关键词:
本文基于OpenCV并利用dlib工具包,通过实时计算EAR值来统计眨眼次数实现了疲劳检测。
步骤:
- 首先对对检测到的人脸进行关键点定位并锁定眼睛部分的关键点,然后,对视频的每一帧图像用实时计算的EAR值来统计眨眼次数。
(1)锁定眼睛部分关键点
detector = dlib.get_frontal_face_detector()#dlib正面人脸检测
predictor = dlib.shape_predictor(args["shape_predictor"])#关键点定位,传入68关键点模型
# 分别取两个眼睛区域
(lStart, lEnd) = FACIAL_LANDMARKS_68_IDXS["left_eye"]#返回左眼开始索引,结束索引
(rStart, rEnd) = FACIAL_LANDMARKS_68_IDXS["right_eye"]
FACIAL_LANDMARKS_68_IDXS = OrderedDict([
("mouth", (48, 68)),
("right_eyebrow", (17, 22)),
("left_eyebrow", (22, 27)),
("right_eye", (36, 42)),
("left_eye", (42, 48)),
("nose", (27, 36)),
("jaw", (0, 17))
])
(2)EAR
根据上图可知,眼睛睁和闭,关键点的位置会发生变化,这里定义一个EAR=(|p2-p6|+|p3-p5|)/2*|p1-p4|,由此判断眼睛睁和闭
#根据眼睛部分的关键点,计算ear值判断眼睛睁闭
def eye_aspect_ratio(eye):
# 计算距离,竖直的
A = dist.euclidean(eye[1], eye[5])#相当于图中的|p2-p6|,scipy工具包中的euclidean欧式距离
B = dist.euclidean(eye[2], eye[4])#相当于图中的|p3-p5|
# 计算距离,水平的
C = dist.euclidean(eye[0], eye[3])#相当于图中的|p1-p4|
# ear值
ear = (A + B) / (2.0 * C)
return ear
(2)设置参数
# 设置判断参数
EYE_AR_THRESH = 0.3#阈值,闭眼时EAR值较小,眨眼是一个过程,涉及多帧图像,出现有一个过程小于阈值的EAR情况就统计为眨眼
EYE_AR_CONSEC_FRAMES = 3#EAR小于0.3持续了3帧判断为一次眨眼
# 初始化计数器
COUNTER = 0#小于0.3,COUNTER++
TOTAL = 0#当COUNTER为3时,表示连续3帧阈值小于0.3,则统计为一次眨眼TOTAL++
(3)对视频的每一帧进行判断
# 读取视频
print("[INFO] starting video stream thread...")
vs = cv2.VideoCapture(args["video"])
#vs = FileVideoStream(args["video"]).start()
time.sleep(1.0)
# 遍历每一帧
while True:
# 预处理
frame = vs.read()[1]
if frame is None:
break
(h, w) = frame.shape[:2]
width=1200#根据不同场景设置,保证人脸够大能被检测到
r = width / float(w)
dim = (width, int(h * r))
frame = cv2.resize(frame, dim, interpolation=cv2.INTER_AREA)
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 检测人脸
rects = detector(gray, 0)
# 遍历每一个检测到的人脸
for rect in rects:
# 获取坐标
shape = predictor(gray, rect)
shape = shape_to_np(shape)#shape_to_np把关键点转换成坐标值
# 分别计算左眼和右眼的ear值
leftEye = shape[lStart:lEnd]
rightEye = shape[rStart:rEnd]
leftEAR = eye_aspect_ratio(leftEye)
rightEAR = eye_aspect_ratio(rightEye)
# 算一个平均的,(左眼加右眼)/2
ear = (leftEAR + rightEAR) / 2.0
# 绘制眼睛区域
leftEyeHull = cv2.convexHull(leftEye)
rightEyeHull = cv2.convexHull(rightEye)
cv2.drawContours(frame, [leftEyeHull], -1, (0, 255, 0), 1)
cv2.drawContours(frame, [rightEyeHull], -1, (0, 255, 0), 1)
# 检查是否满足阈值
if ear < EYE_AR_THRESH:
COUNTER += 1
else:
# 如果连续几帧都是闭眼的,总数算一次
if COUNTER >= EYE_AR_CONSEC_FRAMES:
TOTAL += 1
# 重置,等待下一次眨眼
COUNTER = 0
# 显示
cv2.putText(frame, "Blinks: ".format(TOTAL), (10, 30),
cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)
cv2.putText(frame, "EAR: :.2f".format(ear), (300, 30),
cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)
cv2.imshow("Frame", frame)
key = cv2.waitKey(10) & 0xFF
if key == 27:
break
vs.release()
cv2.destroyAllWindows()
树莓派上利用python+opencv+dlib实现嘴唇检测(代码片段)
树莓派上利用python+opencv+dlib实现嘴唇检测树莓派上利用python+opencv+dlib实现嘴唇检测1、安装相关库文件1.1安装opencv1.2安装numpy1.3安装dlib2、代码部分3、实验效果树莓派上利用python+opencv+dlib实现嘴唇检测项目的目标... 查看详情
