随着社会的发展和机动车辆数量与日俱增,交通安全问题也受到社会越来越广泛的关注,每年各种交通事故给社会带来巨大的损失。在各类交通事故中,疲劳驾驶是导致事故的主要诱因之一。因此,驾驶员疲劳驾驶检测系统研究,对于提高交通安全性,避免交通意外事故具有重要意义。本文主要研究了基于视频图像的非接触式、实时的驾驶员疲劳检测方法。在综合考虑实时性与准确性的要求下,以视频图像信息处理和提取理论作为基础,研究探讨了基于视频图像的疲劳驾驶检测的关键技术,在保证良好准确性的前提下,对图像处理算法进行有效的优化。本文的主要研究内容包括以下几个方面：(1)视频图像的提取分析。对原始的视频图像进行预处理,使其特点更加突出,便于后续的图像分析。(2)脸部位置的定位。在预处理图像的基础上,在图像背景中确定脸部区域。由于肤色在色彩空间上具有很好的类聚性这一特征,采用实时性较好的基于二值化图像的方法,并采用投影的方式,减少计算过程中的数据量。(3)眼睛位置的定位。由于眼睛位置的定位是本课题的关键部分,眼睛位置的准确定位也直接影响到算法的准确性,因此,采取了积分投影函数与混合投影函数相结合的方法,精确定位了眼睛中心,随后将Kalman滤波算法融合到实验中,实现在连续帧变化中对眼睛位置的追踪,减少对眼睛位置重复定位的耗时,提高实时性。(4)眼睛的状态分析。在定位眼睛位置基础上对眼睛进行特征提取,主要分析了决定眼睛状态的关键特征,包括虹膜、上眼睑,并对传统眼睛模型进行了修正,利用上眼睑与下眼睑间高度差来判断眼睛的状态。(5)最后采取目前公认最有效的疲劳分析算法PERCLOS法,与眨眼频率相结合对疲劳状态进行评断,在保证良好准确性前提下,对实时性进行分析。基于上述研究所实现的疲劳检测系统,能够实时地检测驾驶者的眼睛状态并进行疲劳识别,在实验室环境下获得了较好的效果。