司机疲劳驾驶是引发车祸的主要因素之一。根据交通部门的统计，由于疲劳驾驶造成的交通事故占将近事故总数的20％。因此，如何有效监测和防止驾驶员疲劳驾驶，对于降低交通事故及人员死亡率有着十分重要的现实意义。据美国国家公路交通安全局公布的数据显示，在各种生理特征与驾驶疲劳的相关性中，PERCLOS（单位时间内眼睛闭合时间所占的百分率）与疲劳的相关性最佳，因此我们选用了PERCLOS作为判定疲劳程度的依据。　　 课题开展初期，首先分析了现有的疲劳检测指标，并且将这些指标分为生理生化指标与外在行为指标两个大类，指出这两大类指标之间的内在联系，提出内外指标结合，多参数检测疲劳的研究思路。　　 根据这个思路，课题选择了眼动参数PERCLOS和脑电信号作为驾驶疲劳检测指标，利用《3D驾驶学校》，罗技方向盘等构建了模拟驾驶环境平台，利用数字摄像头和视频采集软件AMPCap构建了视频采集系统，利用脑电信号采集仪构建了脑电采集系统。　　 课题基于眼动参数PERCLOS设计了基于机器视觉的驾驶疲劳检测软件系统。这套系统具有实时捕捉和离线读入视频的功能，并且基于机器视觉对视频进行处理，获取眼动参数PERCLOS。在处理视频时，软件实现了PERCLOS参数的实时显示和PERCLOS曲线的同步显示，最终完成疲劳检测。其中，实时捕捉功能利用DirectShow技术完成。　　 课题完成了4人次的疲劳检测实验，采集了模拟驾驶环境下的视频数据和脑电信号。然后，利用基于机器视觉的驾驶疲劳检测软件系统对所采集到的视频数据进行离线分析，结果发现，当发生疲劳时，PERCLOS参数与疲劳程度表现出良好的相关性，因此，验证了整套方案的可行性和软件系统算法的鲁棒性，并且为后续的疲劳检测研究提供了很好的平台。