近几年,随着国内GDP总值的不断提高,人们的经济收入水平得到了显著的提升,人们对车辆的购买力度也随之提升。但是在车辆走入人们的日常生活中的同时也带来了一个重大安全隐患,那就是道路交通事故频发,国内因为道路交通事故而伤亡的人数每年都在持续的攀升,这给国家造成重大经济损失的同时也时刻威胁着人民的生命安全。通过观察大数据的统计,我们可以从中发现,造成交通事故频频发生的一个重要因素就在于驾驶员出现疲劳驾驶现象,而这一现象是可以通过一些车载设备进行控制的。因此倘若能够研发出一种疲劳预警系统,这对避免疲劳驾驶而导致的交通事故具有非常重大的意义。本文将基于机器视觉处理来对疲劳驾驶进行检测研究,通过对人脸检测、人脸特征点定位、疲劳特征的提取与疲劳判断等进行深入的研究,并在此理论基础上实现了对驾驶员实时检测的疲劳判定系统的构建,实验表明该系统能够准确的检测出驾驶员的疲劳,并及时的发出预警信息。主要工作如下:（1）针对疲劳驾驶检测在时效方面的要求,本文开展了基于图像预处理技术的研究。通过对检测到的视频图像进行预先的处理来降低后续图像处理的计算量,以此来降低疲劳检测的耗时。实验表明在经过图像预处理后大大减少了疲劳检测的耗时。（2）针对疲劳驾驶检测对人脸检测及特征点定位方面的准确率和时效性方面的要求,本文开展了人脸检测及特征点定位算法的研究。通过对比诸多方法,本文采用了基于Ada Boost算法来对人脸进行检测,基于ERT算法实现对人脸特征点的定位。实验表明在经过两种算法的处理下的疲劳驾驶检测在准确率及实时性方面都有了提升。（3）针对疲劳驾驶检测对最终的疲劳判定方面的准确率的要求,本文一方面开展了融合驾驶员面部多个疲劳特征的研究,另一方面开展了基于改进型的支持向量机（support vector machines,SVM）的疲劳判定算法的研究。通过对K型核函数和logistic型核函数组合来得到新的核函数,然后利用基于新的核函数的SVM方法来对输入的多个疲劳特征进行训练,最终进行疲劳检测。实验表明在融合了多个疲劳特征后在通过基于新型的SVM方法来对疲劳驾驶进行检测有着较高的准确度。（4）最终完成对疲劳驾驶检测系统平台的搭建。疲劳驾驶检测系统中包含了驾驶员的各项信息,在经过对该系统平台的实际测试中表明,该检测系统能够对驾驶员的驾驶状态做出实时的、准确的判断,一旦驾驶员产生疲劳现象,该系统平台就会立即发出警示信息。