描述

我們開發(fā)了自己的睡意檢測器，通過發(fā)出聲音警報(bào)，為駕駛員建立警報(bào)模式，從而有效地防止交通事故。

我們需要什么？

?

?

?

?

1 / 2

?

我們將相機(jī)連接到 raspberry pi 4，其中將安裝計(jì)算機(jī)視覺軟件以檢測睡意。

• 。

import pygame

• Dlib是一個(gè)具有從網(wǎng)絡(luò)到機(jī)器學(xué)習(xí)的各種實(shí)用程序的庫，在我們的案例中，我們使用預(yù)訓(xùn)練模型和haar-cascade 模型進(jìn)行人臉檢測

import dlib

算法是什么？

1.3 瞌睡司機(jī)檢測算法

?

。

?

3.- 通過face_utils的shape_to_np ()函數(shù)獲得構(gòu)成面部特征的所有坐標(biāo) (x, y) 作為數(shù)值矩陣

4.-提取面部坐標(biāo)后，僅過濾定義眼睛的坐標(biāo)。

5.-獲得一個(gè)新的數(shù)值數(shù)組，其坐標(biāo)代表與眼睛位置相關(guān)的參考點(diǎn)。

6.-根據(jù)Tereza Soukupová和Jan ?ech的模型，我們提取了確定眼睛張開度的 6 個(gè)參考點(diǎn)，然后我們繼續(xù)計(jì)算眼睛縱橫半徑。

7.- 為我們建立了眼瞼的最小張開閾值，一旦我們達(dá)到低于閾值中設(shè)置的值，我們就存在一個(gè)很有可能閉合的眼睛，在我們的例子中，我們設(shè)置了Y處的閾值（我們稍后會(huì)深入研究）

8.-我們建立最小數(shù)量的連續(xù)幀，這些幀共享眼睛的張開閾值，并且關(guān)閉的可能性很高，在我們的例子中，我們有X幀（我們稍后會(huì)深入研究）。

9.-如果同時(shí)滿足上述兩個(gè)條件，則會(huì)觸發(fā)警報(bào)，允許設(shè)置嗜睡危險(xiǎn)警報(bào)。

如何知道何時(shí)出現(xiàn)嗜睡？

為了確定眼睛何時(shí)閉上或睜開，我們部分依賴于Tereza Soukupová和Jan ?ech在他們的論文“使用面部標(biāo)記的實(shí)時(shí)眨眼檢測”中提出的算法 ，即表示定義起點(diǎn)的點(diǎn)的奇怪?jǐn)?shù)字坐標(biāo)。每只眼睛的水平末端（點(diǎn)P1和P4 ）以及指示下眼瞼（P5和P6 ）和活動(dòng)眼瞼（P2和P3 ）當(dāng)前位置的點(diǎn)，將眼睛理解為兩個(gè)-尺寸坐標(biāo)軸 ( X , Y)，因此可以通過使用幾何基本概念計(jì)算歐幾里得距離來輕松處理下眼瞼與上眼瞼的關(guān)系。

?

?

?

1.4 表示模型的信息圖

?

決策閾值

有必要建立一個(gè)最小的眼睛張開閾值來確定我們何時(shí)存在一只很有可能閉合的眼睛，為了定義這個(gè)閾值，我們開始在0.1和0.5之間的區(qū)間內(nèi)進(jìn)行測試，因?yàn)閷τ诔叽缪劬νǔ?huì)擺動(dòng)我們需要研究的值，以找到相對于現(xiàn)實(shí)的最佳擬合值。經(jīng)過各種測試，我們將所有值< 0.3定義為合適的閾值，這樣任何低于這個(gè)數(shù)字的值都是指閉眼，任何高于這個(gè)數(shù)字的值都是睜眼。

下一步設(shè)置

1.5 不同面部特征的測試

?

這個(gè)閾值效果很好，直到我們對具有中國（非常小眼睛）或印度（非常大眼睛）等國家特征面部特征的人進(jìn)行測試，添加實(shí)驗(yàn)來測試這些變體，閾值調(diào)整為 < 0.2并且完全可以接受獲得了性能。

為了推斷一個(gè)人的困倦狀態(tài)，他們必須長時(shí)間閉上眼睛，這樣我們就會(huì)知道這不是常見的眨眼，而是長時(shí)間的閉眼

出于這個(gè)原因，在進(jìn)行多次實(shí)驗(yàn)時(shí)，我們確定確定睡意狀態(tài)必須經(jīng)過的幀數(shù)等于50。