随着汽车的购买门槛越来越低，汽车保有量飞速增长的同时，它带来的负面影响越来越受到重视，最受关注的就是驾驶安全问题。采用非接触、易于车载的视频图像处理技术，设计适当的疲劳检测算法，提高检测过程中定位的准确度、系统的实效性和可靠性已经成为目前驾驶员疲劳检测的研究重点。对视频中感兴趣目标的检测和定位，是视频图像分析的基础，也是整个疲劳检测算法成败的前提。考虑到算法中摄像头和背景相对固定的特殊情境，论文采用了差分帧定位活动区域，结合YCbCr色彩空间分割人脸，将复杂的背景信息直接去除，减小算法运算量的同时，提高了脸部定位的精确度。眼睛定位方面，采用了灰度积分投影和改进的Hough椭圆变换相结合的由粗到细两级递进定位方法。使检测曲线更贴合眼睑，同时降低了Hough椭圆变换中参数的个数。实验表明，该定位方法能较好的排除面部其它部位干扰，节省定位时间。眼睛是人脸面部最复杂的特征，通过上述算法得到的眼睛状态，设计了一种结合PERCLOS原理和眼睛眨眼周期的眼部疲劳程度判断方法。在采集得到的视频序列中计算眼睛睁开程度的EOD(Eye Open Degree)值，并统计其变化规律，实现对疲劳驾驶情况的宏观预测。实验过程中，针对不同光照和不同肤色的差异，适当调整界定阈值，进一步改善了算法的适用性。结果显示，算法的响应时间较快，识别率较高，能较好地实现驾驶员疲劳检测的效果。