随着人们生活水平的提高,全球机动车的数量爆炸式增长。然而,机动车数量增加给人们带来方便的同时,也会给人们带来生命上的威胁,交通事故数量也直线上升。而造成交通事故发生的一个重要原因就是疲劳驾驶。因此,针对这一因素,研发出能够快速、准确、稳定的提醒人们疲劳驾驶的系统是非常有必要的。本文针对人眼状态这一特征来进行疲劳驾驶的检测和判断。具体过程如下:(1)视频图像预处理首先从车载摄像头中进行视频图像采集,然后对采集到的视频图像进行光照补偿处理,接下来使用K-means图像分割以及遮罩生成和遮罩模糊来对图像进行背景去除,这样就会得到只有前景的图像,最后再对图像进行灰度图像处理。处理完的图像在识别速率、效率、准确性上都有大大的提高。(2)人脸检测与识别在得到预处理的图像后,首先需要对人脸进行粗略定位,通过肤色信息在HSV与YCb Cr双色彩空间的不同特征来对人脸进行粗略定位,然后使用类Harr特征的Adaboost算法构建一个新的人脸分类器,从而来对粗略定位的人脸进行精确定位。(3)人眼检测与识别识别到人脸之后,首先需要确定人眼的大致位置,此过程使用模板匹配算法来完成,然后使用Hough圆变换的瞳孔检测算法来对人眼进行精确定位。(4)疲劳驾驶的判定使用PERCLOS疲劳判定准则来对驾驶员的状态进行判定。如果判断为疲劳驾驶就对驾驶员进提醒与警示,如果未判断为疲劳驾驶,则无需提醒。最后,通过使用OpenCV以及C++语言,并进行场景还原,验证了本文算法的可行性,能够达到在驾驶员疲劳时进行预警。在同样的疲劳驾驶研究中,其他研究的检测时间平均为33.29ms,使用本文的算法可以将检测时间降到30.04ms。这无疑对疲劳驾驶检测研究有着很大的帮助。