随着社会经济的发展,机动车辆与日俱增,随之而来的人身安全越来越受到人们的关注。最近的研究表明:造成汽车碰撞事故的原因25-30%产生于驾驶疲劳。驾驶疲劳可能影响驾驶员的警觉和安全驾驶能力。因此,许多国家都积极开展有关驾驶疲劳的研究工作,也取得了一定的进展。但目前仍然缺乏一套让交通事故大幅度减少的可靠系统。因此,我们认为:建立“以人为中心”的主动安全预警系统,能够大大减少交通事故的发生,这也是智能交通领域的一个重要发展方向。论文首先介绍了国内外驾驶疲劳检测和驾驶员状态监测系统的研究现状,以及当前以驾驶员为中心的主动安全系统的研究情况,提出了我们的基本构思:基于计算机视觉技术、图像处理技术和模式识别技术,来实现驾驶员主动安全性审计分析,最终建立“以人为中心”的主动安全预警系统。论文实现了基于改进型SNAKE算法和改进型HOUGH TRANSFOEMS算法等图像处理和模式识别技术的驾驶员面部外轮廓和五官特征的提取,特别是很好的解决了旋转人脸定位这一人脸识别领域长期以来的重大难题,并运用PERCLOS算法判断出驾驶员是否处于疲劳状态,有效的实现驾驶员疲劳状态检测。论文分析了行车过程中信息的特点,以及驾驶过程的三个阶段,即:感知、决策、和操作;探讨了“人、车、环境”这一闭环系统中,三者之间的相互作用关系,得到了“人、车、环境”的模型,提出了“以人为中心”的“人、车、环境”的模型。论文在分析了传统的决策过程模型的基础上,针对驾驶过程的基本特点,提出了基于自学习机制的驾驶员决策过程综合模型,并针对该模型的各个环节,提出了:基于证据融合理论的特征匹配模型、基于规则的逻辑推理、基于特征相似度的一致性分析、基于安全性综合评价的措施方案选择过程建模;提出了基于降维投影变换的自学习机制的建模。根据驾驶员的安全意识在驾驶过程中的作用,论文引入了安全意识测度的概念,提出了基于了安全意识测度的统计模型;利用“人、车、环境”的安全等级模糊隶属度,通过统计模型对驾驶员的安全意识进行衡量,对驾驶行为进行实时审计;提出了疲劳积累过程模型,分析了驾驶员感知、判断决策、操作等环节的疲劳特性;根据驾驶员在疲劳状态下的安全意识测度的影响,提出了基于安全意识测度的疲劳分析算法。论文最后在信息获取的基础上,通过对几种典型的运动状态的分析,提出了基于最小安全距离的危险估计。