随着汽车保有量的增加，交通安全成为日益严峻的问题。疲劳驾驶会影响驾驶员的警觉能力、反应速度和安全驾驶能力，每年都会因疲劳驾驶导致大量交通事故。因此，对驾驶员的驾驶状态进行检测，实时评估其疲劳程度，有助于减少交通事故的发生。本文对基于面部信息的驾驶员疲劳检测算法进行了研究，设计了实时、有效的驾驶员疲劳检测人机交互界面。本文的主要工作可归结如下：　　（1）人眼和嘴巴的定位及状态分析算法研究。针对积分投影对人脸佩戴眼镜、姿态变化敏感，以及模板匹配算法计算量过大等缺点，研究了基于积分投影和模板匹配的人眼定位算法。首先对检测出的人脸区域进行灰度积分投影，并结合人脸结构特征实现眉眼区域的粗定位，然后采用模板匹配算法精确定位人眼，最后对定位出的眼睛采用OTSU算法进行二值化处理，根据二值化图像的纵横黑色像素个数比，分析眼睛的状态。采用YCbCr颜色空间变换结合最大连通域实现嘴巴轮廓的检测，利用Harris算子实现两个嘴角的定位，根据定位出的嘴巴区域宽高比，分析嘴巴的状态。　　（2）人眼和嘴巴的实时跟踪算法研究。研究了基于在线特征选择的多示例学习跟踪算法，通过在线Adaboost算法对选取的弱分类器权值及样本特征进行加权，将迭代计算得到的M个强分类器进行集成，并使用跟踪结果中的最优特征对集成的强分类器参数进行更新，实现分类模型的在线更新。采用常用的跟踪算法与本文跟踪算法对定位出的眼睛和嘴巴进行跟踪效果对比，根据跟踪算法客观评价指标中的跟踪精度、成功率及跟踪速度，验证了本文跟踪算法具有较快的跟踪速度及较好的跟踪准确性和鲁棒性。　　（3）基于决策级的模糊算法疲劳等级判定。对实时提取的眼睛和嘴巴疲劳特征参数，采用基于决策级的模糊算法对驾驶员疲劳等级进行实时判定。通过与基于眼睛状态或嘴巴状态单特征疲劳检测算法的检测效果对比实验，验证了本文疲劳等级判定算法具有较好的实用性和准确性。　　为了验证本文疲劳检测算法的准确性和实用性，利用罗技720p摄像头采集实验室及驾驶室内不同光照、复杂背景等条件下的疲劳和非疲劳状态视频，使用本文设计的人机交互界面对基于眼睛状态、嘴巴状态及基于决策级的模糊算法这三种方式的驾驶员疲劳等级判定效果进行对比分析，仿真结果表明本文疲劳检测算法可以对不同程度的疲劳状态进行准确检测。