基于OpenCV的实时驾驶状态/驾驶行为检测系统（附教程和代码）_opencv疲劳驾驶代码

动机：

根据美国国家公路交通安全管理局的数据，每年约有10万起警方报告的交通事故涉及疲劳驾驶。这些事故导致超过1,550人死亡和71,000人受伤。然而，真实数字可能更高，因为很难确定司机在事故发生时是否疲劳驾驶。因此，我们尝试建立一个系统，检测人是否疲劳并提醒他。

安装和环境

Step 1: Update conda

conda update conda
1

Step 2: Update anaconda

conda update anaconda 
1

Step 3: Create a virtual environment

conda create -n env_dlib 
1

Step 4: Activate the virtual environment

conda activate env_dlib
1

Step 5: Install dlib

conda install -c conda-forge dlib 
1

运行代码

python app1.py
1

原理

疲劳检测的基本原理非常简单。首先使用 dlib 的正脸检测器检测人脸。一旦检测到人脸，我们尝试使用 dlib 的面部标记检测器检测面部标记。面部标记检测器返回68个（x，y）坐标，表示面部的不同区域，即嘴巴、左眉毛、右眉毛、右眼、左眼、鼻子和下巴。当然，我们并不需要所有的面部标记，这里我们只需要提取眼睛和嘴巴区域。

现在，在提取标记后，我们计算眼睛纵横比（EAR），如下所示：
该系统的工作可以分为两个部分：

1. 检测或定位面部。

2. 预测检测到的面部中重要区域的地标。

3. `def eye_aspect_ratio(eye):

   Vertical eye landmarks

   A = dist.euclidean(eye[1], eye[5])
   B = dist.euclidean(eye[2], eye[4])

   Horizontal eye landmarks

   C = dist.euclidean(eye[0], eye[3])

   The EAR Equation

   EAR = (A + B) / (2.0 * C)
   return EAR`

一旦预测出结果，我们仅使用眼睛地标和嘴部地标来确定人的眼睛长宽比（EAR）和嘴部长宽比（MAR），以检查人是否困倦。EAR和MAR的计算如下所示。

眼睛区域由6个坐标标记。如果将EAR的值与某个特定的阈值进行比较，这些坐标可以用于判断眼睛是睁开还是闭合。
使用这个概念，我们计算了嘴长宽比

结果