随着汽车销量的不断增加，汽车逐渐成为人们的主要交通工具，但是交通事故的发生频率也随之增加据不完全统计，驾驶员注意力分散已经成为导致交通事故发生的主要原因因此，为了减少由于注意力不集中而发生交通事故的频率，有必要研发一种能够通过检测驾驶员的注意力来判断其驾驶状态的系统，以便在驾驶员注意力不集中时，能够及时发出提醒信号，为驾驶员的出行提供安全保障本文基于双目视觉技术，首先利用Adaboost算法对人脸以及面部器官进行检测，然后利用CamShift算法结合Kalman滤波器对目标进行跟踪，再利用三维重建方法计算出人脸的朝向，并基于视线离心率对注意力分散程度，进行了量化测量主要工作内容如下：1利用Adaboost算法对人脸及面部器官进行了检测分别采集大量前景图片和背景图片，并制作成样本利用正负样本训练出级联分类器，并用分类器在图像中检测到目标，即双眼和嘴的三个中心位置提出了如下方法：首先对脸部进行定位，然后根据面部器官，主要是双眼和嘴在人脸上的位置，缩小了搜索区域，检测出双眼和嘴的位置，提高了检测效率2提出了利用CamShift算法和Kalman滤波器结合的方法对检测到的目标进行跟踪，进而获得每一帧中目标所在的位置本方法克服了目标变形和被遮挡时无法识别的缺点3基于OpenCV对摄像头进行了标定，获取了摄像头的内外参数将检测到的双眼以及嘴部的中心位置作为三个特征点，根据求得的特征点以及摄像头的内外参数，计算出人脸面部朝向提出了用人脸平面的法向量与车内前方场景的映射平面的交点来计算人脸朝向的方法4将车内场景定义为三个椭圆区域，用椭圆区域的权重值替代视线离心率，同时考虑整个驾驶时间区间，计算出连续增加或减少的注意力分散水平值经过实验验证，本论文所提出的方法，能较为有效地对驾驶员的双眼和嘴部进行跟踪和检测，并计算出面部朝向，能较为准确地对驾驶员注意力分散状态进行检测