正文 

当前位置： 首页 > 知识 > java教程

python基于opencv的实时疲劳检测[源码＆演示视频＆部署教程](代码片段)

群马视觉 群马视觉     2023-04-01     550

关键词：

1.图片演示

2.视频演示

3.检测方法

1）方法
与用于计算眨眼的传统图像处理方法不同，该方法通常涉及以下几种组合：

1、眼睛定位。
2、阈值找到眼睛的白色。
3、确定眼睛的“白色”区域是否消失了一段时间（表示眨眼）。
相反，眼睛长宽比是一种更为优雅的解决方案，它涉及基于眼睛面部轮廓之间的距离之比的非常简单的计算。

这种眨眼检测方法快速，高效且易于实现。

（2）眼睛纵横比
我们可以应用脸部界标检测来定位脸部重要区域，包括眼睛，眉毛，鼻子，耳朵和嘴巴
这也意味着我们可以通过了解特定面部部分的索引来提取特定面部结构：
在眨眼检测方面，我们只对两套面部结构感兴趣：眼睛。
每只眼睛都由6 （x，y）坐标表示，从坐标的左角开始（就像您在看那个人一样），然后沿该区域的其余部分顺时针旋转：

基于此图像，我们应该取消关键点：
这些坐标的宽度和高度之间存在关系。
根据Soukupová和Čech在2016年的论文《使用面部地标进行实时眼睛眨眼检测》的工作，我们可以得出一个反映这种关系的方程，称为眼睛纵横比（EAR）：

def eye_aspect_ratio(eye):
    # 计算距离，竖直的
    A = dist.euclidean(eye[1], eye[5])
    B = dist.euclidean(eye[2], eye[4])
    # 计算距离，水平的
    C = dist.euclidean(eye[0], eye[3])
    # ear值
    ear = (A + B) / (2.0 * C)
    return ear

其中p1，…，p6是2D面部界标位置。

该方程的分子计算垂直眼界标之间的距离，而分母计算水平眼界标之间的距离，对分母进行适当加权，因为只有一组水平点，但有两组垂直点。

（3）眨眼检测标准
睁开眼睛时眼睛的纵横比大约是恒定的，但是当眨眼时眼睛的纵横比会迅速降至零。
使用这个简单的方程式，我们可以避免使用图像处理技术，而只需依靠眼睛界标距离的比率来确定一个人是否在眨眼。
为了更清楚地说明这一点，请看下图：

图： 左上：当眼睛睁开时，眼睛界标的可视化。右上：闭上眼睛时的眼睛地标。底部：绘制随时间变化的眼睛纵横比。眼睛纵横比的下降表示眨眼

def shape_to_np(shape, dtype="int"):
    # 创建68*2
    coords = np.zeros((shape.num_parts, 2), dtype=dtype)
    # 遍历每一个关键点
    # 得到坐标
    for i in range(0, shape.num_parts):
        coords[i] = (shape.part(i).x, shape.part(i).y)
    return coords

在左上角，我们的眼睛完全张开-此处的眼睛长宽比会很大（r），并且随着时间的推移会相对保持恒定。
但是，一旦眨眼（右上角），眼睛的宽高比就会急剧下降，接近零。
在底部图中绘出了眼纵横比随时间的视频剪辑的曲线图。如我们所见，眼睛的纵横比是恒定的，然后迅速下降到接近零，然后再次增加，表明已经发生了一次眨眼。
在确定视频流中是否发生眨眼时，我们需要计算眼睛的宽高比。

# 设置判断参数
EYE_AR_THRESH = 0.3  # ear小于0.3判断为闭眼
EYE_AR_CONSEC_FRAMES = 3  # 连续三帧ear都小于0.3判断为眨眼

# 初始化计数器
COUNTER = 0
TOTAL = 0

如果眼睛的宽高比下降到某个阈值以下，然后又上升到该阈值以上，那么我们将注册“眨眼”- EYE_AR_THRESH 是此阈值。我们将其默认设置为0. 3 因为这对我的应用程序最有效，但是您可能需要针对自己的应用程序进行调整。

# 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
    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)

        # 分别计算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
        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
            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()

