近年来随道路交通事故的不断攀升,基于驾驶人驾驶状态的相关车载设备研发逐渐成为汽车主动安全领域的研究热点。资料表明,由于驾驶人眼部状态与其驾驶状态间具有较强的关联性,因此基于眼动状态的相关研究已在驾驶疲劳、人机交互等方面引起了人们的广泛关注。鉴于近年来机器视觉所展现出的技术优势,基于视觉图像进行驾驶人的眼动状态检测已成为相关车载设备研发的主要技术途径。然而,由于视觉图像易受诸如光照变化等环境因素的影响,特别是针对车辆行驶工况,驾驶人眼部图像的有效分辨率、光照变化等问题均需结合实际工程应用予以解决。基于此,本文在保证一定准确率的前提下,以提高眼动检测在车载应用中的实时性为目标,提出了一种高效的眼动状态检测方法,主要工作内容为:(1)基于Adaboost算法的人眼检测。考虑到人眼漏检率高的问题,本文利用Adaboost算法在人脸ROI区域检测的基础上对眼部区域进行检测,在保证准确性的前提下缩小系统的检测范围,提高算法检测效率的同时降低了误识风险。(2)眼部表观特征检测。考虑到人眼在人脸区域占比较小导致的眼部有效像素较低的问题,本文采用基于卷积神经网络的超像素重建技术对眼部图像质量进行重建增强,在此基础上对瞳孔和眼睑轮廓等表观特征进行检测并实施动态跟踪,进一步提高系统的检测效率。(3)眼动检测模型的搭建和验证。基于本文研究目标,结合上述表观特征检测结果,提出了一种驾驶人眼动状态(PERCLOS、视线方向)的检测模型,并基于眼动仪的检测数据对本文模型进行验证和分析。本文基于车载应用中的驾驶人眼动状态检测问题,对其检测方法进行了深入研究,其中突破的重点在于:针对车载应用中驾驶人眼部图像有效像素不足问题,采用超像素重建的方法实现眼部图像质量的增强;基于人眼与视野平面映射关系,结合车载应用实际需求,本文提出了一种高效的眼动状态检测模型,以实现对驾驶人视线方向的有效估计。