基于深度学习的驾驶员疲劳检查系统

技术栈

python
pyqt写的Gui界面
opencv 获取的图像数据
Dlib 库用来做人脸识别（列出人脸关键点）
Numpy，Scipy （做数据处理和计算）

实现

通过opencv获取的图像人脸，会被dlib提取出特征点，我拿到特征点以后，比如说（打哈欠，眨眼）的动作我会根据特征点的坐标，计算上下眼皮离瞳孔中心的距离（就是获取长宽比-就是把眼睛想像成一个多边形），当眼睛长宽比低于预设阈值时，认为眼睛处于闭合状态，累积闭眼帧数超过一定时间，就判断为疲劳，或者一定时间范围内闭眼次数到达一定阈值，也是疲劳。

算法

我自己写的一个公式取判断眼睛的闭合度
（拿到眼睛特征点的两个点，连成线，上眼皮和下眼皮及眼睛高度是三条线，接着把眼睛的高度相除求比例）

深度学习

我使用了一个dilb库的开源模型来做人脸的关键点检查，它可以在判断出我传入图片中的人脸并返回68个关键点，我就是用这68个关键点来做我的疲劳判断的。

CNN（卷积神经网络）

卷积层
池化层
全连接层

通过卷积，提取图片特征，做图像对比或者其他功能~