交通事故已逐渐成为当今社会的“第一杀手”，据相关数据表明，疲劳驾驶是造成交通事故的一个主要原因。因此，如何有效地检测和预防疲劳驾驶，对降低交通事故的发生具有重要的现实意义。　　由于驾驶员疲劳状态的判断会受到多种外界因素的影响，且缺少准确、统一疲劳参数标准，因此到目前为止市场上还没有出现一款能够兼具鲁棒性、实时性及实用性的驾驶员疲劳检测产品。本文在参考大量国内外相关文献及分析对比各种疲劳检测方法的基础上，主要研究了基于计算机视觉的驾驶员疲劳检测方法。通过对驾驶员脸部图像的分析，提取出眼睛和嘴部等疲劳参数，采用模糊推理的方法快速、准确的对驾驶员的疲劳状态进行判断并给予警告或提醒。本文主要研究内容有：　　（1）研究分析了各种人脸检测方法，并提出一种改进AdaBoost（Adaptive Boosting）的人脸检测算法，该算法通过去除冗余特征，优化弱分类器选择和优化级联技术来提高算法的有效性。实验表明，本文算法与AdaBoost算法相比具有较高的检测精度，而与支持向量机相比，在检测精度相近的情况下检测速度明显提高。　　（2）研究分析了各种眼睛定位方法，本文先采用灰度积分投影确定眼睛的大致区域，然后在此区域应用从粗到细改进的模板匹配方法精确地定位眼睛位置。通过实验验证，本文方法较之传统的模板匹配方法具有较高的检测速率，且对头部旋转、倾斜具有较强的鲁棒性。　　（3）目前的嘴巴定位方法复杂，计算量较大，不适于实时性要求。对此，本文根据已定位出的眼睛位置，研究了一种简单、快速的嘴巴定位方法。首先根据先验知识和人体面部器官分布规律得到嘴巴的大致区域，然后使用大津法对其进行二值化，求出每一列像素和并进行分析判断从而得到嘴角的位置坐标。实验结果表明，该方法能够较好地满足系统对实时性和准确性的要求。　　（4）单一的疲劳参数来判断驾驶员是否疲劳有一定的局限性，容易受到外界因素的影响而造成误判。针对该问题，本文提出了一种基于模糊推理的疲劳判断方法，使用以眼睛闭合程度，嘴巴张开程度和眨眼频率作为输入信号的模糊推理机，对驾驶员的疲劳程度和眼睛异常状态进行综合判断，保证了系统检测的实时性和准确性。通过实验验证，系统的疲劳程度及眼睛异常状态的判断符合实际情况，具有现实应用性。