随着社会的快速发展,交通安全成为当下的一个社会热点问题,这当中,由疲劳驾驶等不安全驾驶行为引发了大量的交通事故,给人民的生命财产安全造成了极大的损失。基于现代化科学技术的疲劳检测技术的研究具有显著的社会意义和商业价值。在众多技术中,基于计算机视觉的技术具有设备简单、普及性高等优点,得到了学术界和工业界的广泛关注。特别地,计算机视觉领域中的人脸特征点检测的技术为实时、鲁棒的疲劳检测提供了可能性。本文围绕人脸特征点检测算法的改进和基于人脸特征点的疲劳检测算法展开研究。本文首先结合实际问题的需要,对牛顿提升树模型加以推广,提出了多响应牛顿提升树模型,以适应一般的情形下的多响应的学习问题。进一步地,本文在人脸形状索引的基础上提出了统计量特征,用以更好地描述图像局部区域内像素的整体分布情况。通过级联多响应牛顿提升树,并联合统计量特征,本文对ERT算法加以改进,提出了CNBT人脸特征点检测算法。本文创建了基于人脸特征点对的人脸状态特征,并提出了基于几何方法和互信息对该特征进行特征选择的算法。在人脸状态特征的基础上,本文还提出了针对哈欠、瞌睡两种疲劳特征的统一的分类模型,并进而提出了统一的C-LPDD疲劳检测算法。本文的实验表明,级联多响应牛顿提升树和统计量特征的联合使用能够在不牺牲过多时间性能的前提下,降低人脸特征点检测的误差。同时,本文提出的基于人脸特征点的疲劳检测算法具有良好的实时性和鲁棒性,能够满足实际应用场景的需要。