引言

疲勞駕駛是交通事故的主要原因之一。本文將介紹如何使用Python和計算機視覺技術構建一個實時疲勞駕駛檢測系統，該系統通過分析駕駛員眼睛狀態來判斷疲勞程度。這個項目結合了人臉關鍵點檢測、幾何計算和狀態機邏輯，是一個典型的計算機視覺應用案例。

1.相關技術介紹

• Dlib：用于人臉檢測和68個關鍵點定位
• OpenCV：視頻流處理和圖像顯示
• Scikit-learn：用于計算歐氏距離
• Pillow：支持在圖像上添加中文文本

2. 系統原理

2.1 眼睛縱橫比(EAR)算法

核心算法是計算眼睛的縱橫比(Eye Aspect Ratio)，公式如下：

EAR = (|p1-p5| + |p2-p4|) / (2 * |p0-p3|)

其中p1-p6是眼睛周圍的6個關鍵點：

                       p1    p2p0               p3   <------這是眼睛的6個關鍵點p5    p4

當眼睛睜開時，EAR值較高；閉眼時，EAR值接近0。

2.2 系統工作流程

1. 通過攝像頭捕獲視頻幀
2. 使用Dlib檢測人臉和眼睛關鍵點
3. 計算左右眼的EAR值并取平均
4. 根據EAR閾值判斷眼睛狀態
5. 持續閉眼超過閾值幀數則觸發警報

3.代碼解析

3.1 關鍵函數說明

眼睛縱橫比計算：

def eye_aspect_ratio(eye):A = euclidean_distances(eye[1].reshape(1,2), eye[5].reshape(1,2))B = euclidean_distances(eye[2].reshape(1,2), eye[4].reshape(1,2))C = euclidean_distances(eye[0].reshape(1,2), eye[3].reshape(1,2))return ((A + B) / 2.0) / C

• A：計算點1和點5之間的歐幾里得距離（垂直距離1）
• B：計算點2和點4之間的歐幾里得距離（垂直距離2）
• C：計算點0和點3之間的歐幾里得距離（水平距離）
• EAR = ((A + B)/2.0)/C：這個公式計算的是眼睛的"高度"（垂直距離的平均值）與"寬度"（水平距離）的比值。

中文文本顯示：

def cv2AddChineseText(img, text, position, textColor=(0,255,0), textSize=30):"""向圖片中添加中文"""if (isinstance(img,np.ndarray)):   # 判斷是否OpenCV圖片類型img = Image.fromarray(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))  # 實現array到image的轉換draw = ImageDraw.Draw(img) # 在img圖片上創建一個繪圖的對象# 字體的格式fontStyle = ImageFont.truetype("simsun.ttc",textSize,encoding="utf-8")draw.text(position,text,textColor,font=fontStyle) # 繪制文本return cv2.cvtColor(np.asarray(img),cv2.COLOR_BGR2RGB) # 轉換回OpenCV格式

眼睛輪廓繪制：

def drawEye(eye):eyeHull = cv2.convexHull(eye)cv2.drawContours(frame, [eyeHull], -1, (0,255,0), -1)

3.2 主循環邏輯

while True:# 讀取視頻幀# 人臉檢測和關鍵點定位rightEye = shape[36:42]  # 右眼關鍵點leftEye = shape[42:48]  # 左眼關鍵點# 計算EAR值ear = (leftEAR + rightEAR) / 2.0# 疲勞判斷邏輯if ear < 0.4:COUNTER += 1if COUNTER >= 30:  # 持續閉眼30幀# 顯示警告else:COUNTER = 0  # 重置計數器

4.實際應用效果

系統運行時會在視頻中：

1. 用綠色區域標記眼睛輪廓
2. 實時顯示當前EAR值
3. 當檢測到持續閉眼時顯示"危險"警告

顯示效果如下：

5.參數調優建議

1. EAR閾值：0.4是經驗值，可根據實際場景調整
   調高：系統更敏感，容易誤報

   • 調低：系統更保守，可能漏報

2. 連續幀數閾值：30幀（約1秒）

   • 可根據實際需求調整疲勞判定時間

3. 性能優化：

   • 可降低視頻分辨率提高處理速度
   • 使用多線程處理視頻流

6.總結

本文介紹了一個基于Dlib和OpenCV的實時疲勞檢測系統。該系統通過計算眼睛縱橫比來判定駕駛員狀態，具有以下特點：

1. 實時性：可在普通電腦上實時運行
2. 準確性：基于幾何特征而非顏色特征，適應不同光照條件
3. 可擴展性：框架可輕松擴展到其他行為檢測

完整代碼已在上文中提供，讀者可以自行嘗試實現或在此基礎上進行二次開發。這個項目不僅具有實用價值，也是學習計算機視覺和人臉分析的優秀案例。

理想的風會吹進現實，熬過的夜也會變成光！我們一起努力，頂峰相見！🚀🚀🚀