如今,汽车在世界范围内已经成为一种最普遍的交通工具。据德国一家汽车市场调研机构预测,全球汽车(包括个人用车和商用车)保有量2010年就将突破10亿辆,这种形势直接给世界的交通安全事业带来了极大的压力和挑战。疲劳驾驶已经成为了全球交通事故发生的主要诱因之一。在当前的疲劳驾驶检测技术领域,随着科技的不断进步,计算机视觉、图像处理和模式识别技术得到了进一步的发展和完善。基于驾驶员脸部特征的非接触式疲劳检测算法的研究和疲劳预警系统的开发已经成为了主流之一。本文针对这一背景,在自然光下利用视频图像处理技术研究了驾驶员人脸和眼睛状态的检测算法,参考PERCLOS疲劳检测准则研究出了一种比较准确的疲劳检测方法,从而实现了对驾驶疲劳的检测和预警。本文所做的主要工作包括:(1)针对驾驶员人脸的检测,利用YCbCr和HSV双色彩空间的肤色信息和Adaboost分类器的融合研究出了一种具有鲁棒性好、计算速度快的驾驶员人脸检测与定位算法。(2)在人脸检测与定位的基础上,基于由粗到精多级筛选的思想,利用人眼区域模板匹配算法和Hough变换瞳孔圆检测的算法实现了对人眼的定位和眼睛开闭状态认定,为后续的疲劳判断打下了理论基础。(3)在判定了人眼状态的条件下,通过对驾驶疲劳的认真分析,参照PERCLOS准则设计出了一种基于阈值分割思想的疲劳检测方法。(4)利用C语言对整个算法进行了源码实现,借助OpenCV开发平台完成了对整个检测算法的效果验证。经过实验室模拟试验表明,本文研究的这种基于眼部特征的疲劳驾驶实时检测算法具有比较好的正确率和鲁棒性,为以后更深入的研究和算法的硬件实现打下了基础。