自从改革开放以来,我国的经济开始了飞速的发展,伴随着经济发展,人们的生活质量也越来越高,汽车也开始逐渐的走进了各家各户,并逐步成为了人们生产生活中不可缺少的重要工具,它不仅极大的提高了人们工作和出行的效率,也为人们的物质生活增添了不少色彩.尤其是近年来随着经济的不断发展,我国汽车的数量开始猛增,但同时也伴随而来了一些负面的社会问题,其中就有越来越多的交通事故.交通事故造成的原因有:驾驶员醉酒驾驶,违反交通规则驾驶,情绪驾驶以及疲劳驾驶等等,在多年来对交通事故原因的统计以及分析的结果中可知,疲劳驾驶是造成交通事故的重要因素.因此,为了保障驾驶员的生命与财产安全,对驾驶员进行疲劳驾驶检测就显得尤为重要.通过认真分析研究国内外在疲劳驾驶检测方面的研究现状,本文融合了眼睛状态以及头部姿态,提出一种基于改进支持向量机的疲劳驾驶检测方法,对驾驶员的疲劳程度进行判断.论文完成的主要工作如下:(1)首先对肤色特点进行分析,选择对肤色聚类性较好的Ycbcr色彩空间对待检测图像中的肤色部分进行分离,然后在分离出肤色部分的区域使用类Harr特征的AdaBoost分类算法进行人脸检测.(2)在检测出的脸部区域进行人眼定位以及眼部状态特征提取.本文对灰度积分投影法以及Hough变换圆检测算法在人眼检测中的应用进行了细致的研究,提出一种基于灰度积分投影与Hough变换圆检测相结合的检测算法对眼睛进行定位,即先利用灰度积分投影算法框出眼部大概的位置区域,接着再利用Hough变换圆检测进行精确眼部定位,最后检测眼部开合的状态.与传统的眼睛定位算法相比,这种算法的准确率更高.对摄像头采集到的视频进行分帧处理,对每一帧的图像进行眼部开合状态的特征提取和头部姿态的特征提取.(3)将模糊系统与支持向量机相结合,提出基于模糊支持向量机的疲劳驾驶检测方法,并应用于驾驶员疲劳程度判定中.将单位时间内的闭眼帧数与总帧数的比值,眨眼次数以及眼睛的闭合程度作为眼部特征参数,将头部相对于x轴,y轴,z轴的偏转角度作为头部姿态特征参数,结合改进支持向量机进行疲劳驾驶判定.与基于传统支持向量机的疲劳驾驶判定的结果相比,这种方法准确率更高.