大家好，在這個(gè)博客中，我們將構(gòu)建一個(gè)嗜睡檢測應(yīng)用程序，它將檢測視頻中的人是否變得昏昏欲睡。

這是一個(gè)非常有趣且簡單的項(xiàng)目，代碼甚至不到 80 行，讓我們開始吧

看看最終輸出

注意——你不會(huì)在這里聽到警報(bào)聲，因?yàn)樗��?GIF，你可以在博客上查看視頻：

嗜睡檢測代碼

from imutils import face＿utils

import dlib

import cv2

from pygame import mixer

thres ＝ 6

mixer．init（）

sound ＝ mixer．Sound（＇alarm．wav＇）

dlist ＝ ［］

detector ＝ dlib．get＿frontal＿face＿detector（）

predictor ＝ dlib．shape＿predictor（＂shape＿predictor＿68＿face＿landmarks．dat＂）

cap ＝ cv2．VideoCapture（0）

def dist（a，b）：

   x1，y1 ＝ a

   x2，y2 ＝ b

   return （（x1－x2）＊＊2 ＋ （y1－y2）＊＊2）＊＊0．5

while True：

   ＃ Getting out image by webcam

   ＿， image ＝ cap．read（）

   ＃ Converting the image to gray scale

   gray ＝ cv2．cvtColor（image， cv2．COLOR＿BGR2GRAY）
       

   ＃ Get faces into webcam＇s image

   rects ＝ detector（gray， 0）
   

   ＃ For each detected face， find the landmark．

   for （i， rect） in enumerate（rects）：

       ＃ Make the prediction and transfom it to numpy array

       shape ＝ predictor（gray， rect）

       shape ＝ face＿utils．shape＿to＿np（shape）
   

       ＃ Draw on our image， all the finded cordinate points （x，y）

       for （x， y） in shape：

          cv2．circle（image， （x， y）， 2， （0， 255， 0）， －1）
       

       le＿38 ＝ shape［37］

       le＿39 ＝ shape［38］

       le＿41 ＝ shape［40］

       le＿42 ＝ shape［41］

       re＿44 ＝ shape［43］

       re＿45 ＝ shape［44］

       re＿47 ＝ shape［46］

       re＿48 ＝ shape［47］
       
       dlist．a(chǎn)ppend（（dist（le＿38，le＿42）＋dist（le＿39，le＿41）＋dist（re＿44，re＿48）＋dist（re＿45，re＿47））／4＜thres）

      if len（dlist）＞10：dlist．pop（0）

       ＃ Drowsiness detected

       if sum（dlist）＞＝4：

           try：

               sound．play（）

           except：

               pass

       else：

           try：

               sound．stop（）

           except：

               pass
       

   ＃ Show the image

   cv2．imshow（＂Output＂， image）
   

   if cv2．waitKey（5） ＆ 0xFF ＝＝ 27：

       break

cv2．destroyAllWindows（）

cap．release（）

第 1－4 行：導(dǎo)入所需的庫。

第 6 行：設(shè)置閾值（將在前面的代碼中看到）。

第 8－9 行：使用 pygame 模塊創(chuàng)建警報(bào)聲音，以便在應(yīng)用程序中進(jìn)一步使用它。

第 11 行：我們將在前面使用的空列表。

第 13 行：使用 dlib 人臉檢測器。

第 14 行：使用 dlib 地標(biāo)檢測器檢測眼點(diǎn)。

第 16 行：初始化 cap 對(duì)象以便稍后使用 Webcam。

第 18－21 行：一個(gè)簡單的距離函數(shù)，用于計(jì)算兩個(gè)坐標(biāo)之間的距離。

第 25 行：從網(wǎng)絡(luò)攝像頭讀取圖像。

第 27 行：將它們轉(zhuǎn)換為灰度。

第 30 行：檢測人臉。

第 33 行：開始遍歷這些面部。

第 35－36 行：獲取 68 個(gè)面部特征并將它們轉(zhuǎn)換為 NumPy 數(shù)組。

第 39–40 行：畫出所有的地標(biāo)。

第 42－50 行：提取所需的眼睛標(biāo)志。

對(duì)于左眼，我們將提取38、39、42 和 41。

對(duì)于右眼，我們將提取44、45、48 和 47。

在閱讀進(jìn)一步的步驟之前，請(qǐng)閱讀下面的算法。

第 54 行：該行負(fù)責(zé)保持 dlist＝10 的大小。

刪除是從前面完成的，添加是在最后完成的。

這就像一個(gè)隊(duì)列系統(tǒng)。

第 57–66 行：當(dāng) dlist 中至少有 4 個(gè) True 時(shí)播放警報(bào)。當(dāng)它們小于 4 時(shí)停止。第 69 行：顯示圖像。

第 71–72 行：當(dāng)用戶按下ESC鍵時(shí)停止應(yīng)用程序。

第 74–75 行：關(guān)閉所有 cv2 窗口并釋放網(wǎng)絡(luò)攝像頭。

用于檢測嗜睡的算法：

· 求 38－42、39－41、44－48 和 45－47 地標(biāo)之間的距離，并求這 4 個(gè)地標(biāo)的平均值。

· 如果這個(gè)平均值大于我們最初定義的 thres，則在我們的 dlist 中追加／添加一個(gè) True。

· 如果我們的 dlist 包含 4 個(gè)或更多 Trues，則意味著在連續(xù) 4 幀中，檢測到睡意，因此播放警報(bào)。

· 我們保留了大于等于4，因?yàn)槿绻�我們不這樣做，即使我們眨眼，我們的程序也會(huì)發(fā)出警報(bào)，這是誤報(bào)。

輸出：

注意——你不會(huì)在這里聽到警報(bào)聲，因?yàn)樗��?GIF，你可以在博客上查看視頻

執(zhí)行嗜睡檢測的其他想法：第一種方法是我們?cè)谏厦鎴?zhí)行的方法。第二種方法是在人臉圖像上訓(xùn)練神經(jīng)網(wǎng)絡(luò)。第三種方法是在眼睛圖像上訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

這就是你可以使用 cv2和 dlib 在 python 中執(zhí)行嗜睡檢測的方法。

       原文標(biāo)題 : 在 Python 中使用 cv2 進(jìn)行嗜睡檢測