opencv计算机视觉——疲劳检测（眨眼检测）

1.dist.eculidean(A, B) # 求出A和B点的欧式距离

参数说明：A，B表示位置信息

2.dlib.get_frontal_face_detector()表示脸部位置检测器

3.dlib.shape_predictor(args['shape_predictor]) 表示脸部特征位置检测器

参数说明：args[‘shape_predictor’] 表示位置信息

4.Orderdict([(‘mouth’, (23, 30))]) # 构造有序的字典
参数说明：'mouth’表示字典的键，(23, 30) 表示字典的值

使用人脸检测可以获得人脸框的位置信息，再使用人脸框的关键点检测，检测出各个人脸部分的位置

眨眼检测：主要是通过检测脸部6个点，即 A = dist.euclidean(eye[2], eye[4]), 即眼部的2号点与4号点的欧式距离

B = dist.euclidean(eye[1], eye[5]) C = dist.euclidean(eye[0], eye[3]) # 即1号点与5号点的位置， 0号点与3号点的欧式距离

EAR = (A + B) / 2 * C， 分别计算左眼和右眼的评分求平均作为最终的评分，如果小于阈值，则加1，如果连续3次都小于阈值，则表示进行了一次眨眼活动

代码：

第一步：使用OrderedDict() 构建有序的脸部位置序号字典

第二步：使用argparse构造出可以传入的参数

第三步：使用dlib.get_frontal_face_detector()获得脸部位置检测器

第四步：使用dlib.shape_predictor构造脸部特征检测器

第五步：进入循环，读取图片，对图片维度进行扩大，方便进行脸部特征检测，同时进行灰度化，为了脸部特征检测做准备

第六步：使用detector(gray, 0) 进行脸部位置检测

第七步：循环脸部位置，使用predictor(gray, rect)获得脸部特征的位置信息

第八步：将脸部特征的位置信息转换为数组的形式

第九步：根据字典的序号，获得左眼和右眼的位置array

第十步：使用cv2.convexHull构造左右眼的凸包，并使用cv2.drawContours完成画图操作

第十一步：构造函数计算左右眼的EAR值，使用平均值作为最终的EAR

第十二步：循环，满足条件的，眨眼次数+1

第十三步：进行画图操作，同时使用cv2.putText将眨眼次数进行显示

import cv2
import numpy as np
import argparse
import time
import dlib
from scipy.spatial import distance as dist
from collections import  OrderedDict

def shape_to_array(shape, dtype='int'):
    coords = np.zeros((shape.num_parts, 2), dtype=dtype)
    for i in range(shape.num_parts):
        coords[i] = (shape.part(i).x, shape.part(i).y)

    return coords

def accu_angle_eye(eye):
    A = dist.euclidean(eye[1], eye[5])
    B = dist.euclidean(eye[2], eye[4])