近年来,我国的汽车保有量迅速增加,交通事故发生率居高不下,给人民的生命和财产造成了巨大的损失,交通安全问题已日益成为一个严重的社会问题。驾驶员疲劳和注意力分散是引发交通事故的一个重要原因,因此,国内外的许多科研院所着力于驾驶员疲劳和注意力检测的研究。该研究对于减少交通事故发生、提高道路交通质量具有十分重要的现实意义。　　 当前驾驶疲劳和注意力分散的检测方法有很多,在众多的研究方法中,基于计算机视觉的相关研究已成为该领域研究的主流技术。本文在综合分析以往的疲劳检测方法的基础上,提出了应用视觉技术对驾驶员的眼睛、嘴巴和面部姿势进行实时的监控,提取出相应的参数信息,再用贝叶斯网络对这些参数进行数据融合,综合的对驾驶员的驾驶状态进行判断,具体内容如下:　　 (1)提出基于红眼效应的眼睛疲劳检测及参数的提取。利用带有红外光圈的摄像头采集驾驶员的面部图像,然后对采集的图像用可变的阈值进行二值化处理,提取出可能的候选眼睛点,再通过形状、几何检测进一步确定眼睛点,提取眼睛的疲劳参数,该方法过程简单,能实时监测,便于嵌入式应用;　　 (2)提出基于OTSU和椭圆拟合的嘴部疲劳检测及参数的提取。先根据人的嘴巴色素与面部色素的差异性,用OTSU算法把嘴巴从人的面部分割出来,再利用椭圆拟合的方法进一步定位人的嘴巴,统计嘴巴的疲劳参数值,该方法充分利用了的颜色和形状特征,有利于提高嘴巴检测的准确性;　　 (3)提出基于面部特征三角形来分析驾驶员的注意力状况。先统计驾驶员经常注视的区域,分析由面部两只眼睛和嘴巴组成的特征三角形在驾驶员注视各个角度时形成的不同形状,利用这些形状特征来计算出驾驶员的面部偏转角度,进而来判断驾驶员的注意力状况,该方法过程简单,对头部姿势检测很有效:　　 (4)提出用贝叶斯网络对上面提取到的参数信息进行数据融合。将前面统计出来的眼睛、嘴巴以及面部姿势的参数值作为输入值,代入贝叶斯网络,进行逻辑判决,计算驾驶员是否处于正常驾驶状态的后验概率值,并给出相应的警示。根据所提出的算法过程,采用面向对象的设计方法进行编程实验,并取得了很好的效果。