原文章地址:Dlib模型之驾驶员疲劳检测一(眨眼)_dlib疲劳检测-CSDN博客
因为我在这篇文章里的评论,有些朋友需要我修改后的代码,这里分享给大家。
当初我是找来当我自己的课设用的,实际运行后发现有点不太严谨,所以自己做了一点点修改
视觉疲劳检测原理
基于dlib人脸识别68特征点检测、分别获取左右眼面部标志的索引,通过opencv对视频流进行灰度化处理,检测出人眼的位置信息。
如何确定疲劳?
计算眼睛的宽高比,当人眼睁开时,EAR在某个值上下波动,当人眼闭合时,EAR迅速下降,理论上会接近于零。所以我们认为当EAR低于某个阈值时,眼睛处于闭合状态。
下载开源数据集
shape_predictor_68_face_landmarks.dat
链接:https://pan.baidu.com/s/1JFyqzQzJxDlApwGOe9Oseg?pwd=5o6t
提取码:5o6t
官方下载地址:Links for dlib
源码
# -*- coding: utf-8 -*-
from scipy.spatial import distance as dist
from imutils import face_utils
import imutils
import dlib
import cv2
import time
# 定义两个常数
EYE_AR_THRESH = 0.2 # 眼睛长宽比
EYE_AR_CONSEC_FRAMES = 3 # 闪烁阈值
# 初始化帧计数器和眨眼总数
COUNTER = 0
TOTAL = 0
# 计时
Time = 0
start = 0
end = 0
def eye_aspect_ratio(eye):
# 垂直眼标志(X,Y)坐标
A = dist.euclidean(eye[1], eye[5]) # 计算两个集合之间的欧式距离
B = dist.euclidean(eye[2], eye[4])
# 计算水平之间的欧几里得距离
# 水平眼标志(X,Y)坐标
C = dist.euclidean(eye[0], eye[3])
# 眼睛长宽比的计算
ear = (A + B) / (2.0 * C)
# 返回眼睛的长宽比
return ear
# 初始化DLIB的人脸检测器(HOG),然后创建面部标志物预测
print("[INFO] loading facial landmark predictor...")
# 使用dlib.get_frontal_face_detector() 获得脸部位置检测器
detector = dlib.get_frontal_face_detector()
# 使用dlib.shape_predictor获得脸部特征位置检测器 人脸68关键点检测模型
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
# 分别获取左右眼面部标志的索引
(lStart, lEnd) = face_utils.FACIAL_LANDMARKS_IDXS["left_eye"]
(rStart, rEnd) = face_utils.FACIAL_LANDMARKS_IDXS["right_eye"]
# 打开cv2 本地摄像头
cap = cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FPS, 30)
# 从视频流循环帧
while True:
# 进行循环,读取图片,并对图片做维度扩大,并灰度化
ret, frame = cap.read()
frame = imutils.resize(frame, width=720)
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 使用detector(gray, 0) 进行脸部位置检测
rects = detector(gray, 0)
# 循环脸部位置信息,使用predictor(gray, rect)获得脸部特征位置的信息
for rect in rects:
shape = predictor(gray, rect)
# 将脸部特征信息转换为数组array的格式
shape = face_utils.shape_to_np(shape)
# 提取左眼和右眼坐标
leftEye = shape[lStart:lEnd]
rightEye = shape[rStart:rEnd]
# 构造函数计算左右眼的EAR值,使用平均值作为最终的EAR
leftEAR = eye_aspect_ratio(leftEye)
rightEAR = eye_aspect_ratio(rightEye)
ear = (leftEAR + rightEAR) / 2.0
# 使用cv2.convexHull获得凸包位置,使用drawContours画出轮廓位置进行画图操作
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)
# 进行画图操作,用矩形框标注人脸
left = rect.left()
top = rect.top()
right = rect.right()
bottom = rect.bottom()
cv2.rectangle(frame, (left, top), (right, bottom), (0, 255, 0), 3)
# 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
# 循环,满足条件的,眨眼次数+1
if ear < EYE_AR_THRESH: # 眼睛长宽比:0.2
COUNTER += 1
else:
# 如果连续3次都小于阈值,则表示进行了一次眨眼活动
if COUNTER >= EYE_AR_CONSEC_FRAMES: # 阈值:3
TOTAL += 1
# 重置眼帧计数器
COUNTER = 0
# 闭眼计时
if ear < EYE_AR_THRESH and start == 0:
start = time.perf_counter()
end = 0
if ear < EYE_AR_THRESH:
end = time.perf_counter()
if end >= start:
Time = end - start
if ear >= EYE_AR_THRESH:
start = 0
end = 0
Time = 0
# 进行画图操作,68个特征点标识
for (x, y) in shape:
cv2.circle(frame, (x, y), 1, (0, 0, 255), -1)
# 进行画图操作,同时使用cv2.putText将眨眼次数进行显示
cv2.putText(frame, "Faces: {}".format(len(rects)), (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)
cv2.putText(frame, "Blinks: {}".format(TOTAL), (150, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)
cv2.putText(frame, "Time: {:.2f}".format(Time), (300, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)
cv2.putText(frame, "EAR: {:.2f}".format(ear), (450, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)
# print('眼睛实时长宽比:{:.2f} '.format(ear))
# 判断 闭眼时间大于2秒提示sleep
if Time >= 2:
cv2.putText(frame, "SLEEP!!!", (200, 200), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 255), 2)
# 窗口显示
cv2.imshow("Frame", frame)
# 按esc关闭 esc的ASCII码为27
if cv2.waitKey(1) & 0xFF == 27:
break
# 释放摄像头
cap.release()
cv2.destroyAllWindows()