研究表明:造成交通事故的原因25%~30%是由疲劳驾驶引起的。因疲劳驾驶导致的交通事故每年都会造成巨大的财产损失和人员伤亡。许多国家都积极投入到有关疲劳驾驶检测领域的研究工作中。研究的目的是以减少由于疲劳驾驶而导致的交通事故为出发点，所以课题研究有重要的社会意义。利用驾驶员在驾驶过程中面部特征的变化信息来完成疲劳驾驶检测系统的设计。对采集到的人脸图像进行特征提取，分析和比较驾驶员面部特征的变化，通过人眼、人嘴的像素面积变化的大小来判断驾驶员是否处于疲劳状态。通过摄像头实时捕获图像，对采集到的帧图像采用基于haar特征的AdaBoost算法进行人脸定位。在定位的同时根据驾驶员的位移特性设定位置失效容忍度的范围来控制抖动造成的影响，保留有效数据，剔除无效数据。通过haar矩形特征对人眼、人嘴区域进行特征提取。利用改进的Adaboost迭代算法精确定位人眼、人嘴。采用堆栈实现的移动均值平滑算法将人眼、人嘴区域的像素面积实时存储，计算。根据疲劳时候人眨眼、打哈欠行为导致的人眼和人嘴的像素面积变化来判断出驾驶员是否疲劳，当驾驶员闭眼时长超过阈值或者打哈欠时，则认定处于疲劳状态。本系统的设计利用Microsoft VisualStudio2010开发平台，通过VC++对上述算法进行了编程实现。实现时用到了Intel的OpenCV库,实验结果分析表明，本文所使用的算法能够实时的快速准确地检测出驾驶员在眨眼、打哈欠时候的疲劳状态。