交通事故的发生在当今社会已是层出不穷,事故由疲劳驾驶引发更不在少数,故而国家大力提倡对疲劳驾驶监测的重视。现有的疲劳驾驶检测方法有心跳速度监测、车道偏离监测、以及头部位置监测、转向盘监测等。由于司机所处的驾驶环境带有很大程度的限制性,接触式检测这种方法无法起到良好作用,很大程度上不能达到预防疲劳驾驶的目的。为了在不影响司机驾驶的前提下还能达到监管效果,这就需要一个能实时、准确的驾驶员疲劳驾驶监测系统。各类方法的提出中,比较重要的一类为基于图像处理的监测算法。本文是基于一定图像处理技术从而对疲劳驾驶检测进行研究。主要按照驾驶员在行驶过程中会出现的重要疲劳特征来进行检测,系统是根据驾驶员在整个行驶过程中眼睛区域的PERCLOS值结合人眼变化曲线来综合判定其驾驶员最终是否处于疲劳驾驶状态。系统在检测过程中,主要包括对图片预处理,人脸定位,人眼关键点定位,人眼状态,PERCLOS值的检测计算与人眼变化曲线的绘制。在课题中主要完成的工作有:（1）针对疲劳驾驶预警系统,构建满足实验需求的疲劳驾驶人脸数据库。由于已有的带人工标注的数据库不完全含有符合疲劳驾驶研究信息的面部图像,因此在采用一部分现有带人工标注的数据库中的面部图像的基础上,实验额外对360名同学进行面部数据采集,每人采集不同的8张满足疲劳特性的图像,加入采集好的针对疲劳驾驶实验的2880张面部图像,使得数据库对于疲劳驾驶预警研究更具针对性。（2）研究并实现了图像增强算法。图像预处理实验中主要运用基于形态学的图像增强算法,另一个方面是对图像进行光照补偿,改善图像的明暗程度与清晰度,在图像预处理后应用的人脸检测实验降低了4.3%的人脸误检率。（3）研究并实现了人脸检测算法。人脸检测利用Ada Boost算法的快速识别特性,将识别后的人脸应用于CLM局部模型中,最终系统单幅图像运行速度46ms/幅,图像区域检测时间缩减15%。（4）研究并实现了人眼定位算法与人眼追踪。人眼定位采用灰度积分投影结合CLM关键点定位方法,针对人眼睁、闭状态的水平投影与垂直投影进行差距性对比,大致判断出眉眼区域,再用CLM二次精准定位在一定程度上减少了计算复杂性。最终实验人眼定位准确率达到97.8%,单幅图像运行速度39ms/幅,系统整体检测速度提升12%。（5）研究并实现了疲劳判定算法。利用人眼曲线变化法结合PERCLOS判定准则,能够达到疲劳驾驶检测过程中相应的可靠性、准确性。在针对56个佩戴眼镜的样本与73个未佩戴眼镜的样本疲劳状态判定准确率分别为92.86%与94.52%。