近年来,随着汽车保有量的增加,交通事故的发生频率居高不下,造成了大量的人员伤亡及巨大的经济损失。在发生的众多事故中,疲劳驾驶导致的事故占据了很大比重,故驾驶员疲劳检测技术备受国内外学者的关注。结合眼睛和嘴巴两个特征进行疲劳分析,相对于前人的研究,合理解决了检测的准确度问题,具有非接触性、实时性等优点对于保障驾驶员人身安全具有重要意义。论文首先对采集的驾驶员图像进行预处理,即图像增强、滤波去噪及光照补偿,提高图像的质量,减少噪声的干扰,使人脸受光均匀。其次进行人脸的定位,采用基于Haar特征的Adaboost算法进行人脸定位,通过构建弱分类器,选取最佳Haar特征构建成强分类器,进行级联,作为最佳的强分类器,再进行人脸检测。然后进行眼睛和嘴巴的识别定位,基于积分投影法进行眼睛区域的定位,通过计算眼睑及瞳孔的黑色像素占眼睛区域的总像素百分比进行眼睛睁闭状态的分析;基于改进的“三庭五眼”法进行嘴巴区域的定位,再通过积分投影法计算嘴巴的高宽比,以此来判断嘴巴的张闭状态。最后根据PERCLOS准则及眨眼频率来进行基于眼睛的疲劳分析,根据打哈欠进行基于嘴巴的疲劳分析,再结合眼睛和嘴巴进行驾驶员的疲劳分析。通过实验结果可以看出,结合眼睛和嘴巴两个面部特征进行疲劳状态的分析,相比单一的特征分析大大提高了检测的准确度,可以实时、准确的对驾驶员进行检测,对于保障驾驶员人身安全具有重要意义。