dlib疲劳检测_传统方法眼角定位和dilb 进行疲劳检测（眨眼检测）

传统方法眼角定位和dilb 进行疲劳检测(眨眼检测)

发布时间：2018-08-14 09:57,

浏览次数：747

, 标签：

dilb

安装第三方库文件

* opencv

* Dlib,安装方法见

https://www.learnopencv.com/install-opencv-3-and-dlib-on-windows-python-only/

* Numpy

* Imutils (一系列使得opencv 便利的功能，包括图像旋转、缩放、平移，骨架化、边缘检测、显示matplotlib

图像(imutils.opencv2matplotlib(image))

传统方法进行眼角定位

思路是：

1、利用opencv 自带训练好的 haarcascade_frontalface_default.xml 和 haarcascade_eye.xml

来检测脸部和眼睛

以脸部加载xml为例：

face=cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

face.load(脸部xml的完整路径)

以上是加载xml方法，有很多介绍直接是face=cv2.CascadeClassifier(脸部xml的完整路径)，通常会报错。

2、加载完xml 文件后，下一步就是detect,opencv

函数为detectMultiScale(img,scaleFactor,minNeighbors,minsize,maxsize)

scaleFactor 是压缩率，越小金字塔数目越多，相应的检测准确相对好点

minNeighbors 是同一张脸至少被检测n次才认为是真正的

Minszie以元组方式，(检测眼睛时候会用到，避免鼻子和其他部位产生的假阳性)

3、先检测脸，然后再脸的基础上再检测眼睛，到了这一步后，就是自己设计检测的眼角方法：

1)找轮廓，取最大轮廓

2)凸缺陷检测，得到所有凸点

3)眼角如何确定？----将凸点的x,y值相加，排序，最小的为左边眼角，最大的为右边眼角(见测试图)

dlib 疲劳检测

* 下载shape_predictor_68_face_landmarks.dat 文件，这是68个眼部特征点

* 初始化检测器和预测器 detector=dlib.get_frontal_face_detector() predictor =

dlib.shape_predictor(“dat文件路径”)

3 如何确定疲劳？

1) 计算眼睛的宽高比

2)当前帧两双眼睛宽高比与前一帧的差值的绝对值大于0.2，则认为是疲劳

程序如下：

# -*- coding: utf-8 -*- import os import numpy as np import cv2 import dlib

import sys from imutils import face_util