随着社会、经济的不断发展,国民消费能力逐年提高,我国汽车数量也在迅速增加。然而我国每年的交通事故发生率仍然很高,其中在重大交通事故中因疲劳驾驶所造成的事故所占的比例更是高达40%以上。疲劳驾驶已经成为威胁交通安全的重要因素之一,对于疲劳驾驶检测的研究有着重要的实际意义。目前,基于计算机视觉的疲劳检测方法是研究的热点。本文在大量研究国内外相关技术的基础上,设计了一个基于人眼状态的非接触的疲劳驾驶检测预警系统。该系统通过一个车载摄像头实时检测驾驶员状态并在疲劳时进行预警提示,并在实验室环境与实际驾驶室环境中都取得了良好的效果。本文首先研究了人脸检测技术,为了实现在实际光源不稳定、复杂背景下,同时兼具准确性的人脸检测,本文采用基于Haar-like特征训练分类器的Adaboost算法,该算法在室内、室外环境中检测效果都达到要求。然后基于人眼五官的几何位置获得人眼的大致区域,有效减少了检测时间并提高了定位的准确度,在此基础上对人眼区域进行精确定位。本文研究了两种定位方法,一种是基于LBP特征模板匹配的方法,首先对人眼样本构建LBP特征模板,统计其LBP直方图特性,通过对待检测区域的LBP直方图匹配来完成人眼定位。另一种是通过对待检测区域做快速径向对称变换来快速定位近似圆的兴趣点。在对比分析两者优缺点后本文提出了一种改进的定位方法并通过实验做了对比分析。对于人眼状态的判别本文分别研究了基于稀疏表示和基于PCA主成份分析的两种状态判别方法。疲劳判别阶段采用国际公认与疲劳最相关的PERCLOS算法,并且考虑了闭眼时长报警提示。最后本系统在录制的室内、室外驾驶视频上都达到了预期的结果,每帧图像的平均处理速度为41ms,可以满足实时性的要求。