dlib库包的介绍与使用,opencv+dlib检测人脸框opencv+dlib进行人脸68关键点检测,opencv+dlib实现人脸识别,dlib进行人脸特征聚类dlib视频目标跟踪(代码片段)
...lib人脸检测:绘制出人脸检测框2.1dlib人脸检测源码2.2opencv+dlib人脸检测2.3dlib人脸检测总结3dlib人脸关键点检测:并绘制检测框、关键点、不同区域关键点连线3.1dlib人脸关键点检测源码3.2opencv+dlib进行人脸关键点检测... 查看详情
视频人脸检测——dlib版(代码片段)
往期目录视频人脸检测——Dlib版(六)OpenCV添加中文(五)图片人脸检测——Dlib版(四)视频人脸检测——OpenCV版(三)图片人脸检测——OpenCV版(二)OpenCV环境搭建(一)更多更新,欢迎访问我的github:https://github.com/vipstone/... 查看详情
opencv联合dlib人脸检测例子二(加快检测)(代码片段)
本篇博客是在opencv联合dlib人脸检测例子的基础上改进了下,加快检测流程观察了下,opencv利用haar级联分类器检测人脸区域的速度要稍快于dlib的frontal_face_detector检测人脸区域的速度。所以这篇博客是利用opencv先检测出人... 查看详情
opencv联合dlib人脸检测例子二(加快检测)(代码片段)
本篇博客是在opencv联合dlib人脸检测例子的基础上改进了下,加快检测流程观察了下,opencv利用haar级联分类器检测人脸区域的速度要稍快于dlib的frontal_face_detector检测人脸区域的速度。所以这篇博客是利用opencv先检测出人... 查看详情
人脸检测高级:疲劳检测(代码片段)
...保留开启摄像头的的代码,取消注释即可使用。使用OpenCV构建犯困检测器要开始我们的实现,打开一个新文件,将其命名为detect_drowsiness.py,并插入以下代码:#importthenecessarypackagesfromscipy.spatialimportdistanceasdistfr... 查看详情
opencv联合dlib人脸识别例子(代码片段)
本篇文章是在上一篇文章opencv联合dlib人脸检测例子二(加快检测)的基础上做了一个人脸识别功能。本文章中的代码实现了人脸识别功能。检测目标图片中的人脸是不是库中的某张图片中的人脸,按照以下操作步骤... 查看详情
opencv联合dlib人脸识别例子(代码片段)
本篇文章是在上一篇文章opencv联合dlib人脸检测例子二(加快检测)的基础上做了一个人脸识别功能。本文章中的代码实现了人脸识别功能。检测目标图片中的人脸是不是库中的某张图片中的人脸,按照以下操作步骤... 查看详情
毕业设计深度学习疲劳检测驾驶行为检测-pythonopencvcnn(代码片段)
文章目录0前言1课题背景2相关技术2.1Dlib人脸识别库2.2疲劳检测算法2.3YOLOV5算法3效果展示3.1眨眼3.2打哈欠3.3使用手机检测3.4抽烟检测3.5喝水检测4最后0前言🔥这两年开始毕业设计和毕业答辩的要求和难度不断提升,传统的... 查看详情
opencv添加中文——(代码片段)
OpenCV添加文字的方法putText(...),添加英文是没有问题的,但如果你要添加中文就会出现“???”的乱码,需要特殊处理一下。下文提供封装好的(代码)方法,供OpenCV添加中文使用。往期目录《OpenCV环境搭建(一)》《图片人... 查看详情
人脸识别基于dlib库实现人脸特征值提取(代码片段)
目录一、Dlib库介绍与安装1.Dlib库简介2.安装Dlib库二、OpenCV介绍即安装1.OpenCV简介2.OpenCV安装三、提取人脸特征点四、在眼睛处绘制黑色的实心圆五、总结六、参考一、Dlib库介绍与安装1.Dlib库简介 Dlib库是一个机器学习的开源... 查看详情
opencv图像融合(给人脸添加一个眼镜)(代码片段)
基于dlib68点人脸检测的小功能实现图像旋转找的现成的方法,稍稍麻烦点的地方就是mask处理,虽然目的达到了,但是效果一般1importnumpyasnp2importcv2ascv3importdlib4importmath56#做一个戴眼镜的滤镜效果78detector=dlib.get_frontal_face_detector()9pr... 查看详情
opencv+openvino实现人脸landmarks实时检测(代码片段)
缘由自从OpenCV3.3版本引入深度神经网络(DNN)模块之后,OpenCV对DNN模块支持最好的表现之一就是开始支持基于深度学习人脸检测,OpenCV本身提供了两个模型分别是基于Caffe与Tensorflow的,Caffe版本的模型是半精度16位的,tensorflow版本... 查看详情
dlib实现人脸的68点检测
Dlib实现68点标定效果图展示:主要是通过68点的模型进行提取脸部的68点的特征值。(相应细节都已经注释)//设置人脸的标记点#include<dlibopencv.h>#include<opencv2opencv.hpp>#include<dlibimage_processingfrontal_face_detector.h>#include< 查看详情
人脸检测实战高级:使用opencvpython和dlib完成眨眼检测(代码片段)
今天,我们使用面部标记和OpenCV检测视频流中的眨眼次数。为了构建我们的眨眼检测器,我们将计算一个称为眼睛纵横比(EAR)的指标,该指标由Soukupová和Čech在他们2016年的论文《使用面部标记的实时眨眼检测》中介绍... 查看详情
基于yolov5的疲劳驾驶检测系统(python+清新界面+数据集)(代码片段)
...,以防止交通事故发生。本文详细介绍疲劳驾驶检测系统实现原理的同时,给出Python的实现代码、训练数据集以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别,可对图像中存在的多个目标进行识别分类。博文提... 查看详情
终于安装成功dlib了,疲劳检测终于可以开工了
...安装。最后我安装dlib成功:于是我立马就开始做我的疲劳检测了,把我的眼睛检测出来一波:睁眼:闭眼: 查看详情
山东大学项目实训四——face_recognition使用opencv和dlib实现基于视频的人脸识别(代码片段)
Face_Recognition使用Opencv和Dlib实现基于视频的人脸识别文件夹介绍1、Resources\\pictures此文件夹下存放人脸保存结果2、Resources\\video此文件夹下存放带标注视频保存结果3、Resources\\faceS此文件夹下存放各个人物的图片,用于人脸库... 查看详情