"> ">
网站首页 热点观察 财经资讯 环球要闻 商业资讯 文旅热点 品牌新闻 快消热点 体育赛事 娱乐精选 展会预告 前沿科技 房产装修

在 Python 中使用 cv2 进行嗜睡检测

发布日期:2022-12-15 浏览量:3970 点赞 308 +1

大家好,在这个博客中,我们将构建一个嗜睡检测应用程序,它将检测视频中的人是否变得昏昏欲睡。

这是一个非常有趣且简单的项目,代码甚至不到 80 行,让我们开始吧

看看最终输出

注意——你不会在这里听到警报声,因为它是 GIF,你可以在博客上查看视频:

嗜睡检测代码

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.append((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:导入所需的库。

第 6 行:设置阈值(将在前面的代码中看到)。

第 8-9 行:使用 pygame 模块创建警报声音,以便在应用程序中进一步使用它。

第 11 行:我们将在前面使用的空列表。

第 13 行:使用 dlib 人脸检测器。

第 14 行:使用 dlib 地标检测器检测眼点。

第 16 行:初始化 cap 对象以便稍后使用 Webcam。

第 18-21 行:一个简单的距离函数,用于计算两个坐标之间的距离。

第 25 行:从网络摄像头读取图像。

第 27 行:将它们转换为灰度。

第 30 行:检测人脸。

第 33 行:开始遍历这些面部。

第 35-36 行:获取 68 个面部特征并将它们转换为 NumPy 数组。

第 39–40 行:画出所有的地标。

第 42-50 行:提取所需的眼睛标志。

对于左眼,我们将提取38、39、42 和 41。

对于右眼,我们将提取44、45、48 和 47。

在阅读进一步的步骤之前,请阅读下面的算法。

第 54 行:该行负责保持 dlist=10 的大小。

删除是从前面完成的,添加是在最后完成的。

这就像一个队列系统。

第 57–66 行:当 dlist 中至少有 4 个 True 时播放警报。当它们小于 4 时停止。第 69 行:显示图像。

第 71–72 行:当用户按下ESC键时停止应用程序。

第 74–75 行:关闭所有 cv2 窗口并释放网络摄像头。

用于检测嗜睡的算法:

· 求 38-42、39-41、44-48 和 45-47 地标之间的距离,并求这 4 个地标的平均值。

· 如果这个平均值大于我们最初定义的 thres,则在我们的 dlist 中追加/添加一个 True。

· 如果我们的 dlist 包含 4 个或更多 Trues,则意味着在连续 4 帧中,检测到睡意,因此播放警报。

· 我们保留了大于等于4,因为如果我们不这样做,即使我们眨眼,我们的程序也会发出警报,这是误报。

输出:

注意——你不会在这里听到警报声,因为它是 GIF,你可以在博客上查看视频

执行嗜睡检测的其他想法:第一种方法是我们在上面执行的方法。第二种方法是在人脸图像上训练神经网络。第三种方法是在眼睛图像上训练神经网络。

这就是你可以使用 cv2和 dlib 在 python 中执行嗜睡检测的方法。


       原文标题 : 在 Python 中使用 cv2 进行嗜睡检测

文章来源:第三方  文章编辑:中小媒 

上一篇 : OpenCV:直方图均衡