航空事故的调查数据表明,75%事故是人为原因造成,而此类事故多与飞行员疲劳驾驶有关。因此开发一套在飞行实际过程中监控飞行员是否疲劳的系统具有重要意义。美国国家机动车研究与标准制定办公室制定了PERCLOS算法来检测驾驶疲劳,PERCLOS算法是指测试时间内眼睛闭合所占时间与测试时间的百分比。目前,研究中通常采用PERCLOS算法得出一分钟内眼睛闭合时间占到80%就判定为驾驶疲劳。借鉴此算法可以在飞行员出现在疲劳症状前给以提示,实验表明这种方法相对于其它方法具有很好的实用性和可靠性。本文在机器视觉的基础上研究基于PERCLOS算法驾驶员疲劳度实时监测技术,基于摄像机采集的飞行员驾驶图像进行算法处理,可以有效地实时监测飞行员眼部状态。通过判断眼睛闭合时间的相对百分比,从而确定飞行员是否疲劳,由此来辅助提醒安全驾驶。为以后开发一种非接触,实时的机载飞行员疲劳监测系统打下基础。本文研究基本方案是通过摄像机采集正在飞机模拟机飞行的飞行学员面部图像,然后将图像实时传输到电脑中进行面部识别,眼部检测,眼睛状态判定等处理,判断此飞行学员是否疲劳。并且对比其在正常休息、缺乏睡眠等状态下疲劳判断一致性情况。飞行员面部检测,眼睛的精确定位以及眼睛状态判断是实现本监测技术算法的关键。本文提出了基于肤色检测脸部的计算方法,在面部检测基础上,利用灰度比较与复杂度判断结合进行眼睛初步与精确定位,再通过改进的径向变换与霍夫变换相结合来判断眼睛的睁开闭合状态,较好地解决了某些算法的不足和局限。最后通过判断连续视频图像中眼睛闭合帧数与时间,最终判断出驾驶员是否疲劳,论文基于MATLAB7.0图像采集工具箱采集视频图像数据,在MATLAB环境下设计出软件完成图像相关处理与结果输出。通过实验分析,采取的算法结果与实际基本一致。