随着社会的不断进步,汽车已经成为了当今世界拥有主宰地位的交通工具。然而汽车数量的上升同时也导致交通事故数量猛增,由司机疲劳驾驶引起的交通事故的发生频率更是不断攀升。如何实时监控驾驶员在行车过程中的状态并及时预警,从而有效减少交通事故的发生已成为当下的热点研究课题。本文研究了目前国内外普遍采用的驾驶员疲劳检测方法,对比分析了各种方法的优势和不足,结合本文实验结果并兼顾驾驶员疲劳检测实时性、准确性的要求,在PERCLOS检测原理基础上对其进行了改进,采用眨眼频率辅助PERCLOS进行疲劳程度判断。本文主要通过图像处理技术提取驾驶员眼部的实时信息进行疲劳度判别,采用分步识别定位逐步缩小识别范围。首先通过基于肤色特征的人脸定位方法,利用YCbCr肤色空间对肤色具有明显聚类性的特点对视频图像进行肤色分割,通过积分投影定位人脸区域。然后采用肤色分割结合多次积分投影的方法确定人眼候选区域,并利用积分投影精确定位人眼区域,提取该区域内人眼的宽高比等信息判断人眼状态和眨眼频率。最后采用PERCLOS原理中与疲劳程度相关性最好的P80标准进行疲劳评测。实验中检测到当强光照等特殊情况刺激人眼时,清醒状态下的驾驶员会出现频繁眨眼的应激反应,导致PERCLOS值f大幅度攀升从而影响疲劳评测结果。针对该情况,本文提出眨眼频率辅助PERCLOS-P80标准的疲劳评测方法,有效的避免了特殊外界刺激对疲劳评测的干扰,提高了PERCLOS-P80标准的实用性和准确性。本文所采用的基于眼部识别的驾驶员疲劳检测方法利用肤色特征和积分投影定位人脸及人眼区域,通过提取人眼有效信息判别眼睛状态和眨眼频率,最终采用基于PERCLOS-P80和眨眼频率的方法进行驾驶员疲劳评测。该方法具有速度快、耗时短、检测准确率高的特点,能够准确监测司机在驾驶过程中的实时状态,并在疲劳状态出现时及时发出预警,从而避免因疲劳驾驶导致的交通事故的发生