在公路交通快速发展的时代，疲劳驾驶已成为引发交通事故的主要原因。因此，如何快速、准确的识别驾驶员的疲劳状态已成为世界各国研究的热点。而机器视觉理论及其在人脸检测领域的应用和发展，为驾驶员的疲劳检测提供了新的解决途径。论文收集并分析了大量近年来国内外关于人脸检测和疲劳识别方面的研究成果，提出基于计算机视觉方案，应用先进的图像处理技术和模式识别技术，构建基于单目视觉的驾驶员疲劳识别系统，并在此基础上展开相关的探索性研究。　　 论文首先介绍了国内外驾驶员疲劳检测和驾驶员状态监测系统的研究现状及其发展趋势，以改进的AdaBoost人脸检测算法为基础，提出了基于人脸检测的驾驶员疲劳识别系统方案。　　 论文深入分析了Paul Viola提出的快速人脸检测方法，根据驾驶疲劳识别系统精确定位眼部和嘴部区域的特点，提出标准化样本集的方法和标准，使得训练出来的分类器只对竖直人脸子窗口敏感。文中提出通过旋转缩小法穷举待检子窗口，准确检测人脸区域并修正转动角度，为准确分割眼部和嘴部区域创造了良好的条件。　　 论文在分析了目前常用的眼睛分割算法的基础上，提出基于灰度积分投影和几何位置约束分割眼部区域的方案，并在此基础上采取上眼睑曲率分析算法提取眼部的特征参数。　　 论文在嘴部特征参数提取方面，根据嘴部位置特征和形态特征判断驾驶异常状态，提高了嘴部状态识别算法的实时性和鲁棒性。　　 考虑到系统的扩展性和实用性，基于DirectShow技术和OpenCV技术研发驾驶员疲劳检测系统。文中针对复杂光照环境和不同实验对象进行试验验证，实验结果表明该系统具有较低的误判率。研究结果为安全驾驶提供了有意义的指导，为进一步的工作奠定了基础。