近年来，随着道路交通事业的迅速发展以及汽车保有量的不断增长，交通事故也呈上升趋势，而疲劳驾驶是交通事故产生的重要原因之一，是当前各国交通安全不容忽视的“隐形杀手”，因此如何有效的检测及避免疲劳驾驶已成为当前研究的热点。在众多疲劳检测研究中，利用机器视觉的方法进行疲劳检测具有良好的可操作性和应用前景。由于夜间是驾驶员疲劳的多发阶段，因此本文使用了特殊的红外光源拍摄驾驶员面部图像，提出一个改进的驾驶员疲劳检测方法，其主要算法分为四个部分：人脸检测，人脸跟踪，人眼检测和疲劳状态识别。主要的研究内容如下：(1)人脸检测与跟踪，本文提出一种快速二维熵分割算法和区域连通相结合的方法进行人脸定位，首先将人脸从背景中分割出来，然后利用人脸在图像中所占比例较大的特点，进行准确定位。这种人脸检测方法不仅具有较高的定位精度，而且运算速度较快，能够满足实时性要求。同时，本文根据驾驶员在正常驾驶过程中头部偏移角度较小的特点，采用改进的Mean-shift算法进行人脸跟踪，进一步提高系统的检测速率。(2)人眼检测是驾驶员疲劳检测中关键的一步，本文提出一种基于代价敏感支持向量机的人眼检测方法。在支持向量机中嵌入拒识代价和误分类代价，该方法继承了支持向量机对处理小样本问题的优势，同时克服了传统分类器不考虑代价因素的缺陷，具有更低的误检率，提高了分类器的可靠性。(3)本文根据PERCLOS原理，采用计算人眼面积的方法，判断人眼的闭合程度，并统计单位时间内人眼闭合帧数占总帧数的比例，实时检测驾驶员疲劳状态。该方法针对夜间微光不稳定，时有时无的问题，采用人眼不敏感的红外作为光源，其算法简单有效、实时性高，且具有较好的容错性和鲁棒性。