每年因驾驶员疲劳驾驶而在全球导致数以万计的交通事故和大量人员伤亡。在我国，疲劳驾驶更被列为引发道路交通事故的三大原因之一。如何及时有效的检测出驾驶员的疲劳程度，减少因疲劳驾驶而引发的交通事故已成为当前智能运输系统的研究热点。　　 通过对国内外现有疲劳检测技术的原理和方法的比较，以及对各检测方法关键技术及其优缺点的分析，考虑到车载、实时、非接触的要求，本文选择使用PERCLOS方法进行疲劳检测系统的构建。人眼检测时，引入Haar-like特征检测人眼局部特征的灰度变化，通过积分图计算特征值以提高检测速度，最后将弱分类器经过级联形成强分类器以实现人眼的准确检测。针对算法训练过程中因对困难样本的过度重视而导致的退化现象提出通过标记特定样本的识别状态，及时释放该类样本权重并进行归一化处理以缓解退化。　　 对于人眼状态识别，在详细分析两种基本算法的基础上提出利用睁、闭眼两套模板，经尺寸标准化和灰度分布标准化处理后进行模板匹配以确定人眼状态，同时根据判别结果计算PERCLOS值，若超过阈值则判定驾驶员疲劳。为了简化计算，本文将时间的比值转换为了连续帧数的比值。　　 本文最后构建了驾驶员疲劳检测系统，并对上述算法进行了验证。实验证明，在实验室条件下，上述方法能够准确的检测人眼区域，并能根据眼睛开合状态实时判断疲劳程度并发出警示，能够满足驾驶员疲劳检测的需要。