疲劳驾驶是引发众多交通事故的重大隐患之一。随着机器视觉技术的快速发展和应用，采用非接触式的、基于机器视觉的疲劳检测技术已成为该领域的主流研究方向。目前基于机器视觉的疲劳检测方法难以做好准确度与检测速度的兼顾。
　　针对以上问题，本文基于视频的疲劳状态检测围绕人眼状态展开研究，实现了对驾驶员的疲劳状态检测与判断。论文主要研究内容及相关结论如下：
　　针对人脸图像分割定位易受光照因素影响，利用肤色在色度空间上聚类特性，采用基于肤色分割的人脸定位方法。对待检的彩色人脸图像在YCbCr颜色空间上建立高斯肤色模型，进行相应的肤色相似度计算，增强肤色区域与背景的差异性。对肤色分割图像经过一系列图像处理工作后通过灰度积分投影的方法来定位人脸区域。该方法受光照因素影响较小，识别率高。
　　针对闭眼状态定位效果不稳定问题，采用一种 Gentle Adaboost与 Haar-like 矩形特征相结合的迭代级联分类器算法实现人眼定位。基于视频的人眼疲劳状态检测，需要捕捉的是连续帧的动态人脸图像。对于连续帧的人眼跟踪定位，采用基于卡尔曼滤波与改进的Camshift相结合的综合检测方法来完成人眼的动态实时跟踪检测。结果表明，该方法能有效实现对动态人脸图像中的人眼目标的定位与跟踪。
　　针对人眼状态识别精度较低问题，提出一种基于最小外接矩形的改进算法来获取人眼宽高比信息的方法。通过相应数学转换关系，将获取的每帧人眼子图像的宽高比信息转换为人眼的开合度信息。通过计算出PERCLOS值与眨眼频率的辅助判断的方法来实现对驾驶员疲劳状态判断。
　　最后实现基于视频的驾驶员疲劳状态检测系统，在PC机下进行了大量仿真模拟实验。相关实验检测结果表明，该系统计算速度快，检测精度较高，具备一定的实用性。