基于OpenCV的疲劳驾驶检测.docx

基于 OpenCV的疲劳驾驶检测 摘要：在车辆日益增多的今天，驾驶疲劳称为我们探讨的话题，所以我们设计出了疲劳驾驶检测系统为驾驶员提供了保障，本文通过opencv，python等技术和语言的应用，设计出能实时检测疲劳状态的系统，能为驾驶员的安全提供保障. 关键词：dlib库，OpenCV技术，人脸识别，python 1引言 在车辆日益增多的年代，每年都有很多人由于疲劳驾驶而失去了宝贵的生命，基于这种情况，我们做出了一款能够检测驾驶员疲劳状态的系统，疲劳驾驶检测是基于OpenCV技术，能够快速有效的捕捉到驾驶员的活动，即使给予提醒。由于长时间的驾车，驾驶员会产生疲倦，其眨眼次数会提高，并且会频繁打哈欠。基于这两种情况，我们通过摄像头去捕捉这两种动作，如果每次眨眼次数为20次，每次眨眼0.5秒，或者嘴巴张合程度过大，说明此时处于疲劳状态，系统会传给屏幕，并给予提醒。 2检测工具 dlib是一个用于图像处理的库，其中的dat模型库是检测68个关键点的人脸识别，使用这个dat模型库可以快捷进行人脸识别与系统的形成。为了更方便的使用该技术，我们需要构造一个眼睛的长宽比的一个概念，简称为EAR。我们先设定我们睁开眼睛时的状态为初始值，闭眼的状态为变量，在眨眼的时候，EAR=0，随后会回归初始值。这种眨眼检测方法快速，高效且易于实现。 通过下图可知，运用该函数库，我们应用了人脸识别。通过对眼睛的检测，分别标出了P1,P2,P3,P4,P5,P6主要的点，并通过对这些点变化的状况，去判断其是否处于疲劳状态。简而言之，EAR的原理无非就是通过这些点的变化，进行进一步计算，来完成整个系统的 运行。 图 作者简介：赵子木，男，本科生，电气工程及其自动化专业 本文受吉林建筑大学大学生创新创业训练计划项目资助（项目编号：S202110191142） 1 人脸识别图 3代码思路 第一步：使用dlib.get_frontal_face_detector() 获得脸部位置检测器 第二步：使用dlib.shape_predictor获得脸部特征位置检测器 第三步：分别获取左右眼面部标志的索引 第四步：打开cv2 本地摄像头 第五步：通过读取视频与图片，将图片扩大 第六步：使用detector(gray, 0) 函数，对脸部重要位置进行识别 第七步：使用predictor(gray, rect)循环并得到脸部重要部位的信息 第八步：将脸部重要信息转换为array的格式 第九步：提取左眼和右眼坐标 第十步：通过将公式带入到函数中，分别计算左右眼的EAR值，并且使用平均值作为最终的EAR值 第十一步：进行画图操作，获得凸包位置 第十二步：用矩形框出人脸四周通过画图 第十三步：通过计算得出左右眼的平均值，如果小于给定值，+1，如果连续三次都小于给定值，则表示进行了一次眨眼 第十四步：进行画图操作，68个有特殊状态点标识 第十五步：进行画图操作，运用函数 cv2.putText，对每秒眨眼的次数进行呈现 第十六步：总眨眼次数大于55次屏幕显示处于疲劳驾驶状态。 4系统流程图 图2 系统流程图 参考文献 [1]马颂德,张正友.计算机视觉——计算理论与算法基础[0.科学出版社,1999:124~166 [2]刘贵喜,邵明礼.真实场景下视频运动目标自动提取方法[ J .光学学报.第26卷,第8期 [3]毛蒸芬,施鹏飞.基于对象的视频图像分割技术[ J .中国图象图形学报,2003,8A(7):726~731 [4]胡晓峰,吴玲达,老松杨,司光亚.多媒体技术教程[北京:人民邮电出版社,2002 [5]韩鸿哲,王志良,刘冀伟,李郴,韩忠涛.阴影消除的自适应背景建模[ C ].第二届全国智能视觉监控学术会议论文集,2003,35~39 [6]朱仲杰,蒋刚毅.目标基视频编码中的运动目标提取与跟踪新算法[ Jl .电子学报.2003,9(9):1408~1426 [7]阴国富.基于阈值法的图像分割技术.现代电子技术[ J ,2007,30(23):107~108[8]阴躲芬,李一民,王英妹等.图像阈值分割技术的研究.科技广场[ J ,2008,1(03):136~137 [9]胡小峰,赵辉. Visual C ++/ MATLAB 图像处理与识别使用案例精选[.第一版.北京:人民邮电出版社,2004:85—92 [10]侯舒维,郭宝龙.一种图像自动拼接的快速算法.计算机工程[ J .第31卷第15期,2005年 [11]高征兵,晏磊,赵红颖,张罡,基于特征匹配的地图图像自动配准技术研究.影像技术[,2004年第2期:pp47—50 作者简介：赵子木，男，本科生，电气工程及其自动化专业 本文受吉林建筑大学大学生创新创业训练计划项目资助（项目编号：S202110191142）