OpenCV实战完美实现眨眼疲劳检测!!

2023-10-18 02:44

本文主要是介绍OpenCV实战完美实现眨眼疲劳检测!!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

1,项目流程

2,代码实现

3,结果展示


应用场景主要是在监控系统和驾驶员安全监测中:

  1. 监控系统:可以将该项目应用于监控摄像头的视频流中,实时检测闭眼行为。通过实时计算闭眼次数和眼睛长宽比,可以预警或记录监控区域内人员的疲劳程度。当人员频繁闭眼时,可能表明其处于疲劳或注意力不集中状态,系统可以及时发出警报,提醒人员保持警觉。

  2. 驾驶员安全监测:可以将该项目应用于车载摄像头的视频流中,实时监测驾驶员的闭眼行为。通过检测驾驶员的眼睛状态,可以判断其是否处于疲劳驾驶状态。当驾驶员频繁闭眼或长时间闭眼时,系统可以发出警报,提醒驾驶员休息或采取措施,以避免危险情况的发生。

这些应用场景可以帮助提高监控系统的效率和驾驶安全性,减少因疲劳驾驶引起的意外事故。同时,也可以用于研究和分析人的视觉习惯和疲劳程度,为相关研究提供数据支持。

1,项目流程

  1. 导入工具包和库:

    • 导入所需的工具包和库,包括scipy.spatial.distance用于计算距离,collections.OrderedDict用于保持字典顺序,numpy用于数值计算,argparse用于解析命令行参数,time用于时间相关操作,dlibcv2用于人脸和图像处理。
  2. 定义常量和变量:

    • 定义面部关键点的索引字典FACIAL_LANDMARKS_68_IDXS,包含了不同面部区域的关键点索引。
    • 定义眼睛长宽比的阈值EYE_AR_THRESH和连续闭眼帧数的阈值EYE_AR_CONSEC_FRAMES
    • 初始化计数器COUNTER和总闭眼次数TOTAL
  3. 加载人脸检测和关键点预测模型:

    • 使用dlib库的get_frontal_face_detector()函数加载人脸检测器。
    • 使用dlib库的shape_predictor加载关键点预测模型,并传入命令行参数中指定的预训练模型路径。
  4. 读取视频流:

    • 使用OpenCV的VideoCapture函数读取视频流。
    • 设置合适的宽度并对帧进行缩放,以便在窗口中正确显示。
  5. 定义辅助函数:

    • 定义shape_to_np函数,将dlib关键点对象转换为numpy数组,以便更容易处理。
  6. 遍历每一帧:

    • 使用read()方法从视频流中读取一帧图像。
    • 对读取到的帧进行预处理,包括调整大小和转换为灰度图像。
    • 使用人脸检测器检测人脸,并返回矩形区域。
    • 遍历每个检测到的人脸:
      • 使用关键点预测模型获取面部关键点,并将其转换为numpy数组。
      • 从面部关键点中提取左眼和右眼区域。
      • 计算左右眼的眼睛长宽比。
      • 绘制眼睛轮廓。
      • 根据眼睛长宽比判断眼睛是否闭合,如果连续几帧都闭眼,则计数器累加。
    • 在帧上显示闭眼次数和眼睛长宽比。
    • 检测键盘输入,如果按下ESC键则退出循环。
  7. 释放资源:

    • 关闭视频流和销毁窗口。

这些块组合在一起,实现了从视频流中检测人脸闭眼次数的功能。

2,代码实现

#导入工具包
from scipy.spatial import distance as dist
from collections import OrderedDict
import numpy as np
import argparse
import time
import dlib
import cv2FACIAL_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))
])# http://vision.fe.uni-lj.si/cvww2016/proceedings/papers/05.pdf
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# 输入参数
ap = argparse.ArgumentParser()
ap.add_argument("-p", "--shape-predictor", required=True,help="path to facial landmark predictor")
ap.add_argument("-v", "--video", type=str, default="",help="path to input video file")
args = vars(ap.parse_args())# 设置判断参数
EYE_AR_THRESH = 0.3
EYE_AR_CONSEC_FRAMES = 3# 初始化计数器
COUNTER = 0
TOTAL = 0# 检测与定位工具
print("[INFO] loading facial landmark predictor...")
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(args["shape_predictor"])# 分别取两个眼睛区域
(lStart, lEnd) = FACIAL_LANDMARKS_68_IDXS["left_eye"]
(rStart, rEnd) = FACIAL_LANDMARKS_68_IDXS["right_eye"]# 读取视频
print("[INFO] starting video stream thread...")
vs = cv2.VideoCapture(args["video"])
#vs = FileVideoStream(args["video"]).start()
time.sleep(1.0)def shape_to_np(shape, dtype="int"):# 创建68*2coords = 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# 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=1200r = 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 += 1else:# 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) & 0xFFif key == 27:breakvs.release()
cv2.destroyAllWindows()

3,结果展示

在视频帧的左上角显示当前累计的闭眼次数

在视频帧的右上角显示当前的眼睛长宽比(EAR)值,保留两位小数。

随着人工智能技术的快速发展,上述项目应用在监控系统和驾驶员安全监测领域的趋势将更加广泛和深入。以下是上述应用未来的趋势和实际意义:

