В статье рассматривается проблема повышения надежности обнаружения лица в видеопотоке, используемом в системах мониторинга состояния водителя. Надежная локализация лица водителя рассматривается как предварительный этап компьютерного зрения, необходимый для последующего анализа состояния глаз, направления взгляда, положения головы и визуальных признаков усталости. Целью исследования является разработка и экспериментальная оценка адаптивного метода обнаружения лица, обеспечивающего устойчивую работу при изменении освещения, положения головы, уровня шума изображения и частичном закрытии лица в условиях использования неподвижной камеры с предварительно выполненной внешней калибровкой. Предложенный метод объединяет первоначальное обнаружение областей лица с помощью алгоритма Виолы–Джонса, проверку обнаруженных областей посредством SVM-классификатора, внешнюю калибровку камеры и инкрементное обновление параметров на основе результатов обнаружения с высокой степенью достоверности, используемых в качестве псевдометок. Метод оценивался на наборе из 18 000 видеокадров, полученных из 12 видеозаписей с участием семи добровольцев в различных условиях съемки. Экспериментальные результаты показали, что интегрированный метод обеспечивает более высокие показатели обнаружения лица по сравнению с базовым алгоритмом Виолы–Джонса и его комбинацией со статическим SVM-классификатором. Предложенный метод достиг Precision 0,91 и Recall 0,90 при скорости обработки 22 кадра в секунду. В исследовании оценивается только обнаружение лица; непосредственная классификация усталости, сонливости, состояния глаз или мимики водителя не выполнялась. Полученные результаты показывают, что предложенный метод может использоваться как предварительный малоресурсный компонент системы мониторинга состояния водителя, работающей в режиме реального времени.