第一步：疲劳检测实现原理介绍

1.检测到人脸

2.获取人脸关键点

3.根据人脸关键点判断脸部的情况

更加详细的介绍可以参考这篇博客：

疲劳检测-闭眼检测（详细代码教程）_驾驶员疲劳检测设计完整代码-CSDN博客

第二步：代码展示

# 从视频流循环帧 while True: # 第五步：进行循环，读取图片，并对图片做维度扩大，并进灰度化 ret, frame = cap.read() frame = imutils.resize(frame, width=720) gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 第六步：使用detector(gray, 0) 进行脸部位置检测 rects = detector(gray, 0) # 第七步：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) # 第八步：将脸部特征信息转换为数组array的格式 shape = face_utils.shape_to_np(shape) # 第九步：提取左眼和右眼坐标 leftEye = shape[lStart:lEnd] rightEye = shape[rStart:rEnd] # 嘴巴坐标 mouth = shape[mStart:mEnd] # 第十步：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 # 打哈欠 mar = mouth_aspect_ratio(mouth) # 第十一步：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) mouthHull = cv2.convexHull(mouth) cv2.drawContours(frame, [mouthHull], -1, (0, 255, 0), 1) # 第十二步：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), 1) ''' 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 ''' # 第十三步：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 # 第十四步：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, "COUNTER: {}".format(COUNTER), (150, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) cv2.putText(frame, "EAR: {:.2f}".format(ear), (300, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) cv2.putText(frame, "Blinks: {}".format(TOTAL), (450, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 255, 0), 2) ''' 计算张嘴评分，如果小于阈值，则加1，如果连续3次都小于阈值，则表示打了一次哈欠，同一次哈欠大约在3帧 ''' # 同理，判断是否打哈欠 if mar > MAR_THRESH: # 张嘴阈值0.5 mCOUNTER += 1 cv2.putText(frame, "Yawning!", (10, 60), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) else: # 如果连续3次都小于阈值，则表示打了一次哈欠 if mCOUNTER >= MOUTH_AR_CONSEC_FRAMES: # 阈值：3 mTOTAL += 1 # 重置嘴帧计数器 mCOUNTER = 0 cv2.putText(frame, "COUNTER: {}".format(mCOUNTER), (150, 60), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) cv2.putText(frame, "MAR: {:.2f}".format(mar), (300, 60), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) cv2.putText(frame, "Yawning: {}".format(mTOTAL), (450, 60), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 255, 0), 2) """ 瞌睡点头 """ # 第十五步：获取头部姿态 reprojectdst, euler_angle = get_head_pose(shape) har = euler_angle[0, 0] # 取pitch旋转角度 if har > HAR_THRESH: # 点头阈值0.3 hCOUNTER += 1 else: # 如果连续3次都小于阈值，则表示瞌睡点头一次 if hCOUNTER >= NOD_AR_CONSEC_FRAMES: # 阈值：3 hTOTAL += 1 # 重置点头帧计数器 hCOUNTER = 0 # 绘制正方体12轴 # for start, end in line_pairs: # cv2.line(frame, reprojectdst[start], reprojectdst[end], (0, 0, 255)) # 显示角度结果 cv2.putText(frame, "X: " + "{:7.2f}".format(euler_angle[0, 0]), (10, 90), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), thickness=2) # GREEN cv2.putText(frame, "Y: " + "{:7.2f}".format(euler_angle[1, 0]), (150, 90), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (255, 0, 0), thickness=2) # BLUE cv2.putText(frame, "Z: " + "{:7.2f}".format(euler_angle[2, 0]), (300, 90), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255), thickness=2) # RED cv2.putText(frame, "Nod: {}".format(hTOTAL), (450, 90), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 255, 0), 2) # 第十六步：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) print('嘴巴实时长宽比:{:.2f} '.format(mar) + "\t是否张嘴：" + str([False, True][mar > MAR_THRESH])) print('眼睛实时长宽比:{:.2f} '.format(ear) + "\t是否眨眼：" + str([False, True][COUNTER >= 1])) # 确定疲劳提示:眨眼50次，打哈欠15次，瞌睡点头15次 if TOTAL >= 50 or mTOTAL >= 15 or hTOTAL >= 15: cv2.putText(frame, "SLEEP!!!", (100, 200), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 255), 3) # 按q退出 cv2.putText(frame, "Press 'q': Quit", (20, 500), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (84, 255, 159), 2) # 窗口显示 show with opencv cv2.imshow("Frame", frame) # if the `q` key was pressed, break from the loop if cv2.waitKey(1) & 0xFF == ord('q'): break # 释放摄像头 release camera cap.release() # do a bit of cleanup cv2.destroyAllWindows()

第三步：搭建GUI界面

具体功能包括，摄像头和视频流识别的功能

第四步：整个工程的内容

项目完整文件下载请见演示与介绍视频的简介处给出：➷➷➷

https://www.bilibili.com/video/BV1SrSuY6EwJ/