驾驶员疲劳已成为引发交通事故的主要因素之一,用基于机器视觉的方法来检测驾驶员疲劳在实时性、准确性、非接触性、适用性及经济性等方面比其他监控方法有更大的优势,成为当前研究的一个热点。本文在研究前人工作的基础上,认为夜间是驾驶员疲劳的多发阶段,因此本文使用了特殊的红外光源拍摄驾驶员正面面部图象,并根据红外图象所具有的特点提出了一个有效的驾驶员疲劳检测方法,整个方法分为四个过程:人脸的检测,人脸的跟踪,人眼的定位和驾驶员疲劳状态识别。本文的研究内容如下:(1)人脸检测是驾驶员疲劳检测的前期工作。传统的检测驾驶员面部多采用基于肤色分割的算法和基于灰度投影的方法。这两种方法对光照都有较高的要求,在光照不均匀,光照不足或者姿态变化的情况下难以有效的定位人脸。本文首先进行人脸的粗检测,利用红外人脸图象面部区域亮度较高,背景简单的优势,采用迭代式阈值算法对图象进行二值化处理,然后提出了一种垂直投影与区域连通相结合的算法进行人脸准确定位。这种人脸检测方法不仅能够准确的定位人脸,而且受光照的影响较小,对姿态变化不敏感,很好的解决了肤色分割和垂直投影受光照影响定位不准确的缺点。(2)人眼定位是驾驶员疲劳检测中关键的一步,传统的霍夫变换法和模板匹配法要求人眼区域具有较为清晰的边缘信息,而且计算量很大,实时性不高,本文在仔细分析红外图象特点的基础上,改进了Harris角点检测算法,并将其应用到瞳孔的定位中,避免了复杂的运算,而且定位准确,算法速度快,完全地满足了实时性的要求。(3)本文根据PERCLOS原理,采用计算驾驶员眼睛睁开面积的方法实时监测驾驶员疲劳状态,该方法针对夜间是驾驶疲劳的高发时期,采用红外光做为光源,解决了夜间微光不稳定,时有时无的问题,所采用算法简单有效,复杂度低,不仅对光照的影响不敏感,而且具有较好的容错性和鲁棒性。