为了减少交通事故与保证人员生命财产的安全,有效检测与防止驾驶员的过度疲劳驾驶有着十分重要的研究意义。本文采用基于机器视觉的PERCLOS(单位时间内眼睛闭合时间所占的百分率)参数特征计算方法,根据PERCLOS值大小来判断驾驶员眼睛是否处于疲劳状态。整体工作流程方案是人脸检测与跟踪、人眼检测与定位、人眼跟踪、眼睛状态识别、司机疲劳状态检测。研究系统采用PC机、USB摄像机、近红外LED灯等作为系统硬件。先在摄像机采集的视频流中,捕捉人脸信息,利用基于Haar-Like特征和Cascade级联分类器的Adaboost算法,实现了人脸检测。在人脸定位的基础上,图像检索范围就集中在一个指定矩形区域,再利用分类器与二值化、边缘检测、膨胀边缘区域、连通性分析,检测定位出双眼位置,分别用矩形框出来并记录相应中心的横坐标与纵坐标。在人眼定位的基础上,利用霍夫圆变换方法来检测虹膜区域,根据虹膜的有无,来判断眼睛的睁开与闭合情况。最后计算出司机在开车过程中实际的PERCLOS特征值,简化方法为：在给定时间段内,计算出连续帧数中眼睛开闭帧数与总帧数的比值。如果眼睛闭合帧数占总帧数之比超过设定阈值,系统就会报警,提醒司机调整状态。经过多次实验表明,研究方法具备实际可操作性、检测算法简单、计算速度快、系统检测识别率高,符合车载疲劳检测系统高检测的实时要求。