随着我国居民汽车保有量的不断增长,道路交通安全问题就变得越来越突出。而在各种导致交通事故的因素中,驾驶员的疲劳驾驶是非重要的一种。因此如何能快速有效的判断驾驶员的疲劳状态就成了解决这一问题的重要方法。本文就是通过计算机视觉的方法对驾驶员的眼部状态进行识别,从而判断驾驶员是否疲劳。首先本文利用AdaBoost算法对人脸进行检测,然后结合找到的人脸区域,进一步使用该算法进行人眼的检测。这样可以就解决人眼检测的误识率高的问题。实验证明了这种两次检测相结合的方法要比只使用一次检测方法的效果好,而所增加的代价却很低。尽管AdaBoost算法速度快、误识率低,但其存在的漏检问题会降低检测系统的可靠性。为了解决这一问题,本文在利用AdaBoost算法进行识别的同时还使用了Kanade-Lucas光流算法对人眼区域进行实时跟踪,从而消除了由AdaBoost算法漏检所造成的潜在危险。通过实验证明,该算法可以与AdaBoost算法进行有效的互补,从而提高了系统的鲁棒性,因而使得该系统具有更强的实用性。确定人眼区域后,本文使用阈值分割和Freeman链码的方法对人眼轮廓进行提取,然后对所找到的轮廓进行椭圆拟合。为了确定不同状态下人眼椭圆的临界值,本文进行了大量实验统计,并据此结果来判断人眼的疲劳状态。当检测到人眼处于疲劳或闭合状态时,系统就会触发声音报警装置,并以此提醒驾驶员的注意。