目前，疲劳驾驶已经成为交通事故频发的主要原因之一，给人们的生命和财产安全造成了巨大的损失，所以，如果可以预先检测到驾驶员的疲劳状态并给出预警，就能有效的避免因疲劳驾驶而引发交通事故。疲劳会导致人体的一些生理特征发生变化，而人眼的变化尤为突出，在疲劳状态下人眼闭合的持续时间会增长。基于这一原理，本文是对疲劳驾驶人人眼特征的识别方法及应用的研究。本文首先对国内外疲劳驾驶检测的相关技术进行了系统分析，选取最简单、有效的灰度积分投影算法和卡尔曼滤波跟踪算法进行疲劳检测。疲劳检测的首要任务是人脸检测和人眼定位，检测和定位前先对图像进行预处理，包括相似度计算、灰度处理和二值化处理，图像的预处理可以减少光照和噪声的影响，再利用灰度积分投影算法实现人脸检测和人眼定位。在人眼定位完成后再采用卡尔曼滤波算法进行人眼跟踪，人眼跟踪的目的是节省时间，以此来满足疲劳检测系统的实时性需求，对人眼图像进行的标准化操作可以避免因驾驶员的坐姿而影响检测结果。最后是疲劳状态判断，首先通过人眼轮廓提取、区域放大和人眼张合度计算来判断人眼的睁闭状态，文中把人眼张合度小于20%的图像视为人眼闭合状态，再根据PERCLOS标准来判断驾驶员的疲劳状态。在疲劳检测过程中，单位时间内对人眼实施重定位可以保证人眼跟踪的准确性，以防因跟踪失败而造成疲劳检测的错误。本文以达芬奇实验系统为平台，采用PC机结合CCS集成开发环境仿真实现疲劳检测，其测试内容包括驾驶员分别在不同光线、不同姿态和不同帧数下的疲劳检测，实验结果达到了预期目标。根据实验结果分析可知，正常情况下系统能够实时准确的完成人脸检测、人眼定位和跟踪、疲劳状态判断，也说明本系统适用于驾驶员疲劳检测。