随着中国经济的蓬勃发展，汽车作为一种日常工具已经在中华大地越来越普及，使得普通家庭的出行愈加便捷。交通运输行业的繁荣发展创造了巨大的社会财富，但随着日益增加的保有量不可避免地带来导致道路交通事故率的升高以及居高不下的死亡人数，造成了不可估量的社会经济损失。　　本文设计了一个驾驶员疲劳驾驶检测系统，通过安装在仪表盘上方的摄像头获取驾驶员脸部实时图像，并通过监测眼部区域状态判断驾驶员是否疲劳驾驶。本文研究了各种疲劳驾驶检测技术原理以及实现方法和在实际中的应用，最后确定了基于机器视觉以人眼区域开合状态作为判断标准的疲劳驾驶判定方法。在人脸检测算法中分析了基于知识、基于模板匹配和基于统计模型三类算法并从中选择了基于知识的方法。在颜色空间的选择上研究了包括YCbCr颜色空间、RGB颜色空间和HSV颜色空间等各个颜色空间下人脸肤色的聚合特性，实现了图像预处理，YCbCr颜色空间转换，建立高斯肤色模型，利用 Otsu分割肤色区域并人脸区域的筛选。研究了人眼检测定位方法，分析了人眼检测的四类方法从中选择了基于统计分析的学习的AdaBoost算法进行人眼检测，建立了人眼样本库，设计了AdaBoost级联分类器，实验结果表明以高准确率检测出人眼。利用区域生长法从二值化人眼区域中提取出瞳孔部分，并遍历瞳孔区域图像得到上下眼睑高度，为下一步疲劳驾驶判定做了铺垫。最后选择了PERCLOS中P80标准作为判断准则的疲劳驾驶检测系统。　　本文测试了各个模块的功能，达到设计要求。人脸定位模块成功地将类肤色区域提取分割；人眼检测模块在类肤色区域中准确检测出人眼；进行疲劳判断时成功地利用区域生长法提取出瞳孔并检测出上下眼睑距离，测试准确率达到要求。本文最后对测试结果进行了分析总结，并提出了展望。