由于各种因素造成的疲劳驾驶，已成为导致交通事故的重要原因。采用先进的技术手段，对驾驶员进行实时监测并及时预警对减少交通事故的发生具有重要意义。基于计算机视觉的驾驶员疲劳监测方法，具有非侵入式、高可靠性的特点，在疲劳预警装置中被广泛采用，是疲劳监测算法研究的一个热点方向。由于眼部的行为特征与驾驶员疲劳程度相关性强，基于驾驶员眼部行为的疲劳监测方法，在计算机视觉监测疲劳领域占据着重要的位置。针对基于眼部行为的疲劳监测算法中存在的鲁棒性、准确性及实时性三个关键问题，从监测算法过程中涉及的人脸监测、人眼定位及疲劳判定机制三个关键环节入手，给出了一种新的基于眼部行为的疲劳监测算法，并对算法关键环节及算法结果进行了实验验证。论文主要工作如下：1.针对背景人脸影响、头部姿态及光照变化问题，在研究AdaBoost算法过程的基础上对其进行改进，设计了一种基于跟踪思想的多姿态人脸监测算法。这种算法即提高了人脸检测的正确率又大幅提高了人脸检测的速度；针对人脸光照对人眼定位的影响，给出了一种自适应图像分割方法，有效的克服了光照对人眼定位的影响。2.对人眼定位领域应用最为广泛的灰度投影算法进行了改进，给出了一种基于曲线融合的投影人眼定位算法，并在静态人脸库上做了大量实验，验证了算法的有效性；分析了自适应图像分割与改进的投影算法在基于视频序列的人眼定位中存在的问题。在此基础上，采用了简单的灰度二值化方法进行眼睛目标提取，并将图像矩描述及上下文分析方法应用到人眼验证及寻优中，在实现眼睛定位的同时实现了眼睛高度的提取。本文眼睛定位及状态分析方法在保证高的正确率的前提下，大幅提高了算法实时性。3.单一疲劳识别指标在疲劳识别时存在局限性，通过延长采样时间来提高PERCLOS指标的准确性，同时引入平均眨眼时间指标(TIMNCTATON)与PERCLOS指标进行融合，设计了一种双指标三级别疲劳识别机制，有效提升了疲劳识别准确性；考虑了危险动作，通过人脸及人眼定位成功与否来判定驾驶员是否存在危险动作。本文对疲劳监测系统中的各个模块及系统整体做了测试，对测试数据进行了分析，验证了疲劳监测系统的有效性。从测试结果看，该系统预警准确、及时，效果良好。系统算法采用C++与OpenCv进行编程，为算法移植、系统设备小型化创造了良好条件。