近年来，由于驾驶员疲劳驾驶引起的交通事故在驾驶事故中占的比例越来越大，其社会危害也越来越大。因此研究一种非接触式的疲劳驾驶监测方法具有非常重要的意义。眼睛是人脸中非常显著的特征之一。目前眼睛检测和定位主要针对眼角、虹膜和瞳孔，而眼角的检测比虹膜和瞳孔更加稳定。准确定位眼角，获取眼睛区域进行眼睛状态识别是基于视觉的疲劳驾驶监测的重要内容。　　 针对疲劳驾驶监测的应用需求，本文在人脸检测的基础上对眼睛角点定位与眼睛状态识别的方法进行了研究。主要做了以下两个方面的工作。　　 (1)为了提高人眼定位的准确率，提出了一种新的眼睛角点精确定位方法。该方法包括眼睛粗定位、轮廓提取椭圆拟合、角点检测和眼角定位等步骤。其中眼睛粗定位是根据眼睛在人脸中所占比率的认知原理进行定位的;提取眼睛轮廓并运用最小二乘法对眼睛区域进行椭圆拟合;然后运用CSS(Curvature Scale Space)角点检测算子进行角点检测来准确获取眼角候选点;最后采用角点投影频数分布的统计方法确定眼睛内外眼角点。对比实验表明，本文方法降低了光线强度和表情变化对眼角的影响，优于传统的眼角点定位方法。　　 (2)在定位人眼角点之后，本文提出了一种两步模板匹配法的眼睛状态识别方法用于眼睛状态的识别。该方法首先改进了传统模板匹配方法中眼睛模板的制作，在图像处理过程中加入了双极线性插值方法图像大小归一化和灰度直方图均衡化，且每个睁、闭眼模板分别采用6幅不同特征的左右眼睛图像进行合成，左右睁眼合用一个睁眼模板，故最终眼睛模板只分为睁眼和闭眼两个模板;其次在传统模板匹配方法的基础上提出了两步模板匹配法，第一步模板匹配采用相关函数来计算匹配程度，左右眼状态一致的图像直接得到结果，对于两眼状态判断不统一的眼睛图像再进行第二步模板匹配，在第二步模板匹配中采用误差测量来计算匹配程度并获取最终眼睛识别结果。对比实验结果表明，该方法降低了睁眼程度很小时状态识别的错误率，提高了识别的精度。　　 最后，本文设计并实现了疲劳驾驶监测原型系统，该系统首先实现了眼睛定位和状态识别的功能，在此基础上，采用PERCLOS(Percentage of Eyelid ClosureOver the Pupil Time)方法得到疲劳与否的判断结果。系统实测结果表明，该系统具较高的准确性和一定的鲁棒性。