然后我们有一个重要的常数， EYE_AR_CONSEC_FRAME —此值设置为 3 表示连续三个帧的眼睛长宽比小于EYE_AR_THRESH 必须进行眨眼才能注册眨眼。
同样，根据流水线的帧处理吞吐率，您可能需要为自己的实现提高或降低此数字。
第44和45行初始化两个计数器。柜台 是眼睛长宽比小于的连续帧的总数 EYE_AR_THRESH 尽管 全部的 是脚本运行期间发生的总闪烁次数。

4.完整源码&环境部署视频教程&自定义UI界面:

5.参考文献

[1] 汪明明,林小竹.基于OpenCV人眼定位的人脸检测方法[D].北京石油化工学院.2012（12）.

[2] 傅亚煌,黄鸣宇.基于眼动特性的机动车驾驶疲劳系统[J].电脑与信息技术.2013(2).

[3] 王奕直,周凌霄,孔万增.基于Adaboost的疲劳驾驶眨眼检测[D].杭州电子科技大学学报.2013(8).

[4] 张旭,李亚利,陈晨,王生进,丁晓青.嵌入式驾驶员状态检测算法的实现与优化[J].自动化学报.2012(12).

[5] 赵钟.驾驶员疲劳检测方法研究及嵌入式实现[D]. 大连海事大学.2010(6).

[6] 徐淑峰,孙炜,赵峰,张忠.Adaboost人脸检测算法在嵌入式平台上的优化与实现[D].上海交通大学微电子学院.2008(6).

[7] 牛慧萍.基于DSP的人眼状态信息检测系统的研究和设计.[D].沈阳理工大学.2010(3).

[8] 郑玉铎.田杨萌.靳薇.基于Adaboost 和ASM 算法的人眼定位.[J] .北京信息科技大学学报.2013(6).

[9] 郭纯宏.基于嵌入式的人眼信息检测系统研究.[D].沈阳理工大学.2011(3).

[10] 王洪涛.驾驶疲劳测评方法研究及其DSP实现.[D].武汉理工大学.2007(5).

[11] 向本科.基于人眼检测的驾驶员疲劳检测研究.[D].西南大学.2010(5).

[12] 常瑜亮.基于DSP的疲劳驾驶检测系统硬件设计与实现. [D].沈阳理工大学.2010(3).

[13] 李文磊.基于DSP的疲劳驾驶实时监测系统研究.[D] .南京理工大学.2007(6).

基于python+opencv的人脸检测，使用任意外置摄像头或者电脑自带摄像头(附可用源码)(代码片段)

一.本文概述：1.使用电脑自带摄像头或者外置摄像头进行人脸检测和框选2.也可用于检测实时视频中的人脸二.准备工作：1.装有pycharm，并且下载安装好OpenCV库2.本次是用的HAAR级联分类器，所以还需要下载haarcascades... 查看详情

附源码基于opencv的python人脸识别

大家好，我是cv君，近期朋友的作品，由我来分享给大家，人脸识别的，顺便还附带了比较完整的一些功能，还有UI界面，可拓展性高，欢迎收藏~（遍历目录下所有照片依次识别视频随时标注）一、功能概览可以实现在摄像头下... 查看详情

附源码基于opencv的python人脸识别

大家好，我是cv君，近期朋友的作品，由我来分享给大家，人脸识别的，顺便还附带了比较完整的一些功能，还有UI界面，可拓展性高，欢迎收藏~（遍历目录下所有照片依次识别视频随时标注）一、功能概览可以实现在摄像头下... 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)

...。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。博文提供了完整的Python代码和... 查看详情

别让疲劳成为你的最后一程路：如何避免驾驶疲劳？丨曼孚科技

...，即对驾驶员与车辆状态的检测。一、驾驶员状态检测■基于生理指标的检测：通过对驾驶员脉搏、脑电信号、心电信号的检测掌握驾驶员的身体状态，这种方法可以精准检测出疲劳驾驶状态，但其成本较高且有可能影响正常驾... 查看详情

dlib+opencv库实现疲劳检测(代码片段)

