疲劳驾驶是当今交通安全的重要隐患之一,驾驶员处于疲劳状态时对周围环境的感知判断能力和对车辆的操作控制能力都会有所下降,因此极易发生交通事故。统计数据表明,每年都有数以千计的人死于疲劳驾驶,可见疲劳驾驶对人们的生活造成了严重的影响,因此研究高性能的驾驶员疲劳实时检测和预警技术,对改善我国的交通安全状况具有十分重要的意义。本文对国内外有关疲劳检测方法的研究现状及发展趋势进行了分析研究,提出一种基于视频图像分析的驾驶疲劳检测方法。本文主要工作如下:(1)对视频图像分析处理,定位出驾驶员面部位置。为提高人脸定位的准确率,首先对采集到的视频图像做光线补偿处理以减小光照对检测结果的影响;根据肤色在色彩空间的聚类特性,选用YCbCr色彩空间,在该色彩空间上建立肤色聚类模型进行肤色提取,并引入人脸大小、位置等判断因素,进一步定位出人脸的精确位置;(2)对CAMshift(Continuously Adaptive Mean Shift,简称CAMshift)算法应用于人脸跟踪进行了研究。利用检测到的人脸位置,作为CAMshift算法的初始跟踪窗口,从而实现了自动人脸跟踪。并开发了实际应用程序;(3)为了在人脸区域内进一步进行眼睛定位及状态检测。本文提出一种基于支持向量机决策树(Support Vector Machine-Decision Tree,简称SVMDT)算法的人眼检测方法,首先利用先验知识确定人眼候选区域,然后利用SVMDT分类器对候选区域进行分类,该方法可以同时实现人眼的定位及状态检测,实验证明了该方法的可行性;(4)针对疲劳状态判断问题,在人眼状态检测后,利用瞳孔的上下最大距离计算眼睛的睁开程度,通过计算PERCLOS(Percentage of Eyelid Closure Over the Pupil Over Time,简称PERCLOS)值和眼睛的持续闭合时间来判断驾驶员的疲劳状态。