在当今社会交通事故越来越严重的情况下，对司机进行疲劳驾驶检测显得更加重要。目前，国内外专家研制出了多种疲劳驾驶检测方法，诸如检测心跳速度的，检测车道偏离状况的，检测头部位置以及检测转向盘等等。由于驾驶环境的限制，一些需要与驾驶员直接接触的检测系统往往会引起驾驶员的正常驾驶。结合种种检测系统的优劣，并且眼睛最能直观的反映驾驶员的疲劳状态，因此，本文选用基于图像处理的PERCLOS准则和眨眼频率相结合进行疲劳驾驶检测，该方法也是疲劳驾驶检测研究领域的热点之一。本课题是基于图像处理知识对疲劳驾驶检测进行研究。主要根据司机在驾驶过程中一般会出现的疲劳特征状态来进行检测，整个系统是根据司机在驾驶过程中眼睛区域的PERCLOS值和眨眼频率来判定其是否处于疲劳驾驶状态。在检测过程中，包括对图片的预处理，人脸定位，人眼定位，人眼状态检测，PERCLOS值的检测计算，眨眼频率的检测。其中人脸定位是将YCbCr颜色特征和小区域删除，空洞填充以及下颚跟踪等算法相结合，改进的定位算法排除了脖子处的肤色区域的误判，使得检测到的人脸区域更精确；人眼定位过程中采用了灰度积分投影跟改进的模板匹配相结合的方法，不仅使得定位结果精确度跟高，同时也降低了传统模板匹配检测算法的复杂性，使得检测效率也得到了提高；人眼状态提取过程中，本文选用了区域灰度比较法，该算法计算简单且鲁棒性较好；最后在判定疲劳状态过程中，本文选择PERCLOS准则再结合眨眼频率来共同判定。在VC++6.0环境下对驾驶员进行模拟仿真，该检测系统准确率高达90%，检测效率高。实验表明：本文所改进的人脸定位，人眼检测，人眼状态提取算法大大减小了计算复杂度，并且有较高的准确率。满足疲劳驾驶检测过程中所需要的准确性以及实时性。因此，本文提出的疲劳驾驶检测系统具有很高的实用和可研究价值。