随着社会经济发展和人们生活水平的提高,汽车的保有量也不断提高,直接导致了交通事故数量的增加,死亡人数一直居高不下,交通安全的问题日益严峻。而众多的交通安全事故起因之中有很大一部分是由于驾驶员的疲劳驾驶引起的,特别是在夜间行车导致的交通事故。因此,如何有效的进行监测和防止驾驶员疲劳驾驶,对于避免交通事故,提高交通安全性有着重要意义。采用机器视觉的方法进行疲劳检测在国内外是一项研究热点,在实时性、非接触性方面比其他方法更有优势,成为疲劳检测的一个主要方法。本文在研究国内外相关成果的基础上,设计了一套基于机器视觉方案疲劳监测系统,该系统具有体积小、功耗低,可以满足全天候、实时监测的要求,能够应用于汽车行车工作过程中。本文主要研究内容如下：(1)本系统提出了采用近红外灯光照射下帧间图像差分与图像处理相结合的瞳孔定位算法。通过滤光片消除外界光源的影响,统一了不同照度下的特征提取方式,通过控制红外LED灯的照射方式来获取不同灯光照射下奇、偶帧图像进行处理,提取出瞳孔特征。该方法定位眼睛快速、准确。(2)将大津法自适应阈值分割应用到本系统中,能够在不同的照度下选取合适的阈值将差分图像二值化,方便瞳孔特征的提取,提高了准确率。(3)将卡尔曼滤波器引入到本系统中,通过已知条件预测下一帧瞳孔出现的方位,大大的减小了待处理图像的大小,提高了运算的速度,同时也提高了特征提取的准确度。(4)选取Davinci平台,将算法集成为Codec,供Server调用。(5)改进了PERCLOS方法,并结合测量值和持续时间两个参数进行疲劳状态判断。