基于深度学习的驾驶员疲劳监测系统的设计与实现

# fatigue_detecting #### 介绍 基于图像驾驶员疲劳检测技术研究 >更多学习记录参考: :tw-1f251: > >**cungudafa博客：Dlib模型之驾驶员疲劳检测系列（眨眼、打哈欠、瞌睡点头、可视化界面）** > >https://blog.csdn.net/cungudafa/article/details/103477960 > >https://blog.csdn.net/cungudafa/article/details/103496881 > >https://blog.csdn.net/cungudafa/article/details/103499230 #### 软件架构 经查阅相关文献，疲劳在人体面部表情中表现出大致三个类型：打哈欠（嘴巴张大且相对较长时间保持这一状态）、眨眼（或眼睛微闭，此时眨眼次数增多，且眨眼速度变慢）、点头（瞌睡点头）。本实验从人脸朝向、位置、瞳孔朝向、眼睛开合度、眨眼频率、瞳孔收缩率等数据入手，并通过这些数据，实时地计算出驾驶员的注意力集中程度，分析驾驶员是否疲劳驾驶和及时作出安全提示。 环境：Win10、Python3.7、anaconda3、JupyterNotebook 技术： - Opencv：图像处理 - Dlib：一个很经典的用于图像处理的开源库，shape_predictor_68_face_landmarks.dat是一个用于人脸68个关键点检测的dat模型库，使用这个模型库可以很方便地进行人脸检测，并进行简单的应用。 - Numpy：基于Python的n维数值计算扩展。 - Imutils ：一系列使得opencv 便利的功能，包括图像旋转、缩放、平移，骨架化、边缘检测、显示 - matplotlib 图像（imutils.opencv2matplotlib(image）。 - wx：python界面工具 #### 标准参数说明 疲劳认定标准： - 眨眼：连续3帧内，眼睛长宽比为 0.2 - 打哈欠：连续3帧内，嘴部长宽比为 0.5 - 瞌睡点头：连续3帧内，pitch（x）旋转角为 0.3 (`真实运用中需要根据不同人的眼睛大小进行检测，人的眼睛大小，俯仰头习惯都不一样，这只是一个参考值`)  #### 使用说明 一、初始化界面  二、本地视频检测 1. 打开本地视频  2. 加载本地视频  3. 参数设置  4. 仅闭眼检测  5. 参数可调  三、摄像头视频流检测  注意： 本地视频不宜过大，会影响检测效果！ #### 参与贡献 cungudafa