疲劳驾驶是引发交通事故的一个重要原因，随着科学技术的发展，运用各种检测手段对驾驶员的精神状态进行检测已成为可能，在交通事故发生前进行报警并采取相应措施，对于降低交通事故的发生率，减少人员伤亡及财产损失具有重要的社会意义和经济意义。　　 本文采用视频图像分析技术对与驾驶员疲劳相关的多个外在症状进行检测分析，应用多信息融合理论分析采集到的相关信息，并做出驾驶员是否疲劳的判断。　　 主要工作如下：　　 对图像光照补偿技术进行研究。针对由偏光引起的图像局部过暗会对图像处理产生严重影响的问题，提出基于图像分解和MSR算法相结合的光照补偿方法，该方法在保持图像细节的前提下，较好地增强了暗区域的亮度。提出计算图像高频分量的简便算法。采用比例因子恢复彩色光照图像，研究S曲线对彩色图像的均衡问题。　　 对驾驶员面部检测定位进行研究。根据驾驶员视频图像特点，采用帧间差分法和肤色检测法联合定位驾驶员面部区域。针对传统帧间差分法易受干扰的问题，对差分算法进行改进，研究基于多帧图像差分的面部检测方法。研究驾驶员眼睛检测方法，采用肤色分割法对面部图像进行二值化处理，以缩小眼睛的检测范围。对候选图像块进行纹理特征分析，并将不同方向上的特征值进行融合，根据融合后的特征值判断眼睛区域。采用斑点检测法对检测出的眼睛进行验证，研究在高斯变尺度空间中的斑点检测问题。对于眼睛跟踪问题，针对眼睛具有复杂形状及存在非刚性变形的特点，采用改进的测地线活动轮廓模型对眼睛进行跟踪。针对跟踪过程中数据量大的特点，采用窄带水平集方法降低数据量。研究驾驶员嘴巴检测方法，提出基于人脸特征几何分布特性与颜色差异性的检测方法。根据“三庭五眼”规则划分标准肤色区域和嘴巴检测区域。分析标准区域中的皮肤和嘴巴检测区域中的嘴唇在HSI空间中H分量上的差异性，并根据其差异性映射出嘴唇轮廓。研究眼睛、嘴巴及头部的运动与图像信息之间的对应关系。采用椭圆模型计算眼睛的睁开程度。分析头部特征三角形在图像中的投影与头部运动之间的变化规律。通过计算嘴巴的宽高比来分析嘴巴的状态。　　 研究结构化道路的检测方法。提出基于邻域主成分分析法的道路图像平滑方法。为增强道路图像对比度，提出基于Sin函数的图像拉伸曲线。提出图像分区垂直积分投影的车道线检测方法。针对投影曲线平滑后曲线轮廓易改变的缺点，提出新平滑方法，该方法能在保持原始投影曲线形状基本不变的前提下进行平滑。研究车道线边缘点的调整方法，以便能更加精确地检测出车道线边缘。为提取车道标志线的特征参数，采用最小二乘法对车道线进行边缘拟合。对于车道标志线的跟踪问题，基于视频图像的连续性，划定车道线感兴趣区域，采用方向可调滤波器对车道线进行精确定位跟踪。研究非结构化道路的检测方法。针对非结构化道路的特点，提出道路图像重采样及大尺度平滑的思想，分析了重采样对检测结果的影响。为进行道路检测，首先采用直方图寻找极值点并进行区域划分初始化；然后采用模糊C均值聚类法进行彩色图像分割，将道路区域分割为一个独立的图像块；最后，根据图像块属性判断道路区域。研究车辆行驶轨迹的判断方法。分析车辆位置与车道偏离率之间的关系。提出车道偏离量变化率来表征车辆偏离的速率。研究采用多信息融合技术进行驾驶员疲劳检测的方法。根据采集信息特点，采用分布式信息融合结构，在决策级根据粗糙集理论进行驾驶员疲劳信息融合判断。针对粗糙集理论的要求，研究条件属性的离散归一化问题，建立单个检测特征量与驾驶员疲劳程度之间的量化关系，研究数据的约简方法，得出最小决策算法，通过决策算法判断驾驶员疲劳程度。