近几年,道路交通伤害已经成为世界上人员伤亡的一项主要原因。交通事故不仅给人们带来了巨大的伤害,而且也对经济、环境产生了重大影响。驾驶员的疲劳驾驶已经成为交通事故发生的主要因素之一。本课题的主要研究内容就是如何通过人脸疲劳表情检测为判断驾驶员是否疲劳提供依据。若疲劳则给予警告,以达到避免由于疲劳驾驶而导致交通事故的目的。首先,本文利用Gabor滤波方法对人脸表情图像进行纹理特征提取。Gabor滤波方法可以同时在时域和频域获得最佳的局部化,适合于图像的纹理表示。然而,由于Gabor滤波提取的特征存在维数较高的问题,这样就无法保证实时性。所以采用了对提取的特征进行降维的方法以减少计算量,解决耗时问题。非线性降维方法主要有两类:基于全局的和基于局部的非线性降维方法。是否能够快速、有效地降维,即降维后能够保留关键特征的信息成为一个要点。下一步,对基于全局的等距映射方法(Isometric Feature Mapping, Isomap)和基于局部的局部线性嵌入方法(Locally Linear Embedding, LLE)进行了对比分析。选取了更有益于保留关键信息的降维方法进行特征降维。最后,采用AdaBoost方法进行降维后特征的训练和分类。AdaBoost算法速度快、误识率低,可以满足人脸疲劳表情检测的要求。本文通过大量实验统计,并根据此数据来提高疲劳表情的检测率,已达到为疲劳状态检测提供依据的目的。