随着经济的发展,汽车越来越多,交通事故的次数也随之增多。通过打击醉酒驾,减少醉酒驾驶引发的交通事故发生。与之相对应,通过检测人体疲劳,可以减少疲劳驾驶导致的交通事故发生。驾驶员长时间驾驶汽车,会逐渐进入疲劳状态,对周围环境的感知力、判断力都会有明显的下降；对车辆、自身行为的控制会逐渐松懈,发生交通事故的危险会逐渐上升。大量的统计资料表明,疲劳驾驶导致的交通事故,占事故总数的1/8,但是却占有人身伤害事故的1/6。因此研究疲劳驾驶检测的方法,减少事故的发生,具有重大的社会意义。通过对国内外人体疲劳成因和现有疲劳检测方法的研究分析发现：实时的非接触方法检测疲劳驾驶,是目前主要的研究方向。据此展开了本文的研究。本文的主要工作如下：人脸和人眼的检测与定位。通过对现有人脸检测定位的总结,提出了一种基于知识的方法与基于统计的方法相结合的人脸检测算法。利用人脸肤色聚类可以快速实现,Adaboost算法检测准确率高不依赖于色彩空间的特点,提高人脸检测算法的准确率。在实现人脸定位的基础上,再利用人脸的器官分布知识与Adaboost算法结合,实现人眼的精确定位。基于Camshift算法的人脸追踪。目前基于计算机视觉处理的疲劳检测问题,都会面临着实时性不足的问题。本文利用改进的目标跟踪算法,提高了整个系统的效率。同时优化调整Camshift追踪算法的流程,解决了Camshift算法半自动和在追踪失败时的处理问题。疲劳的度量及人眼状态识别。PERCLOS算法是目前基于人眼状态度量人体疲劳最有效的方法,但是度量的主观性很强,本文根据PERCLOS的原理,尝试提出一种新的度量方法,增强度量的客观性。在此基础上,本文提出了利用SVW向量状态机算法来识别人眼状态。