随着人们生活节奏的加快，疲劳驾驶导致的交通事故在逐年增多。调查表明大部分处于疲劳状态的驾驶员并未意识到自己处于疲劳驾驶的状态，这也是疲劳驾驶导致交通事故的主要原因。可见，开发一套车载的非接触式疲劳驾驶预警系统具有非常大的现实意义。　　 本文依照疲劳驾驶监测系统的应用要求和特点，设计开发了一套运行于ARM平台Linux环境下的疲劳驾驶监测系统。系统监测主要包括以下几个处理过程：第一步，采用成本低廉的USB摄像头实现驾驶员上身视频的获取；第二步，对采集得到的驾驶员上身视频进行背景差分，然后采用训练好的Adaboost迭代分类器进行眼睛窗口的检测；第三步，采用改进Mean Shift和Kalman相结合的方法实现人眼窗口的跟踪和预测；第四步，在跟踪得到的每帧眼睛窗口区域，采用投影算法实现眼睛中心的精确定位，在此基础上采用眼睛上眼睑曲率和睁眼面积相结合的融合特征实现眼睛状态的识别，并依据PERCLOS标准进行眼睛疲劳程度的计算，在眼睛疲劳的情况下进行疲劳警鸣提示。最后，为了让驾驶员能及时了解到自己的眼态疲劳状况，采用TFT实时显示系统当前的监测情况。　　 基于以上算法流程，首先在PC环境下开发实现基于眼态识别的疲劳驾驶预警系统，然后借助交叉编译环境，实现系统从X86到ARM平台架构架构的转换以及系统ARM平台的移植，最终实现一套运行于ARM平台的眼态识别疲劳驾驶预警系统。实验表明，在嵌入式ARM平台下，基于眼态识别的疲劳驾驶预警系统的正确检测率达到93％，同时系统具有极低的漏误检率。另外，在ARM11平台下，系统的单帧视频处理时间仅需50毫秒，满足实时性的应用需求。