随着电子读物的不断普及，人们与电子读物的依存度越来越大，其背后隐藏的正是影响人们健康的用眼疲劳问题。此外，随着人们生活水平的不断改善，家用汽车成为家家户户出行不可缺少的交通工具。但是长时间远距离驾驶车辆容易引发疲劳驾驶，尤其对物流业驾驶员而言，疲劳驾驶导致的交通意外将给个人及社会带来极大的危害。因此，近年来眼疲劳诊断方法研究已成为世界各国专家学者研究的热点。另一方面，随着当今信息技术和互联网技术的迅猛发展，尤其是图像处理、计算机视觉技术和移动设备应用技术的快速发展也为眼疲劳诊断方法研究提供了很好的技术平台和手段。　　本文基于课题研究背景的分析，深入剖析国内外眼疲劳诊断方法研究动态，并对眼疲劳诊断过程的关键问题包括人眼图像获取、人眼状态判别SVM模型和PERCLOS疲劳诊断标准进行相关分析和研究。同时分别研究HSV(Hue色调，Saturation饱和度，Value明度)、局部二值模式LBP(Local Binary Pattern)及改进LBP特征提取的眼疲劳诊断方法，并进行相应的仿真实验。实验表明:HSV特征提取方法虽然能够较好地识别人眼状态，但其对光照变化较为敏感，使其在低光照条件下的识别率较低;而LBP在复杂光照下鲁棒性不强，改进的LBP特征提取方法即计算邻域局部二值模式特征时引入自适应阈值的LBP方法虽然优于LBP特征提取方法，其人眼状态识别率得到整体提高，但其在眼部遮挡情况下，识别率提高还不明显。　　基于改进的LBP和HSV特征提取方法各自特点即前者可很好地表征人眼图像的局部纹理信息、而后者又能表征人眼图像的全局颜色信息，最后本文提出将两者特征提取融合的眼疲劳诊断方法，这样既发挥了两者的优势，又恰好弥补两者彼此的不足。通过仿真实验及比较分析，结果表明:与HSV、LBP和改进LBP特征提取方法以及LBP和HSV特征提取融合方法相比，改进LBP和HSV特征提取融合的眼疲劳诊断方法的人眼状态识别率更高，眼疲劳诊断精度更好。　　本论文研究工作表明:课题提出的基于改进LBP和HSV特征提取融合的眼疲劳诊断创新方法可有效地诊断人眼疲劳情况，由此可避免人们因用眼过度而引起的健康问题和疲劳驾驶引起的交通意外造成的人员伤害和社会危害。显然，课题研究工作具有十分重要的社会意义和价值。