文章目录1.关键点检测2.算法实现的核心点3.算法实现（1）人脸的关键点集合（2）加载人脸检测库和人脸关键点检测库（3）绘制人脸检测的框（4）对检测之后的人脸关键点坐标进行转换（5）... 查看详情

五分钟快速搭建一个实时人脸口罩检测系统(opencv+paddlehub含源码)(代码片段)

导读本文主要介绍如何使用OpenCV和PaddleHub实现一个实时人脸口罩检测系统。（公众号：OpenCV与AI深度学习）背景介绍   从19年疫情爆发到现在，佩戴口罩对大家来说已是常态。应运而生的就有了很多相关应用࿰... 查看详情

opencv+openvino实现人脸landmarks实时检测(代码片段)

...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版本的模型是8位量化的。同时OpenCV通过与OpenVINOIE... 查看详情

opencv进阶-ssd模型实时人脸检测

...有很强的抗干扰性。opencv自带的人脸检测模型一、先安装python参考：计算机基础-深度学习下的python下载与安装二、下载模型文件打开windows下的终端，点击左下角的徽标键，输 查看详情

人脸检测高级：疲劳检测(代码片段)

...dimportargparseimportimutilsimporttimeimportdlibimportcv2导入们所需的Python包。我们还需要imutils包，我的一系列计算机视觉和图像处理功能，以便更轻松地使用OpenCV。如果您的系统上还没有安装imutils，您可以通过以下方式安装/升... 查看详情

opencv基于残差网络实现人脸检测(代码片段)

OpenCV基于残差网络实现人脸检测OpenCV3.3版本第一次把深度神经网络(DNN)模块引入到正式发布版本中，最新的OpenCV3.4中DNN模块发布了两个必杀技，一个支持FasterR-CNN的对象检测，比SSD与YOLO这些模型有更好的检测精度与小对象检测能... 查看详情

基于python+opencv车道线检测(直道和弯道)

基于Python+OpenCV车道线检测(直道和弯道)基于Python+OpenCV车道线检测(直道和弯道) 查看详情

基于python+opencv车道线检测(直道和弯道)

基于Python+OpenCV车道线检测(直道和弯道)基于Python+OpenCV车道线检测(直道和弯道) 查看详情

毕业设计:基于机器学习的驾驶疲劳检测(代码片段)

文章目录0前言1总结2基于多视频窗口的疲劳驾驶监测系3基于近红外图像的疲劳驾驶检测4基于面部特征的全天候疲劳驾驶检测及预警5其他方法0前言最近在帮同一位同学研究基于机器学习方法的驾驶疲劳算法，这里做一些记录... 查看详情

androidapp人脸识别中借助摄像头和opencv实时检测人脸讲解及实战（附源码和演示超详细）(代码片段)

...摄像头实时检测人脸与Android自带的人脸检测器相比，OpenCV具备更强劲的人脸识别功能，它可以通过摄像头实时检测人脸，实时检测的预览空间是JavaCameraView常用方法说明如下setCvCameraViewListener：设置OpenCV的相机视... 查看详情

毕业设计疲劳驾驶检测系统-机器学习机器视觉opencvpython

文章目录0前言1总结2基于多视频窗口的疲劳驾驶监测系3基于近红外图像的疲劳驾驶检测4基于面部特征的全天候疲劳驾驶检测及预警5其他方法0前言🔥Hi，大家好，这里是丹成学长的毕设系列文章！🔥对毕设有... 查看详情

使用 OpenCV 进行实时虹膜检测 - 阈值与 HoughTransform

...频流中检测和跟踪眼睛虹膜的应用程序。为此，我想使用Python和OpenCV。在互联网上对此进行研究时，在我看来，有多种可能的方法可以做到这一点。第一 查看详情

机器视觉python+opencv+mediapipe实时人流检测(代码片段)

安装所需模块：pipinstallcv2pipinstallmidiapipeMidiaPipeMediaPipe为直播和流媒体提供跨平台、可定制的机器学习解决方案。端到端加速引擎：内置的快速ML推理和处理即使在常见硬件上也能加速一次构建，任意部署：统一解... 查看详情