做不好的网站违法吗广点通投放平台登录
文章目录
- 引言
- 1.相关技术介绍
- 2. 系统原理
- 2.1 眼睛纵横比(EAR)算法
- 2.2 系统工作流程
- 3.代码解析
- 3.1 关键函数说明
- 3.2 主循环逻辑
- 4.实际应用效果
- 5.参数调优建议
- 6.总结
引言
疲劳驾驶是交通事故的主要原因之一。本文将介绍如何使用Python和计算机视觉技术构建一个实时疲劳驾驶检测系统，该系统通过分析驾驶员眼睛状态来判断疲劳程度。这个项目结合了人脸关键点检测、几何计算和状态机逻辑，是一个典型的计算机视觉应用案例。
1.相关技术介绍
- Dlib：用于人脸检测和68个关键点定位
- OpenCV：视频流处理和图像显示
- Scikit-learn：用于计算欧氏距离
- Pillow：支持在图像上添加中文文本
2. 系统原理
2.1 眼睛纵横比(EAR)算法
核心算法是计算眼睛的纵横比(Eye Aspect Ratio)，公式如下：
EAR = (|p1-p5| + |p2-p4|) / (2 * |p0-p3|)
其中p1-p6是眼睛周围的6个关键点：
p1 p2p0 p3 <------这是眼睛的6个关键点p5 p4
当眼睛睁开时，EAR值较高；闭眼时，EAR值接近0。
2.2 系统工作流程
- 通过摄像头捕获视频帧
- 使用Dlib检测人脸和眼睛关键点
- 计算左右眼的EAR值并取平均
- 根据EAR阈值判断眼睛状态
- 持续闭眼超过阈值帧数则触发警报
3.代码解析
3.1 关键函数说明
眼睛纵横比计算：
def eye_aspect_ratio(eye):A = euclidean_distances(eye[1].reshape(1,2), eye[5].reshape(1,2))B = euclidean_distances(eye[2].reshape(1,2), eye[4].reshape(1,2))C = euclidean_distances(eye[0].reshape(1,2), eye[3].reshape(1,2))return ((A + B) / 2.0) / C
- A：计算点1和点5之间的欧几里得距离（垂直距离1）
- B：计算点2和点4之间的欧几里得距离（垂直距离2）
- C：计算点0和点3之间的欧几里得距离（水平距离）
- EAR = ((A + B)/2.0)/C：这个公式计算的是眼睛的"高度"（垂直距离的平均值）与"宽度"（水平距离）的比值。
中文文本显示：
def cv2AddChineseText(img, text, position, textColor=(0,255,0), textSize=30):"""向图片中添加中文"""if (isinstance(img,np.ndarray)): # 判断是否OpenCV图片类型img = Image.fromarray(cv2.cvtColor(img,cv2.COLOR_BGR2RGB)) # 实现array到image的转换draw = ImageDraw.Draw(img) # 在img图片上创建一个绘图的对象# 字体的格式fontStyle = ImageFont.truetype("simsun.ttc",textSize,encoding="utf-8")draw.text(position,text,textColor,font=fontStyle) # 绘制文本return cv2.cvtColor(np.asarray(img),cv2.COLOR_BGR2RGB) # 转换回OpenCV格式
眼睛轮廓绘制：
def drawEye(eye):eyeHull = cv2.convexHull(eye)cv2.drawContours(frame, [eyeHull], -1, (0,255,0), -1)
3.2 主循环逻辑
while True:# 读取视频帧# 人脸检测和关键点定位rightEye = shape[36:42] # 右眼关键点leftEye = shape[42:48] # 左眼关键点# 计算EAR值ear = (leftEAR + rightEAR) / 2.0# 疲劳判断逻辑if ear < 0.4:COUNTER += 1if COUNTER >= 30: # 持续闭眼30帧# 显示警告else:COUNTER = 0 # 重置计数器
4.实际应用效果
系统运行时会在视频中：
- 用绿色区域标记眼睛轮廓
- 实时显示当前EAR值
- 当检测到持续闭眼时显示"危险"警告
显示效果如下：
5.参数调优建议
-
EAR阈值：0.4是经验值，可根据实际场景调整
调高：系统更敏感，容易误报- 调低：系统更保守，可能漏报
-
连续帧数阈值：30帧（约1秒）
- 可根据实际需求调整疲劳判定时间
-
性能优化：
- 可降低视频分辨率提高处理速度
- 使用多线程处理视频流
6.总结
本文介绍了一个基于Dlib和OpenCV的实时疲劳检测系统。该系统通过计算眼睛纵横比来判定驾驶员状态，具有以下特点：
- 实时性：可在普通电脑上实时运行
- 准确性：基于几何特征而非颜色特征，适应不同光照条件
- 可扩展性：框架可轻松扩展到其他行为检测
完整代码已在上文中提供，读者可以自行尝试实现或在此基础上进行二次开发。这个项目不仅具有实用价值，也是学习计算机视觉和人脸分析的优秀案例。
理想的风会吹进现实，熬过的夜也会变成光！我们一起努力，顶峰相见！🚀🚀🚀