近些年来，交通事故的频发给人们的生活带来了莫大的痛苦和伤害，对交通安全隐患状态的治理已成为当前政府头疼的一个安全监管弊端。除了继续不断提高人们的安全意识，养成自觉遵守交通安全秩序的好习惯之外，还需要依靠科学技术的力量，在人们自制力不够的情况下，用外在的设备预警来提醒每个交通驾驶者平安行车。在诸多引发交通事故的因素中，驾驶员的疲劳驾驶是一个最主要的方面，每年因驾驶员疲劳导致的道路交通事故频频发生。交通事故造成的死亡人每年有递增的趋势，造成的经济损失也极其严重，而很多交通事故都与驾驶员的疲劳驾驶有关。对驾驶员进行疲劳驾驶的预警，有着非常重要的社会意义，对人民群众的日常生活的安全性有着重要的指导意义，也是本文选题和研究的目的所在。本文提出了一种通过对驾驶员疲劳进行实时监测从而对潜在的交通事故进行预警的方法。用综合脸部多特征的方法替代了以往研究中单独依靠驾驶员眼睛状态或驾驶员的脸部状态来进行判断预测，本文利用信息融合的方法结合驾驶员的眼睛和嘴部状态来进行疲劳判断，当驾驶员戴着眼睛驾驶或处于黑暗中行驶时，文中的检测方法也能起到良好的预警效果。AdaBoost算法用来检测图像中的人脸，并有着很好的鲁棒性和准确率，根据人脸的结构特征和经验知识，在人脸图像中我们提取包含眼睛和嘴巴的位置块图像，对眼睛状态和嘴部状态进行状态检测，制定新的驾驶员运动状态规则，采取新的疲劳检测方法PATECP(PercentageAnd Time that Eyelids Cover the Pupils)和PATMIO(Percentage And Time thatMouth Is Open)来对驾驶员的状态进行验证。实验测试结果表明，基于眼睛和嘴部多特征的信息融合的方法可以适应各种条件下的驾驶员疲劳检测并具有较高的实时准确率。综上所述，本文利用驾驶员脸部融合多特征对驾驶员疲劳状态的检测预警做了初步的研究，并以构造实时监测预警系统为目标，对驾驶员的运动状态进行实时监测。文章中所讲算法已经编程实现，并在实际驾驶的样本测试过程中表现出较强的稳定性和令人较为满意的测试效果。