因驾驶员人为因素造成的无意识车道偏离已经成为交通事故的主要因素之一，车道偏离预警是当前安全辅助驾驶技术的一个研究热点。机器视觉在实时性、准确性、适用性以及经济性等方面具有比其他监测方法更大的优势。本文通过车载CCD摄像装置对车辆前方车道以及驾驶员头部运动状态进行实时监视，结合驾驶员换道意图的监测，对无意识的车道偏离进行实时监视。　　结合论文的研究需要，将换道行为划分为意图阶段和执行阶段。设计试验方案，采集驾驶员在左、右换道意图阶段和车道保持阶段的数据，确定换道意图时窗，筛选出视频中的换道意图样本和车道保持样本。针对本文需要，将驾驶员在行车过程中感兴趣的注视区域划分为车辆正前方、左后视镜、右后视镜及内后视镜等四个区域，分析驾驶员的注视行为，从而建立驾驶员的头部运动与换道意图之间的联系。　　本文使用Viola-Jones算法对驾驶员人脸进行检测，在准确检测到人脸的基础上，使用Kanade-Lucas-Tomasi算法对检测到的人脸进行跟踪，提取驾驶员人脸中心横坐标，判断驾驶员是否存在转头的动作，进而判断驾驶员的换道意图，区分无意识车道偏离和有意识车道偏离。　　车道线识别与跟踪是实现车道偏离预警的前提和基础。本文对道路图像预处理技术深入研究，主要包括图像灰度化、图像平滑滤波、图像边缘增强和图像二值化。在此基础上，使用Hough变换提取二值图像中的直线，结合相关约束提取图像中的车道线。根据提取出的车道线，建立感兴趣区域，采用跟踪识别算法提高车道线的识别速度和可靠性。　　在准确识别车道线的基础上，本文使用了一种仅基于图像信息的车道偏离识别方法，该方法简单有效，无需进行复杂的摄像头标定。为检验本文所提方法的有效性，使用CCD摄像头进行实车采集车辆前方道路视频和行车时驾驶员头部监视视频，使用MATLAB软件对采集得到的视频进行算法验证和系统仿真，测试结果表明本文提出的驾驶员头部运动状态识别算法、车道识别算法以及车道偏离预警算法是可行有效的，能有效降低系统的误警率，提高系统的可靠性。