目前,随着我国人民生活水平的不断提高,汽车已经走进了千家万户,成为人们日常出行的一种重要的交通工具。然而,我国的交通事故也随之增多,成为威胁人民生命安全和社会治安稳定的一个不容忽视的社会问题。疲劳驾驶,作为导致交通事故频频发生的一个重要原因,在我国的研究还处于起步阶段,远远落后于西方各国,而目前国内对基于视频的疲劳驾驶监测系统的研制与开发仍处于初始阶段,因此,关于疲劳驾驶方面的课题研究具有极大的科研价值与意义。本文在对国内外关于疲劳驾驶监测领域的研究现状和发展趋势进行深入分析的基础上,归纳和总结了目前常用的几种疲劳驾驶监测方法,提出了一种基于视频的驾驶员疲劳驾驶实时监测系统。该系统通过视频监测驾驶员眼部特征的变化来评价驾驶员的疲劳状态,是一种比较切实可行的方案。基于视频的驾驶员疲劳驾驶实时监测系统主要包括图像采集模块、图像处理模块和SVM分类器三部分,本课题研究和设计的重点是系统中的图像处理模块和SVM分类器。图像处理模块主要采用基于卷积核模板匹配的眼睛定位与跟踪算法对用图像采集模块获取的司机脸部视频图像进行处理,并且基于Gabor变换提取出54个多尺度、多方向的Gabor特征和另外两个眼睛特征参数,然后,将这56个与疲劳驾驶相关的特征送入经过训练的SVM分类器进行识别,判断出驾驶员是否处于疲劳状态并及时地予以报警,从而能有效地预防交通事故的发生。本文所做的工作主要有以下几方面:1.对目前国内外关于疲劳驾驶的监测方法和主要装置进行详细的综述,在深入分析了国内疲劳驾驶监测方面的研究现状和存在问题的基础上,提出了一种通过用红外摄像机的“亮瞳效应”实时监测驾驶员眼部特征来评价驾驶员是否疲劳的实际有效的方案,并设计了系统的硬件和软件的总体框架。2.研究和设计了系统中的图像处理模块。根据系统的实时性要求,提出了基于卷积核模板匹配的眼睛定位和跟踪算法,并且基于“亮瞳效应”设计和制作了眼睛模板,通过对眼睛定位和跟踪算法的深入研究,用MATLAB进行了设计与实现。3.对于图像处理模块中的特征提取单元,通过深入分析和研究纹理特征、多尺度变换等图像处理技术,提出了基于Gabor变换的特征提取方法。将检测到的眼睛区域的内眼角、外眼角和内外眼角的中心点三个点分别进行Gabor变换,对每一个点,取n=0、1、2,θ=0、（?）,计算其Gabor特征,共可得到54个Gabor特征值。同时,结合眼睛闭合时间和前10次眨眼的平均时间两个特征,作为图像处理模块输出的特征向量。4.研究和设计了系统中SVM分类器,通过对SVM分类器相关的理论基础和基本概念进行详细的介绍和概述,提出了系统中SVM分类器的设计方法,并且在MATLAB平台上用SVM OSU₃.0工具箱等对几组视频片段进行了训练和测试,取得了预期的效果。本文的研究工作只是采用眼睛特征作为评价驾驶员是否疲劳的特征参数,在今后的研究中还可以结合生理信号、车辆参数等多种指标进行综合评价。也可以在嵌入式系统上进行实验,做成产品,并扩大应用的领域。