人类疲劳检测通过眨眼次数代码思路--opencv

        人脸的各个部位是按照特定的位置存在的，所以便可以对其进行序列设置。

        这就是一个人脸序列的设计，当然我们可以有自己的设置，但是接下来的思路采用的模型正是利用的这个序列设置，我们只需要明白可以这样设计即可。

基于此，我们的思路是这样的：

（1）将上述的序列按照指定部位设置好，打包成一个字典。

Face_section_index = OrderedDict([
    ("jaw", (0, 17)),
    ("left_eyebow", (22, 27)),
    ("right_eyebow", (17, 22)),
    ("nose", (27, 36)),
    ("left_eye", (42, 48)),
    ("right_eye", (36, 42)),
    ("mouth", (48, 68))
])

（2）接着我们要读入我们要识别的视频

（3）加载已有模型，识别视频帧中的人脸，以及人脸各部位的坐标

# 获取人脸的检测器,detector可以检测图像中的人脸，并返回人脸的位置信息
detector = dlib.get_frontal_face_detector()
# 加载已经训练好的人脸模型用于读取68个坐标
predictor = dlib.shape_predictor(args["shape_predictor"])
faces = detector(gray, 0)
shape = predictor(gray, face)

（4）考虑到一帧视频中不一定只有一张脸，所以我们要加一个for循环识别每一个脸的各部位坐标，同时视频是多帧的，需要一个while循环来读取每一帧，考虑结束必然是帧读完还可以是esc退出

（5）如何判断是在眨眼呢，我们依据一篇论文来进行判断，上面提到有个公式对应眼睛部位的6个坐标，我们计算出来的数值只要小于一定的阈值，就算是眨眼

# 特殊公式计算眼睛6个坐标的含义值
def cal_eye_value(eye):
    # 计算竖直方向距离
    A = dist.euclidean(eye[1], eye[5])
    B = dist.euclidean(eye[2], eye[4])
    # 计算水平方向距离
    C = dist.euclidean(eye[0], eye[3])
    # 特殊计算公式，可参考readme中指定的论文
    value = (A + B) / (2.0 * C)
    return value

（6）如何界定眨眼多少次就算是疲劳，故需要一个限制，这里我设置连续三帧眨眼就算是疲劳，总数增加一个

（7）释放视频，关闭窗口

vs.release()
cv2.destroyAllWindows()

（8）当然，其中我们画出一些图案在视频中实时显示记录

完整代码：wang-lixiang/blink_detection: 对视频中的人脸进行识别，并记录其眨眼的情况，以此可以来判断是否处于疲劳驾驶的状态 (github.com)