目錄

前言

課題背景和意義

實現(xiàn)技術(shù)思路

實現(xiàn)效果圖樣例

---

前言

? ? 📅大四是整個大學(xué)期間最忙碌的時光,一邊要忙著備考或?qū)嵙?xí)為畢業(yè)后面臨的就業(yè)升學(xué)做準(zhǔn)備,一邊要為畢業(yè)設(shè)計耗費大量精力。近幾年各個學(xué)校要求的畢設(shè)項目越來越難,有不少課題是研究生級別難度的,對本科同學(xué)來說是充滿挑戰(zhàn)。為幫助大家順利通過和節(jié)省時間與精力投入到更重要的就業(yè)和考試中去,學(xué)長分享優(yōu)質(zhì)的選題經(jīng)驗和畢設(shè)項目與技術(shù)思路。

🚀對畢設(shè)有任何疑問都可以問學(xué)長哦!

大家好,這里是海浪學(xué)長畢設(shè)專題,本次分享的課題是

🎯機器視覺的疲勞駕駛檢測系統(tǒng)

課題背景和意義

疲勞檢測系統(tǒng)是指利用駕駛員的面部特征、眼部信號、頭部運動性等推斷駕駛員的疲勞狀態(tài)，并進(jìn)行報警提示和采取相應(yīng)措施的裝置。一些汽車裝備的疲勞監(jiān)測系統(tǒng)被稱為“疲勞識別系統(tǒng)”(它從駕駛開始時便對駕駛員的操作行為進(jìn)行記錄)并能夠通過識別長途旅行中駕駛操作的變化對駕駛員的疲勞程度進(jìn)行判斷。駕駛員轉(zhuǎn)向操作頻率變低,并伴隨輕微但急驟的轉(zhuǎn)向動作以保持行駛方向是駕駛精力不集中的典型表現(xiàn)。根據(jù)以上動作的出現(xiàn)頻率，并綜合諸如旅途長度、轉(zhuǎn)向燈使用情況、駕駛時間等其他參數(shù)，系統(tǒng)對駕駛員的疲勞程度進(jìn)行計算和鑒別，如果計算結(jié)果超過某一定值，儀表盤上就會閃爍一個咖啡杯的圖案，提示駕駛員需要休息。駕駛員疲勞識別系統(tǒng)將駕駛員注意力集中程度作為衡量駕駛員駕駛狀態(tài)的重要考慮因素，以致力于道路安全的提高。根據(jù)國家公路交通安全管理局的數(shù)據(jù)，每年均涉及疲勞駕駛事故中導(dǎo)致超過1,550人死亡和71,000人受傷，但是實際數(shù)字可能要高得多[1]。因此，為了避免這類事故的發(fā)生，我們制作了這個系統(tǒng)。它通過檢查人的眼睛是否閉合或正在打哈欠來預(yù)測眼睛和嘴巴的標(biāo)志，從而確定一個人是否正處于疲勞駕駛。

實現(xiàn)技術(shù)思路

疲勞認(rèn)定標(biāo)準(zhǔn)

• 眨眼：連續(xù)3幀內(nèi)，眼睛長寬比為 0.2
• 打哈欠：連續(xù)3幀內(nèi)，嘴部長寬比為 0.5
• 瞌睡點頭：連續(xù)3幀內(nèi)，pitch（x）旋轉(zhuǎn)角為 0.3

因為人在疲倦時大概會產(chǎn)生兩種狀態(tài)： 眨眼：正常人的眼睛每分鐘大約要眨動10-15次，

每次眨眼大概0.2-0.4秒，如果疲倦時眨眼次數(shù)會增多，速度也會變慢。打哈欠：此時嘴

會長大而且會保持一定的狀態(tài)。因此檢測人是否疲勞可以從眼睛的開合度，眨眼頻率，以

及嘴巴張合程度來判斷一個人是否疲勞。

檢測工具

dlib ：一個很經(jīng)典的用于圖像處理的開源庫，shape_predictor_68_face_landmarks.dat是一個用于人臉68個關(guān)鍵點檢測的dat模型庫，使用這個模型庫可以很方便地進(jìn)行人臉檢測，并進(jìn)行簡單的應(yīng)用。

