汽车的增加给人们的出行带来了极大的方便，也给人们的生活和工作方式带来了革命性的变革。然而随之带来的道路交通伤害却是一种致命的灾难。疲劳驾驶作为造成道路交通伤害的主要原因之一，其检测及预防技术一直没有很大的突破，已经成为当今交通安全最重要的隐患之一。从计算机图像处理技术出发，结合了计算机应用、数学、计算机视觉、人工智能等学科的知识，提出了结合多特征的疲劳驾驶检测模型。该模型通过对疲劳时表现出的眼部特征，嘴部特征，头部特征的提取和分析，对疲劳度进行定量计算，综合得到疲劳状态。同时为了能够更好的适应不同的个体，提出了反馈模型，对模型建立了学习机制。根据模型的理论分析，对其中涉及到的多个特征提取进行了详细的论述，包括了定位、区域划分、特征提取等。并且以采集的视频进行验证，结果显示能够很好的提取到对应的特征。在融合多种特征方面提出了不同特征的疲劳关联度的概念以及疲劳度的量化计算理论。针对误检的情况提出了否决模型，降低了误检率。系统从多个方面考虑疲劳，让疲劳检测更全面、更客观。通过实验数据证明了所提的基于多特征的疲劳驾驶检测模型的科学性和有效性，系统在疲劳检测方面有较高的准确率，对疲劳驾驶有预警作用。