随着汽车消费的普及与电子科技技术的发展,汽车电子产品已成为汽车行业的新宠,而汽车安全配件则尤其受人们关注。疲劳驾车是当前导致车祸事故的最主要的原因。驾驶员疲劳检测系统就是针对驾驶员驾车时的疲劳特征,对驾驶员进行实时监测,并在必要时报警,以警示驾驶员。该类产品的研究已受到世界各大汽车厂家的关注,具有良好的市场前景,而该类产品技术上的不成熟性,则给我们提供了很大的研究和发展空间。 本文首先对当前已有的疲劳检测方法进行了分析总结,得出了利用PERCLOS(percentage of eyelid closure)特征作为疲劳检测判别标准的方法。在利用该方法进行疲劳检测时,系统可分为三大步骤来进行：1.在整幅图像中检测并跟踪人脸区域；2.在人脸区域中定位人眼区域；3.根据人眼图像判别并记录人眼状态。 针对现有的研究基础,本文对疲劳检测系统三大步骤中的人脸检测跟踪以及眼状态判别两方面提出了改进的方案：1.在人脸检测及跟踪算法中,利用Adaboost跟Camshift(Continuously Adaptive MeanShift)相结合的算法,讨论了Adaboost以及Camshift算法的实现方法,以及Camshift算法的改进,将人脸跟踪速率从19.0149ms/帧提高到了4.1132ms/帧,为提高眼状态识别率提供足够的时间基础,使得系统可以采用比较复杂的算法做眼状态的判别；2.提出使用EHMM(Embedded Hidden Markov Model,简称为EHMM)的方法来识别人眼状态,分析了人眼的EHMM模型以及2D-DCT特征,建立眼状态识别模型,建立眼状态测试平台。该平台可以采集图像并判别驾驶员眼状态,在这一平台上我们对自主采样的人眼图库(含训练样本图像约200张,包括10个人以及测试样本103张在不同光照强度下,不同背景下,各种不同的人脸角度的偏转下,睁眼与闭眼等情况下采集的图片)进行了算法性能测试,将眼状态识别率从现有研究基础的86.1％提高到94.2％。从对测试结果的性能参数进行分析比较,证实了本文所采用的方法的可行性和优越性,并针对存在的问题提出了一系列改进方案。