驾驶员疲劳驾驶是引发交通事故的一个重要原因。为了减少疲劳驾驶引发的交通事故,可以设法在驾驶员进入疲劳状态时及时给驾驶员提醒。为了达到此目的需要一套实时准确的疲劳驾驶监测系统。人们已提出了许多疲劳驾驶监测方法。在这各种方法中,基于图像处理的监测算法是重要的一类。但是因为人脸本身的复杂性,以及外部环境的复杂性,使得各种基于图像处理的算法的实时性和鲁棒性等仍然有大问题。人脸关键点定位算法是人脸相关的图像处理任务常用的基础算法。该类算法在人脸识别和表情识别中已有很多应用,而在疲劳驾驶监测中应用较少且应用不够充分。因此,本文将以人脸关键点定位算法为重点,同时研究并实现疲劳驾驶监测系统核心算法的其他三个子模块。本文主要完成了如下工作:(1)构建建模和测试所需的数据库。因为所有的具有人工标注的人脸数据库都缺少含有疲劳相关的面部信息的人脸图像,所以我们通过整合多个现有数据库并加入额外采集的人脸图像制作了针对疲劳驾驶监测的数据库。(2)研究了混合模型算法用于疲劳相关信息获取。本文介绍了ASM、AAM、STASM、CLM四种主流人脸关键点定位算法的基本原理。主要从人脸关键点定位和人脸局部状态信息获取两个角度出发对这四种算法进行了对比实验,对比了四种算法在不同人脸点集上的定位效果,并分析总结出各种算法的性能特点。以此实验的基础上,给出了混合人脸关键点定位算法,并对可行性进行了进一步的实验分析。(3)设计疲劳驾驶监测系统核心算法的四个子模块:人脸检测、图像增强、人脸关键点定位和疲劳判定。人脸检测模块以基于Ada Boost的人脸检测算法为核心。图像增强模块以去除光照干扰为主要目的。人脸关键点定位模块以混合定位算法为基础。疲劳判定模块以眼部为例,采用了PERCLOS疲劳判定准则。(4)针对疲劳驾驶监测的需要和特性,优化各个子模块的性能,最后将各个子模块组合为一个整体。特别是通过充分利用关键点定位算法的跟踪能力,在保证算法准确性的前提下,提高了算法的速度。我们实现了整个核心算法,进行了模拟测试。从实验结果看,该系统具有较好的性能。