驾驶人注意力分散是导致道路交通事故的重要原因之一，研究注意力分散的实时监测方法，对改善交通安全的意义重大。本文研究了驾驶人注意力分散的几种方式，将重点放在了视觉注意力分散的监测上。首先分析了视觉注意力分散与头部姿态之间的关系，并提出了利用头部姿态参数进行注意力分散判断的算法。　　 为了进行头部姿态估计，采用了基于面部特征点的姿态估计方法，利用面部4个特征点(双眼和鼻孔)的几何约束关系进行姿态估计。采用固定在方向盘后方的CCD摄像头获取驾驶人面部实时图像，进行眼睛位置的定位尝试了两种方法：1)基于主动红外差分的方法，该方法可以准确快速的定位眼睛位置，但是因其在强光照情况下鲁棒性太差而放弃；2)Adaboost算法，首先采用人脸样本训练的Harr-like特征级联的分类器进行人脸检测，定位驾驶人人脸区域，接下来采用眼睛样本训练的分类器在人脸区域内进行驾驶人双眼的定位。根据获取的人脸和眼睛位置，可估算出大致的鼻孔所在区域，利用灰度积分投影和形态学处理定位准确的鼻孔位置。利用定位得到的双眼和鼻孔位置喂入基于面部特征点的姿态估计算法得出驾驶人头部姿态，验证实验结果表明估计精度达到较高水平。　　 接下来从获得的姿态参数中提取了两个反映注意力分散的指标：面部朝向偏离路面比例和面部朝向持续偏离路面时间。根据这两个指标和SDLP(车辆横向位置标准差)之间的相关性设定了阈值来进行视觉注意力分散的判别，最后根据判别结果对驾驶人进行提醒和预警。