疲劳驾驶是造成交通事故的重要原因之一。通过分析人脸视频来估计驾驶人疲劳状态的方法具有非侵入的特点,因而在疲劳检测研究中备受关注。针对整个人脸或眼睛、嘴巴等人脸部件的状态变化进行量化分析,进而建立疲劳评价指标,是目前应用最广泛、公认最客观的方法。然而,实际行车环境中由于人脸受到部分遮挡、局部噪声、光照变化、姿态变化等因素的影响,难以对人脸或部件区域进行正确有效的特征表示,极大增加了人脸分析的难度。本文针对实际应用环境中的人脸配准、姿态估计、眼睛运动与变化趋势的判断,眨眼行为的时域检测等诸多核心问题,研究面向驾驶人疲劳检测的人脸分析方法。具体研究内容和贡献如下:（1）提出集成全局匹配和局部精修的二维人脸配准方法。目前人脸配准方法中的局部最优匹配缺乏全局约束,而全局外观在局部细节上表示不充分,导致配准误差较大。为此将多模式人脸信息编码为整脸或部件区域的表示特征,分别采用不同回归方式更新人脸形状并加权融合,同时达到人脸的全局最优匹配和局部细节修正。实验结果表明该方法能在部分遮挡和局部光照变化的条件下改善人脸配准精度。（2）提出采用多级分段回归策略进行非受限人脸配准并估计姿态的方法。传统的单一回归方式难以准确高效地建立从二维图像到三维参数的高维非线性映射,导致配准误差增加和计算量浪费。为此针对不同阶段的纹理变化特性,逐步缩小回归尺度,依次对反映人脸变化的刚性参数和弹性参数进行精细程度不同的调整。实验结果表明该方法能改善图像描述的稳定性,提高人脸大姿态偏转时的配准精度和计算效率。（3）提出融合多通道时空信息来量化分析眼睛状态的方法。基于单帧图像分析的眼睛状态判别方法忽略了时序信息,不能反映动态变化趋势,缺乏对运动过程的整体约束,导致检测效能降低。为此融合帧内图像、帧间运动、时空显著性信息等不同通道的眼睛状态分析结果,得到更具描述性和区分性的量化表示用于眨眼检测。实验结果表明相比单一描述特征,该方法提高了眼睛状态量化分析的精度和可靠性。（4）提出基于差异化时空多尺度分析检测眨眼行为的方法。眨眼在整个时间序列中呈非均匀分布,对持续睁眼和眨眼采用相同的处理方式,极大增加了计算量。为此将眨眼作为一种特定的行为模式,进行时空多尺度分析。针对不同片段的特定内容,采用差异化特征表示和检测手段,采用逐层拒绝、判别和确认的策略,精确定位眨眼过程。实验结果表明相比传统行为检测方法,该方法减少了计算量,并取得了更高的眨眼检测精度。集成以上各项研究成果并应用于驾驶人疲劳检测系统中,能增加提取几何特征、帧内图像特征和帧间时序特征的精度,进而提高眼睛状态量化分析、眨眼检测的准确性,最终改善疲劳检测的效能和可靠性,有助于实际系统的应用和推广。