汽车司机疲劳驾驶是引发交通事故的一个重要原因,许多国家正积极进行疲劳报警器的研究。本文设计了一套红外采集系统,根据疲劳的生理特征研究结果,采用计算机视觉和图像处理的方式检测眼睛的变化信息,在不影响司机驾驶的情况下判断司机的疲劳程度。本文在分析各种生理特征与疲劳的相关性后,选用PERCLOS与眼睛眨动次数相结合的方法作为判定疲劳程度的依据。并计算了疲劳检测的数学模型。外界光线对采集图像的质量影响很大。本文采用红外发光管做光源实现系统的全天候工作,用950nm的滤镜过滤外界自然光中的可见光和950nm窄带波段以外的红外线,提高了脸部图像的清晰度。在对比其他的图像处理方式后,本文采用1394卡加MALTAB图像处理的方法采集和处理图像帧。实时地捕捉瞳孔的面积就可以知道瞳孔的大小、眼睛的闭合程度和眨动的次数。因此本文在图像分析部分的任务是从背景中提取脸部区域,然后定位眼睛,分析瞳孔的面积。本文将图像分析系统分为脸部提取和眼睛定位两部分。在脸部的提取中,本文采用差分法和光流场分析相结合的方法检测图像的运动信息,然后结合自动方差门限法及其他方法提取运动量较大的图像区域作为脸部区域。这种动态分析方法结合了差分法的高效率和光流分析的准确性的特点,实现了高效,准确的检测。在眼睛的定位和瞳孔面积的计算部分,本文主要采用了圆周频率滤波的方法定位眉心,然后根据眉心的位置在估计的眼睛区域内用改进的广义对称变换定位瞳孔的中心,最后计算瞳孔的面积。为了提高效率,在定位出前一帧的眼睛位置后,我们只在估计的范围内搜索下一帧眼睛的可能位置。多个实验分析结果表明,本系统能够实时准确地检测眼睛的眨动次数和闭合程度,从而有效地检测疲劳程度。