疲劳主要是由于超负荷或延长时间的体力或脑力劳动引起的一种复杂的生理现象,它是人体一种正常的生理活动规律,也是人体本身不能抵制的一种状态。高速公路上路面环境单调,行驶速度较快,驾驶员又往往是长时间连续行车,这种高强度、长时间的行车活动极易引起驾驶员疲劳,引发交通事故,危及生命安全。疲劳虽然是一个正常的生理现象,但是对驾驶员这一特殊的群体,就可能引起严重的后果,甚至危及生命。因此,开发出能实时监视驾驶员驾驶行为和疲劳状态,并在任何不安全状态下能对驾驶员进行预警的系统,对减少人员伤亡和经济损失,具有至关重要的意义。因此,有关驾驶疲劳的研究,不但有重要的理论意义,同时也将产生重大的社会价值和经济价值。发达国家对驾驶疲劳的研究起步早,投入大,并取得了众多研究成果。本文在分析国内外驾驶疲劳检测方法的基础上,系统分析了驾驶员视频图像在驾驶疲劳检测中的应用。首先对视频图像进行预处理,对原始图像进行Gabor滤波,减少冗余信息,增强所需要的信息。然后在原始图像上提取出图像的地形特征,将这些地形特征点做为人眼位置的候选区域。运用SVM分类器对这些候选区域进行筛选,选出最接近人眼的候选区域。分析比较了多种分类器,并实现了有关的算法,比较了模板匹配、fisher判别法、支持向量机(SVM)、人工神经网络(Artificial Neural Networks, ANN),最终选择判断准确率高,并能一定程度上定量分析人眼状态的支持向量机分类器。根据视频图像判断的人眼状态可以发现驾驶员在疲劳状态相比清醒状态,眨眼频率基本不变,眨眼时间增长。本研究工作得到了国家自然科学基金的资助(60422201)。