随着机动车保有量的不断增长，道路交通事故呈不断上升趋势，疲劳驾驶是交通事故的重要原因之一。科研人员正在探索一种监督机制来检测驾驶员是否疲劳，进而提示驾驶员所处的危险状态，使其有意识地采取相应的措施，避免疲劳驾驶诱发交通事故。人眼开闭状态是判断驾驶员疲劳与否的简单有效的参数之一。本文主要研究应用Gabor小波变换来识别人眼开闭状态。首先应用肤色模型进行人脸检测，缩小变换区域；然后利用Gabor小波变换在频域指定尺度和方向上提取相关的特征，提出了两种的有效的人眼开闭状态识别的方法：基于Gabor小波变换和积分投影的人眼状态识别技术和基于基于Gabor小波变换和模式识别的人眼状态识别技术。第一种方法通过调整Gabor滤波器的参数，使经过Gabor滤波后的灰度图像突出了眼睛在竖直方向上的开闭特征，弱化了面部其他器官的灰度特征的干扰。睁眼与闭眼图像的积分投影曲线的峰平比存在较大的差异，可以作为判别人眼开闭状态的依据。第二种方法通过对Gabor灰度图像在竖直与水平方向的积分投影实现人眼定位，在人眼Gabor图像中抽取少数几个人眼关键特征点的幅值作为特征向量，送入SVM分类器训练创建模型，再利用此模型进行预测得到识别结果。本文利用VC++6.0平台、OpenCV计算机视觉库与LIBSVM软件包实现算法的程序设计并给出样本实验结果。实验结果表明两种方法均能有效地识别人眼开闭状态，其中第一种方法不需要人眼的精确定位，实现简单。第二种方法特征向量维数较低，不需要降维处理，识别率高。两种方法均可应用于疲劳驾驶监督机制，预防疲劳驾驶诱发的交通事故。