opencv+dlib+于仕琪算法实现人脸检测和简单疲劳检测

刚开始接触人脸识别，特征点提取方面，主要根据人脸的特征判定人（司机）是否疲劳，先上一张效果图：

 

 

具体实现分为以下几个步骤：

 

1.算法环境搭建：

 

这个部分网上教程很多，可自行百度。主要涉及到opencv安装，配置，dlib配置以及于仕琪库的应用。

 

2.人脸识别：

 

opencv自带人脸识别直接启用，识别精度低，达不到效果，采用的是于仕琪的人脸识别，识别快而且比较精准，这样保证人脸特征点找的比较准确，在后续的疲劳判定上就比较可靠了。

 

3.人脸特征点检测：

 

调用dlib开源库，把第二部的人脸框传递给dlib就可以得出68个特征点。

 

4.疲劳检测算法：

 

根据得出的眼部特征点，根据形状可以判断人脸是否闭合，如果超过多长时间则可以判定疲劳状态。

 

dlib实现的ert算法来源文章One Millisecond Face Alignment with an Ensemble of Regression Trees，该算法根据人脸框中随机点对的像素差和一个随机阈值进行比较，判断是否人脸特征。算法参数设置为10层级联，每层500棵树，树深度为5，其他参数参见论文。算法具体思路如下：

 

1.训练样本

 

（1）归一化样本。所有样本的形状shape进行归一化（保证左右样本基准一致），然后计算所有样本的平均值（mean shape）,把除去样本的其他任何一个样本的shape作为当前的形状（curr