人脸与人眼检测相比人体其他特征检测具有更多优越性,在社会安防领域具有广泛而特殊的用途,近年来成为模式识别、人工智能和计算机视觉方面的研究热点。本文研究实现了一种使用普通低分辨率摄像头进行人眼检测和睡意判断,并用于智能教室的机器视觉系统。相比其它检测算法,在克服光照影响、背景混杂和低分辨率检测上有一定提高。文章首先介绍了课题的背景,阐述了智能教室中睡意检测的目的及意义,描述了该环境下的瞌睡场景及检测技术方案的实际需求。结合实际需要对多种技术方案进行了分析和比较,选择以数字图像处理和模糊逻辑结合作为最终研究和实现的方式,之后给出了本文所实现系统的整体流程图。本文将检测流程分为人脸初定位和眼睛检测两个部分,在人脸初定位部分先对经典人脸检测方法作简要介绍,说明了肤色模型在本应用中快速粗定位的优势。研究首先通过背景差分和帧间差分实现了学生头肩部图像提取,之后选择基于YCb ’ Cr ’颜色空间的肤色模型实现了快速人脸定位。眼睛检测分为两个主要步骤,首先综合亮度特征、RGB特征和CrCb特征,使眼睛特征最大化并区分于其他脸部部位,从而选择可能为眼睛的候选区域。然后选择候选区域的位置、大小、硬度等特征,从实际统计数据出发建立一个模糊逻辑处理系统,对候选眼睛区域进行推理判断,确定眼睛所在的区域。最后从眉毛匹配和眼睛对称性匹配两个角度验证检测结果,截取眼部图像,并根据图像进行清醒/瞌睡状态判断。文章最后以组图的形式对研究过程中关键步骤进行了说明,给出了系统的实验结果,从结果图中可以看出系统对于智能教室中可能出现的学生头部倾斜、偏转、仰视、俯视、举手提问等各类场景均有较高的检测率。