随着社会的不断发展与进步，机动车的数量快速增长，随之而来的是交通事故的发生率也大大提高。据统计，在各种交通事故中，由于疲劳驾驶而引发的占到事故总数的10％到20％，在高速公路的长途运输车辆的事故中更有高达50％以上是由疲劳驾驶引起的。　　 因此，如何能够快速有效并且在尽可能不影响驾驶员驾驶行为的情况下检测其疲劳状态称为当今研究的热点之一。在各种疲劳检测方法中，基于机器视觉的PERCLOS参数测量的方法是目前得到公认的有效且无干扰的方法。计算PERCLOS参数的关键是准确地判断人眼状态（睁眼和闭眼）。　　 基于以上考虑，为了测试和评价各种人眼状态检测算法，本文首先利用人眼定位程序构建了人眼数据库。数据库中图像主要由两部分组成，一部分来自CAS-PEAL、IMM、Georgia Tech、ORL、BIO、Yale等人脸数据库，另一部分是采集的周围60位同学的图像。为了保证数据库样本的丰富性，花费了大量精力挑选满足不同测试条件的图像。最终构建的人眼数据库包含1268个测试对象的10610幅图像，基本满足了评价算法性能的需要。　　 构建人眼数据库之后，本文实现了基于Hough变换的方法、动态模板匹配法和基于局部二值模式特征的Adaboost方法共三种人眼状态检测方法。在数据库和视频上对包括似圆比算法在内的四种算法进行了测试，评价了每种算法的检测性能。　　 其中基于局部二值模式特征的Adaboost方法是本文研究的重点。文中详细给出了人眼状态检测分类器的训练过程，并总结了导致训练失败的原因，给出了训练成功的经验。在成功生成多个人眼状态检测分类器后，通过测试比较了该算法与其它两种算法的检测性能。最终，通过视频测试分类器，获得了PERCLOS参数变化曲线图。