众所周知，疲劳驾驶已经是成为引发全球交通事故的又一大重要原因，同时其所带来的行车安全隐患也日益受到大众的广泛关注。采用科学检测的方法辅助安全驾驶，预防驾驶员驾驶疲劳已经是当前研究的热点问题之一。本论文采用基于视频的人脸面部特征状态分析方法来判定驾驶是否处于疲劳状态。首先,本文综合比较了各种人脸检测方法的性能优劣，选择了通过训练正面人脸样本分类器的方式对人脸进行实时检测，较好地满足了系统的实时性要求，而且分类器训练过程简单，方便并易于实施。其次，针对人脸检测阶段出现的头部较大偏转或是面部被遮挡情况下不能检测到人脸的情况，提出了人脸跟踪策略，并创新性地加入了TLD跟踪算法，通过在线学习的方式使得系统能够适应多种特殊条件下的人脸检测与跟踪。然后，采用建立人眼面积数学模型的方式分析人眼状态，综合分析了影响人眼目标区域面积大小的各种因素，包括驾驶员至摄像头距离和不同人脸特征，通过控制变量法对模型进行论证求解，将得到的一系列数据集反馈更新数学模型，从而使得模型更加精确有效地判别出人眼的实时状态。通过分析不同时期人嘴巴的活动状态，获得了嘴巴宽高比变化曲线Km。该曲线描绘了驾驶员嘴巴在不同情况下的状态变化曲线。将Km变化曲线作为衡量驾驶员是否疲劳的又一关键特征，从而有效避免了只依赖于人眼特征的单一性和不确定性。在PERCLOS算法中P80模型的基础上，并结合嘴巴高宽比Km变化曲线，采用加权方式获得最后的疲劳判决条件，利用多特征信息融合判断驾驶员是否驾驶疲劳。最后，经系统实验验证，本文所提算法能够达到预期的设计要求。