随着交通运输业的发展,交通事故己成为当前各国所面临的严重问题,疲劳驾驶是引发交通事故的主要因素之一。基于机器视觉的疲劳检测在实时性、非接触性及全天候等方面比其他监控方法有更大的优势,所以该方法已成为当前研究的一个热点。本文在研究前人工作的基础上,提出一套有效的疲劳检测算法。该算法可分为四个过程:人脸的检测与定位,人脸姿态的调整,人眼的检测与定位,人眼的跟踪与定位和识别驾驶员疲劳状态。本文研究内容和取得的主要成果如下:(1)人脸的检测与定位。从红外摄像头获取的视频流中读取一帧红外图象,利用红外人脸图象面部区域亮度较高,背景较暗并且简单的优势,采用迭代式阈值算法对图象进行自适应的二值化处理,然后利用区域标记的方法定位出人脸区域。该人脸检测方法不仅能够准确的定位人脸,而且基本不受光照的影响,很好的解决了传统检测方法受光照及姿态影响较大,从而导致定位不准确的缺点。(2)人脸姿态的调整。由于人眼的检测与定位采用的是模板匹配的方法,而人眼模板是水平的,未旋转的,这时如果待检测人脸旋转了某个角度,就很可能会导致人眼模板匹配失败,从而得到一个错误的匹配结果。所以在进行人眼检测与定位之前必须将待检测人脸进行旋转校正,这样可以很大程度上提高人眼模板匹配的成功率。(3)人眼的检测与定位。本文在仔细分析红外图象特点的基础上,改进了传统模板匹配算法,总结出多步长模板匹配的方法,该算法大幅度减少了模板匹配的次数,减少了算法的计算量,而且该算法在进行抽样匹配的过程中由于抽样能够均匀覆盖搜索子图,从而保证了模板匹配的准确度,最终使得该方法定位准确,算法速度快,能够满足了实时性的要求。(4)采用驾驶疲劳识别算法本文算法能够自动测量并连续跟踪驾驶员眼睛的睁闭情况,并且根据相应的阈值提醒驾驶员。由于夜间是驾驶疲劳的高发时期,该方法采用红外光作为光源,解决了夜间光照不稳定的问题,所采用算法简单有效,复杂度低,而且具有较好的容错性和鲁棒性。