### 基于 dlib 的 Python 实现人脸疲劳检测 以下是基于 `dlib` 库实现的人脸识别疲劳检测代码，主要通过眼部眨眼频率和闭眼时间来判断驾驶员或其他场景下的疲劳状态。该方法利用了眼睛纵横比 (EAR, Eye Aspect Ratio) 来计算眨眼次数以及闭眼持续的时间。 #### 眼睛纵横比 (EAR) 计算公式 眼睛纵横比是一种用于衡量眼睛开合程度的方法，其定义如下： \[ \text{EAR} = \frac{\|p_2-p_6\|+\|p_3-p_5\|}{2\cdot \|p_1-p_4\|} \] 其中 \( p_i \) 表示眼睛轮廓的关键点坐标[^1]。 当 EAR 小于某个阈值时，认为眼睛处于闭合状态；如果连续多个帧都满足此条件，则可以记录一次完整的眨眼动作或长时间闭眼行为。 #### 安装依赖项 运行以下命令安装所需的库： ```bash pip install opencv-python-headless dlib imutils numpy ``` #### 源代码实现 下面是一个完整的 Python 脚本，实现了基于眨眼频率和闭眼时间的疲劳检测功能： ```python from scipy.spatial import distance as dist import cv2 import dlib from imutils import face_utils import time def eye_aspect_ratio(eye): A = dist.euclidean(eye[1], eye[5]) B = dist.euclidean(eye[2], eye[4]) C = dist.euclidean(eye[0], eye[3]) ear = (A + B) / (2.0 * C) return ear # 初始化参数 EYE_AR_THRESH = 0.25 # 眼睛纵横比阈值 EYE_AR_CONSEC_FRAMES = 3 # 连续多少帧低于阈值才判定为眨眼 COUNTER = 0 # 当前计数器 TOTAL_BLINKS = 0 # 总眨眼次数 FRAME_COUNTER = 0 # 帧计数器 CLOSED_EYES_FRAME_LIMIT = 5 # 长时间闭眼的最大允许帧数 detector = dlib.get_frontal_face_detector() predictor_path = 'shape_predictor_68_face_landmarks.dat' # 下载并放置到当前目录下 predictor = dlib.shape_predictor(predictor_path) (lStart, lEnd) = face_utils.FACIAL_LANDMARKS_IDXS["left_eye"] (rStart, rEnd) = face_utils.FACIAL_LANDMARKS_IDXS["right_eye"] cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: break gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) rects = detector(gray, 0) for rect in rects: shape = predictor(gray, rect) shape = face_utils.shape_to_np(shape) leftEye = shape[lStart:lEnd] rightEye = shape[rStart:rEnd] leftEAR = eye_aspect_ratio(leftEye) rightEAR = eye_aspect_ratio(rightEye) ear = (leftEAR + rightEAR) / 2.0 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) FRAME_COUNTER += 1 if ear < EYE_AR_THRESH: COUNTER += 1 if COUNTER >= CLOSED_EYES_FRAME_LIMIT and FRAME_COUNTER % 10 == 0: print(f"[ALERT] Driver is possibly fatigued at {time.time()}") else: if COUNTER >= EYE_AR_CONSEC_FRAMES: TOTAL_BLINKS += 1 COUNTER = 0 cv2.putText(frame, f"Blinks: {TOTAL_BLINKS}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) cv2.putText(frame, f"EAR: {ear:.2f}", (300, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) cv2.imshow("Frame", frame) key = cv2.waitKey(1) & 0xFF if key == ord('q'): break cv2.destroyAllWindows() cap.release() ``` #### 关键说明 1. **眼睛纵横比**：通过计算左眼和右眼的平均 EAR 判断眼睛的状态。 2. **阈值设定**：可以根据实际测试调整 `EYE_AR_THRESH` 和 `EYE_AR_CONSEC_FRAMES` 的值。 3. **警报机制**：当闭眼超过一定帧数时触发疲劳警告。 4. **数据可视化**：实时显示眨眼次数和当前的眼睛纵横比。 #### 注意事项 - 如果摄像头无法正常工作，请检查设备权限或更换摄像头索引。 - 文件路径错误可能导致程序崩溃，请确保下载了 `shape_predictor_68_face_landmarks.dat` 并将其放在脚本所在目录中[^1]。 --- ###