在 Python 中使用 cv2 进行嗜睡检测

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