1、隨著物質條件的不斷提高，汽車在日常生活中越來越普及。雖然汽車帶給人們很多便利，但是也帶來了越來越多的交通事故，使得廣大家庭和社會遭受巨大傷害和損失。據統(tǒng)計，在所有的交通事故中，疲勞駕駛導致的事故數(shù)量占了很大的比例。因此，來自不同國家不同領域的眾多研究人員都展開了對駕駛員疲勞檢測的研究，取得了很大成果?？紤]疲勞檢測應該同時滿足準確性、實時性、魯棒性、舒適性的要求，所以本文研究了基于視覺的駕駛員疲勞檢測算法，并驗證了這是一種無接觸的、實時性

2、好的、高準確性的算法。
　　本文遵從由大到小，逐步縮小定位的原則，采用數(shù)字圖像處理、計算機視覺和模式識別技術提取駕駛員眼部特征然后通過結合PERCLOS疲勞判定標準和眨眼頻率的方法來判定駕駛員是否疲勞。論文所做的主要工作如下:
　　1.采用中值濾波去噪，基于直方圖均衡化和“參考白”結合的方法進行光補償。通過簡單操作對圖像進行預處理，可以使得后續(xù)步驟的處理更加方便，提高了系統(tǒng)的準確性和魯棒性。
　　2.利用膚色在YCbC

3、r模型中的聚類特性，在原始圖像中提取出人臉候選區(qū)域，減少后續(xù)檢測目標區(qū)域，提高系統(tǒng)的速度，實時性更好。
　　3.采用Adaboost算法來檢測人臉區(qū)域，先分別采用Haar特征和LBP特征來訓練人臉分類器，然后使用兩種人臉分類器進行測試并對比結果，最終選擇速度更快，效果更好的基于LBP特征的Adaboost分類器。
　　4.基于“三庭五眼”的先驗知識在人臉區(qū)域粗定位人眼，再使用Adaboost人眼分類器進行精確定位。然后通過對

4、人眼圖像進行Otsu二值分割和形態(tài)學操作提取到人眼輪廓，再計算出人眼的高寬比，通過高寬比的大小來識別人眼狀態(tài)。
　　5.對提取的人眼特征，采用基于PERCLOS-P80和眨眼頻率相結合的方法來判定駕駛員是否疲勞，該方法具有準確度高、實時性好、魯棒性強的優(yōu)點。能夠有效的對駕駛員疲勞狀態(tài)進行判定和預警。
　　本文在VS2013開發(fā)環(huán)境，使用C++語言并結合OpenCV2.49計算機視覺庫完成疲勞檢測算法的仿真和實現(xiàn)。通過在駕駛室