每年发生大量的交通事故中由疲劳驾驶引起的数以万计,所以如何降低因疲劳驾驶引起的交通事故发生概率具有极其重要的意义。基于驾驶员视觉特征的疲劳检测技术因为其非接触式的检测方法,对驾驶员无干扰等实用性成为研究的热点。基于视觉的疲劳检测方法是对人的脸部特征、头部姿势进行分析。由于眼睛其独特的生理构造及其完美的对称性,使得对眼睛的检测和状态分析成为目前进行疲劳检测最有效的方法之一。本文首先提取出人脸区域,然后利用基于形态学商模板的人眼定位方法,并结合一种无监督重构的特征提取方法来精确定位人眼位置,再通过改进的PATECP算法分析眼睛的状态,最后根据PERCLOS准则进行疲劳状态的判定。针对人眼检测研究现状中要解决的例如像光照复杂,姿态多变,像素过低,戴眼镜遮挡,算法的精度低,速度慢等问题,本文做了如下工作：首先本文根据形态学商图像能突出眼部特征的特点,利用简单的人眼、嘴唇之间的关系,提出了一种有较高定位精度、能够克服各种光照条件、适应较多人脸姿势的一种基于DMQI的人眼几何检测方法。其次由于基于DMQI的人眼几何检测方法主要利用眼睛、嘴部的几何关系,鲁棒性不强,本文结合基于无监督重构的特征提取方法来处理大量数据,利用形态学商图像对人眼区域和皮肤区域有明显不同响应值的特点,根据贝叶斯后验概率的优点,提出了一种基于形态学商模板的人眼定位方法,实验结果表明该算法能克服光照影响,对不同角度、低分辨率、戴眼镜的人脸图片均有很高的人眼定位率,且有较好的鲁棒性和较高的定位准确性。最后实验结果表明,由于本文的人眼定位的准确率较高,且适应于各种复杂场景,在模拟的实验条件下,疲劳检测系统的准确性、实时性都有较大提高。