提出一种基于面部特征点平面平透视投影变换的头部姿态估计方法。该方法采用基于肤色分割的Adaboost方法实现最优正面人脸平面模型的粗获取，然后通过筛选得到最优正面人脸平面模型，根据最优正面人脸平面模型与当前人脸平面模型中相对应的特征点几何信息来求解平透视投影变换矩阵。　　分析驾驶员在Pitch自由度与Yaw自由度上的头部姿态变化与疲劳驾驶与分神驾驶之间的关系，设计出一种基于驾驶员疲劳与分神状态检测的非嵌入式车辆安全辅助驾驶系统。通过建立几何模型与实验的方法确定了Pitch角度阈值与Yaw角度阂值，用来判定驾驶员的疲劳与分神驾驶状态。实验结果表明，该系统能较成功的检测出驾驶员的危险驾驶状态，对遏制交通事故的发生具有一定的意义。