交通事故是现代社会最常见的人为灾害,给人们带来巨大的人身伤害和财产损失。在交通事故中,由于疲劳驾驶的原因导致的事故约占总数的47%,因此,疲劳驾驶已成为不可忽视的社会问题。如何实现高效、易用、非接触式的人体疲劳检测以及短期减轻疲劳的方法,已成为当前研究的一个热点。本文基于人眼图像识别理论,采用红外光作为光源,设计了基于眼部图像特征的实时疲劳检测算法,并实现了人体疲劳检测系统。整个检测和调节过程分为三个步骤:人脸检测、人眼定位跟踪,以及疲劳识别与调节。首先是对人脸的检测,本文利用摄像机采集到待检测图像,并对图像进行同态滤波、均衡化、归一化等预处理后,结合AdaBoost算法和类Haar特征,将强分类器组合成级联分类器获取图像目标,检测到人脸。其次是人眼定位跟踪,传统的目标定位方法计算复杂、实时性不高,而且要求人眼图像的边缘信息丰富。本文在第一步检测到人脸目标的基础上,改进了Harris角点检测算法,使得计算量大为降低,并综合卡尔曼滤波和粒子滤波器的优点对人眼瞳孔进行跟踪,达到了准确定位和快速跟踪的目的。最后,在人眼图像跟踪的基础上,用计算眼睑差值的方法检测人体精神状态,利用PERCLOS原理和眨眼频率两个参数判断人体是否疲劳,以及疲劳的程度。当检测到人体出现疲劳状态时,采用安全易用的tDCS(Transcranial Direct Current Stimulation)经颅直流电刺激器,通过经颅电刺激信号提高大脑的兴奋性,达到短期缓解疲劳的目的。本文使用视频库中图像以及实际图像进行测试,通过分析测试结果表明,本文的方法与当前主流检测算法相比,在实时性和准确性方面都有改进。