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：

https://machinelearningprojects.net/drowsiness-detection/

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))/410: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：https://machinelearningprojects.net/drowsiness-detection/

要下载源代码，请访问博客 — https://machinelearningprojects.net/drowsiness-detection/

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。

☆ END ☆

如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「 woshicver」，每日朋友圈更新一篇高质量博文。

↓扫描二维码添加小编↓