铁路运输作为目前世界范围内的主要运输方式之一，对于经济建设起到的作用是显而易见的。因而能否保证铁路运输安全、有序、高效的运转就显得很重要。由于铁路是轨道交通的特殊性，且机车速度较快，故发生事故时将会对车上旅客的生命和财产造成极大伤害和损失。而导致事故原因中，由于驾驶员的驾驶状态不佳，导致操作事故已经成为引发事故的一项主要因素。本文是针对机车驾驶员驾驶画面的视频信号进行采集，并通过对视频信号进行实时进行人脸定位，进而进行人眼的定位，并且实时分析其当前的驾驶状态。如果发现驾驶员已经处于疲劳或者说离开工作应在位置的时候进行报警。以减少由于驾驶员本身疲劳的原因造成的事故，进而减少甚至避免在铁路运输过程中所出现的生命财产损失。本文详细分析了目前应用比较广泛的人脸识别方法和算法，进行分析后采用了如下方法：首先详细的分析所采用的AdaBoost算法的人脸定位，构建一个基于OpenCV数据库的彩色的动态人脸识别跟踪系统为框架，并对追踪到的人脸部进行分析得到人眼的信息并进行定位。而后分析人眼在视频中的状态，通过机器算法训练得到驾驶员精神状态驾驶的脸部，尤其是眼部驾驶习惯。用后续的驾驶画面分析进行实时的比对的到当前的驾驶员的驾驶状态是否符合我们设定的疲劳标准。本文主要研究了基于肤色的人脸检测方法和AdaBoost算法。从Haar形状特征矩形的定义开始，介绍了弱分类器如何组成强分类器的过程。而后通过对强分类器级联，组成级联分类器进行人脸定位，大大节省了时间，加快了运算速度。Camshift算法的结合进来达到对运动中图像人脸的跟踪。并且通过实验结果表明这种结合算法适合于不同人脸，在光照射不同情况下的人脸识别。而且不同姿势情况的人脸也能够被识别到。通过实验，表情变化及部分脸被遮挡的时候也可以进行检测和追踪。并且检测成功率较高。运用眼睛模板匹配方法及PCA方法进行眼睛的识别和定位，而后选择可变步长的方法达到动态中找到眼睛的位置。实际检测当中，能够做到各种正常情况下的人眼定位的功能。基本实现了疲劳检测功能。