opencv-python 疲劳驾驶检测_疲劳驾驶检测素材-CSDN博客

本文链接：https://blog.csdn.net/Oscarouyangyafei/article/details/108579599

使用dlib库检测68个人脸关键点，通过计算眼睛和嘴巴关键点的欧氏距离来判断疲劳驾驶状态。当眼睛点间距低于预设阈值并持续一定帧数时，系统判断为疲劳驾驶。同时注意到打哈欠也可以作为疲劳指标，但嘴巴部分的优化未进行深入。整个过程主要是参数调整和优化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在别人的代码上修改得到的，源代码好像不太准确，主要的原理就是用dlib工具找到68个人脸关键点，然后计算点之间的欧氏距离，具体得看你想要实现什么功能

我主要检测眼睛上的点和嘴巴上的点，当眼睛上的某几个点之间的距离小于设置的阈值几帧后，判断为打盹，也就是疲劳驾驶，有时候人瞌睡的时候也会打哈欠，所以也检测了嘴巴的点，但没有做优化，嘴巴部分还可以更进一步优化的，不过太花时间了，就先不做了，思路知道就行，果然搞这个最后都变成了调参。

# -*- coding: utf-8 -*-
#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  #人脸识别相关
import cv2

FACIAL_LANDMARKS_68_IDXS = OrderedDict([  #由于原生的字典是无序的，现在用这个来提供有序的地点
	("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.euc