社会经济在飞快的发展,汽车也慢慢成为人们出行的主要方式。从传统的步行逐步过渡到开车出行,汽车给人们提供了大量帮助的同时,也带来了大量的负面影响。尤其是疲劳驾驶带来的危害最为显著,预防疲劳驾驶也是一个经久不衰的研究课题,在正脸识别系统被广泛开发的时候,侧脸进行疲劳检测的技术还不够成熟。于是,本文提出了车内人脸侧面轮廓信息及特征点信息的提取,将司机的侧脸轮廓信息以及特征点的轮廓信息提取并进行综合分析,后续可以通过设定新型的疲劳检测判决标准,将其应用到防驾驶疲劳系统中,方便疲劳驾驶的进一步研究与检测。本文的具体内容是:(1)对国内外人脸部的轮廓提取算法,特征区域提取情况,动态图片处理方法来分析总结。针对目前存在的问题,提出了侧脸轮廓及其特征点区域提取算法的必要性和可行性。(2)对驾驶人员的侧脸部位进行了粗提取,接着对比了各种颜色空间和肤色模型后,提出了本文的根据YCbCr颜色空间来构建椭圆肤色检测的模型,对粗提取的皮肤区域进行检测与定位。最后根据形态学的方法,对肤色区域进行了实验分析,对驾驶员侧脸皮肤区域进行了提取。(3)介绍了轮廓提取函数以及图像相减法来得到人脸轮廓,针对前者会产生内部和外部边界,后者提取的边缘点不连续的特点,对比分析后本文提出了效果更好的边界追踪的方法。接着对侧脸区域特征点进行提取,结合面部区域特征点分布的几何规律,分别对驾驶员眼部,嘴部以及下颌区域进行提取,再利用边界追踪提取其分别对应的轮廓线。最后对得到的轮廓图进行简单的动态分析,进一步阐释了特征区域特征值的连续帧图像特点,为后续的疲劳驾驶判断做准备。(4)对本文的实验结果来讨论分析,结合特征点轮廓提取图,通过连续帧的眼睛的距离图像,嘴巴的距离图像以及下颌特征点运动轨迹的变化情况,对驾驶员生理状况进行了简单的动态分析。最后与基于YUV-YIQ空间侧脸轮廓提取算法进行比较,综合验证本文算法的优越性。