交通运输业的迅猛发展使机动车持有量持续攀升,随之而来的交通事故数量逐年上升,而疲劳驾驶已成为导致交通事故的重要原因之一,因此对疲劳驾驶监控方法进行研究已变成重要课题。基于人脸识别技术的疲劳驾驶监控方法因其实时性好、准确性高、非接触性和鲁棒性强等特点受到广泛的关注,对降低由疲劳驾驶引发的交通事故有深远的影响。本文以驾驶员面部图像为研究对象,以人脸识别为基础,定位并提取眼睛和嘴部图像,然后识别出眼睛和嘴巴的状态,并综合考虑多种面部疲劳信息进行疲劳判别。主要研究内容有：首先,进行人脸识别的研究。通过对常用人脸识别算法的总结并综合考虑驾驶室的实际环境,采用Adaboost算法对驾驶员面部进行识别,并对简单背景且面部旋转的图像、复杂背景图像及驾驶室内实际采集的图像进行人脸识别实验。其次,研究人眼和嘴巴定位方法。眼睛和嘴部状态能很好的反应驾驶员的疲劳状态,因此采用基于积分投影曲线的方法定位眼睛和嘴部位置,并提取出眼睛和嘴巴图像。以ORL人脸标准图像库中的图片为例,详细阐述基于积分投影曲线的眼睛和嘴部定位及提取方法,并对实际采集的人脸图像进行眼睛和嘴部定位实验。然后,实现眼睛跟踪。为了提高监测的快速性和实时性,以定位的眼睛位置为基础,实现人眼的跟踪。传统粒子滤波算法因粒子数量固定而跟踪时间长,为了解决这一问题,采用可动态调整粒子数量的自适应粒子滤波算法对眼睛进行跟踪,并在实际采集的图像中完成验证实验。最后,实现疲劳信息提取及疲劳判别。采用改进水平投影的方法识别出眼睛和嘴巴的状态,即眼睛是睁开还是闭合、嘴巴是张开还是闭合。提取出PERCLOS值、眨眼频率、眼睛闭合时间及打哈欠次数四种眼部及嘴部信息,综合考虑四种表征疲劳的信息实现疲劳判别,并对驾驶室内的图像进行疲劳判别实验。本文对驾驶室内实际采集的图像进行人脸识别、眼睛和嘴部定位、眼睛跟踪、面部疲劳信息提取及疲劳判别实验。实验结果表明,本文采用的基于人脸识别的疲劳驾驶监控方法满足快速性、准确性、实时性的要求,能准确的监控驾驶员的疲劳状态,并具有很高的实用性。