文件編號：A60

文件大?。?/strong>80M

開發(fā)環(huán)境：Python3.8、OpenCV4.5、dlib

猿創(chuàng)承諾：該項目親測正常運行，需遠程調(diào)試部署需另外收費，確保正常使用，不能正常使用全額退款。

簡要概述：疲勞檢測原理

因為人在疲倦時大概會產(chǎn)生兩種狀態(tài)： 眨眼：正常人的眼睛每分鐘大約要眨動10-15次，

每次眨眼大概0.2-0.4秒，如果疲倦時眨眼次數(shù)會增多，速度也會變慢。打哈欠：此時嘴

會長大而且會保持一定的狀態(tài)。因此檢測人是否疲勞可以從眼睛的開合度，眨眼頻率，以

及嘴巴張合程度來判斷一個人是否疲勞。

檢測工具

dlib ：一個很經(jīng)典的用于圖像處理的開源庫，shape_predictor_68_face_landmarks.dat是一個用于人臉68個關(guān)鍵點檢測的dat模型庫，使用這個模型庫可以很方便地進行人臉檢測，并進行簡單的應用。

代碼思路

第一步：使用dlib.get_frontal_face_detector() 獲得臉部位置檢測器

第二步：使用dlib.shape_predictor獲得臉部特征位置檢測器

第三步：分別獲取左右眼面部標志的索引

第四步：打開cv2 本地攝像頭

第五步：從視頻流進行循環(huán)，讀取圖片，并對圖片做維度擴大，并進灰度化

第六步：使用detector(gray, 0) 進行臉部位置檢測

第七步：循環(huán)臉部位置信息，使用predictor(gray, rect)獲得臉部特征位置的信息

第八步：將臉部特征信息轉(zhuǎn)換為數(shù)組array的格式

第九步：提取左眼和右眼坐標

第十步：構(gòu)造函數(shù)計算左右眼的EAR值，使用平均值作為最終的EAR

第十一步：使用cv2.convexHull獲得凸包位置，使用drawContours畫出輪廓位置進行畫圖操作

第十二步：進行畫圖操作，用矩形框標注人臉

第十三步：分別計算左眼和右眼的評分求平均作為最終的評分，如果小于閾值，則加1，如果連續(xù)3次都小于閾值，則表示進行了一次眨眼活動

第十四步：進行畫圖操作，68個特征點標識

第十五步：進行畫圖操作，同時使用cv2.putText將眨眼次數(shù)進行顯示

第十六步：統(tǒng)計總眨眼次數(shù)大于50次屏幕顯示睡著。

np.linalg.norm: 0.284s

dist.euclidean: 0.596s 

所以看出np.linalg.norm（）函數(shù)的運算速度要比dist.euclidean（）快一點。所以用前者

來測量眼睛和嘴巴的歐氏距離。

按需寫作：

演示視頻：

點擊查看：系統(tǒng)演示視頻 提取碼：61ic

運行結(jié)果：

遠程協(xié)助：

溫馨提示：索煒達.猿創(chuàng)官方提供收費遠程協(xié)助，確保您項目運行成功。

點擊查看：遠程協(xié)助相關(guān)事項

我們提供完整項目文件清單如下：

文件目錄

 ├ 1.項目源碼

 ├ 2.運行截圖

 └ 3.演示視頻