随着社会经济的发展,机动车辆与日俱增,同时交通事故也随之越来越多,已成为当前各国所面临的严重问题,而疲劳驾驶是引发交通事故的主要因素之一。与其他监控方法相比,用机器视觉的方法监测驾驶员的疲劳状态,在实时性、非接触性及全天候等方面有更大的优势,所以该方法已成为当前研究的一个热点。在研究前人工作的基础上,本文对驾驶员疲劳检测的人眼与瞳孔定位方法进行了研究。该算法包括四个部分：人脸的检测与定位、人眼定位、瞳孔的检测与定位、识别驾驶员疲劳状态。本文研究内容和取得的主要成果如下：(1)人脸的检测与定位。从红外摄像头获取的视频流中读取一帧红外图像,利用红外人脸图像面部区域亮度较高的优势,采用改进的迭代式阈值算法对图像进行二值化处理,然后利用基于探测搜索区域标记的方法定位出人脸区域。该方法相对简单,不仅能够准确的定位人脸,而且基本不受光照的影响,很好的解决了传统检测方法受光照,脖子、头发、刘海以及姿态等因素的干扰,从而导致定位不准确的缺点。(2)人眼的检测与定位。在获取人脸的基础上,充分利用人眼的复杂度以及“三庭五眼”的几何特征,然后通过自适应中值滤波算法和迭代阈值法获取最小人眼块,最后利用最小人眼块的质心和积分投影最终准确定位眼睛,该方法能有效避免刘海、长头发等因素的干扰。(3)人眼瞳孔的定位。本文在仔细分析红外图像中亮瞳的特点以及SUSAN(Smallest Univalue Segment Assimilating Nucleus)算法本身的基础上,提出圆型角点；然后利用改进的SUSAN算法寻找圆形角点,根据梯度放缩计算角点向量的梯度值,最后通过筛选函数输出瞳孔中心位置及亮瞳面积。根据PERCLOSE原理,结合瞳孔定位输出瞳孔面积的特点,采用计算瞳孔面积的方法实时检测驾驶员疲劳状态。算法充分利用了瞳孔的特点、速度较快,能够满足了实时性的要求。