  1. 多领域应用:除了监控系统和驾驶员安全监测,该项目也可以应用于其他领域,如医疗、教育等。在医疗领域,该项目可以用于帮助病人更好地进行治疗和康复;在教育领域,可以用于研究学生的注意力集中度和知识理解程度,提高教学效果。

  2. 算法优化:随着计算机能力的不断提升,算法也会更加高效和准确。未来,可能会采用更先进的机器视觉和人工智能技术,如深度学习、强化学习等,来优化闭眼检测算法和提高检测精度。

  3. 数据安全:由于这类应用需要涉及到用户的个人数据,如视频图像等,因此对于数据安全和隐私保护问题,也需要给予足够的重视。未来,可能会出现更加安全和隐私保护的闭眼检测技术。

总之,上述项目的未来趋势将更加广泛和深入,同时也会带来更多的实际意义。通过对人睡眠状态和疲劳状态的检测和分析,我们能够有效地预防意外事故,提高工作效率和学习效果,使人们生活更加健康和安全。

这篇关于OpenCV实战完美实现眨眼疲劳检测!!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/229666

相关文章

Python实现终端清屏的几种方式详解

《Python实现终端清屏的几种方式详解》在使用Python进行终端交互式编程时,我们经常需要清空当前终端屏幕的内容,本文为大家整理了几种常见的实现方法,有需要的小伙伴可以参考下... 目录方法一:使用 `os` 模块调用系统命令方法二:使用 `subprocess` 模块执行命令方法三:打印多个换行符模拟

SpringBoot+EasyPOI轻松实现Excel和Word导出PDF

《SpringBoot+EasyPOI轻松实现Excel和Word导出PDF》在企业级开发中,将Excel和Word文档导出为PDF是常见需求,本文将结合​​EasyPOI和​​Aspose系列工具实... 目录一、环境准备与依赖配置1.1 方案选型1.2 依赖配置(商业库方案)二、Excel 导出 PDF

Python实现MQTT通信的示例代码

《Python实现MQTT通信的示例代码》本文主要介绍了Python实现MQTT通信的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 安装paho-mqtt库‌2. 搭建MQTT代理服务器(Broker)‌‌3. pytho

使用zip4j实现Java中的ZIP文件加密压缩的操作方法

《使用zip4j实现Java中的ZIP文件加密压缩的操作方法》本文介绍如何通过Maven集成zip4j1.3.2库创建带密码保护的ZIP文件,涵盖依赖配置、代码示例及加密原理,确保数据安全性,感兴趣的... 目录1. zip4j库介绍和版本1.1 zip4j库概述1.2 zip4j的版本演变1.3 zip4

从入门到进阶讲解Python自动化Playwright实战指南

《从入门到进阶讲解Python自动化Playwright实战指南》Playwright是针对Python语言的纯自动化工具,它可以通过单个API自动执行Chromium,Firefox和WebKit... 目录Playwright 简介核心优势安装步骤观点与案例结合Playwright 核心功能从零开始学习

python生成随机唯一id的几种实现方法

《python生成随机唯一id的几种实现方法》在Python中生成随机唯一ID有多种方法,根据不同的需求场景可以选择最适合的方案,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习... 目录方法 1:使用 UUID 模块(推荐)方法 2:使用 Secrets 模块(安全敏感场景)方法

Java docx4j高效处理Word文档的实战指南

《Javadocx4j高效处理Word文档的实战指南》对于需要在Java应用程序中生成、修改或处理Word文档的开发者来说,docx4j是一个强大而专业的选择,下面我们就来看看docx4j的具体使用... 目录引言一、环境准备与基础配置1.1 Maven依赖配置1.2 初始化测试类二、增强版文档操作示例2.

Spring StateMachine实现状态机使用示例详解

《SpringStateMachine实现状态机使用示例详解》本文介绍SpringStateMachine实现状态机的步骤,包括依赖导入、枚举定义、状态转移规则配置、上下文管理及服务调用示例,重点解... 目录什么是状态机使用示例什么是状态机状态机是计算机科学中的​​核心建模工具​​,用于描述对象在其生命

Spring Boot 结合 WxJava 实现文章上传微信公众号草稿箱与群发

《SpringBoot结合WxJava实现文章上传微信公众号草稿箱与群发》本文将详细介绍如何使用SpringBoot框架结合WxJava开发工具包,实现文章上传到微信公众号草稿箱以及群发功能,... 目录一、项目环境准备1.1 开发环境1.2 微信公众号准备二、Spring Boot 项目搭建2.1 创建

IntelliJ IDEA2025创建SpringBoot项目的实现步骤

《IntelliJIDEA2025创建SpringBoot项目的实现步骤》本文主要介绍了IntelliJIDEA2025创建SpringBoot项目的实现步骤,文中通过示例代码介绍的非常详细,对大家... 目录一、创建 Spring Boot 项目1. 新建项目2. 基础配置3. 选择依赖4. 生成项目5.