具體實現(xiàn)步驟

• 使用dlib.get_frontal_face_detector() 獲得臉部位置檢測器
• 使用dlib.shape_predictor獲得臉部特征位置檢測器
• 分別獲取左右眼面部標(biāo)志的索引
• 打開cv2 本地攝像頭
• 從視頻流進(jìn)行循環(huán)，讀取圖片，并對圖片做維度擴(kuò)大，并進(jìn)灰度化
• 使用detector(gray, 0) 進(jìn)行臉部位置檢測
• 循環(huán)臉部位置信息，使用predictor(gray, rect)獲得臉部特征位置的信息
• 將臉部特征信息轉(zhuǎn)換為數(shù)組array的格式
• 提取左眼和右眼坐標(biāo)
• 構(gòu)造函數(shù)計算左右眼的EAR值，使用平均值作為最終的EAR
• 使用cv2.convexHull獲得凸包位置，使用drawContours畫出輪廓位置進(jìn)行畫圖操作
• 進(jìn)行畫圖操作，用矩形框標(biāo)注人臉
• 分別計算左眼和右眼的評分求平均作為最終的評分，如果小于閾值，則加1，如果連續(xù)3次都小于閾值，則表示進(jìn)行了一次眨眼活動
• 進(jìn)行畫圖操作，68個特征點標(biāo)識
• 進(jìn)行畫圖操作，同時使用cv2.putText將眨眼次數(shù)進(jìn)行顯示
• 統(tǒng)計總眨眼次數(shù)大于50次屏幕顯示睡著。

def get_head_pose(shape):# 頭部姿態(tài)估計# （像素坐標(biāo)集合）填寫2D參考點，注釋遵循h(huán)ttps://ibug.doc.ic.ac.uk/resources/300-W/# 17左眉左上角/21左眉右角/22右眉左上角/26右眉右上角/36左眼左上角/39左眼右上角/42右眼左上角/# 45右眼右上角/31鼻子左上角/35鼻子右上角/48左上角/54嘴右上角/57嘴中央下角/8下巴角image_pts = np.float32([shape[17], shape[21], shape[22], shape[26], shape[36],shape[39], shape[42], shape[45], shape[31], shape[35],shape[48], shape[54], shape[57], shape[8]])# solvePnP計算姿勢——求解旋轉(zhuǎn)和平移矩陣：# rotation_vec表示旋轉(zhuǎn)矩陣，translation_vec表示平移矩陣，cam_matrix與K矩陣對應(yīng)，dist_coeffs與D矩陣對應(yīng)。_, rotation_vec, translation_vec = cv2.solvePnP(object_pts, image_pts, cam_matrix, dist_coeffs)# projectPoints重新投影誤差：原2d點和重投影2d點的距離（輸入3d點、相機內(nèi)參、相機畸變、r、t，輸出重投影2d點）reprojectdst, _ = cv2.projectPoints(reprojectsrc, rotation_vec, translation_vec, cam_matrix,dist_coeffs)reprojectdst = tuple(map(tuple, reprojectdst.reshape(8, 2)))# 以8行2列顯示# 計算歐拉角calc euler angle# 參考https://docs.opencv.org/2.4/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.html#decomposeprojectionmatrixrotation_mat, _ = cv2.Rodrigues(rotation_vec)#羅德里格斯公式（將旋轉(zhuǎn)矩陣轉(zhuǎn)換為旋轉(zhuǎn)向量）pose_mat = cv2.hconcat((rotation_mat, translation_vec))# 水平拼接，vconcat垂直拼接# decomposeProjectionMatrix將投影矩陣分解為旋轉(zhuǎn)矩陣和相機矩陣_, _, _, _, _, _, euler_angle = cv2.decomposeProjectionMatrix(pose_mat)pitch, yaw, roll = [math.radians(_) for _ in euler_angle]pitch = math.degrees(math.asin(math.sin(pitch)))roll = -math.degrees(math.asin(math.sin(roll)))yaw = math.degrees(math.asin(math.sin(yaw)))print('pitch:{}, yaw:{}, roll:{}'.format(pitch, yaw, roll))return reprojectdst, euler_angle# 投影誤差，歐拉角 def eye_aspect_ratio(eye):# 垂直眼標(biāo)志（X，Y）坐標(biāo)A = dist.euclidean(eye[1], eye[5])# 計算兩個集合之間的歐式距離B = dist.euclidean(eye[2], eye[4])# 計算水平之間的歐幾里得距離# 水平眼標(biāo)志（X，Y）坐標(biāo)C = dist.euclidean(eye[0], eye[3])# 眼睛長寬比的計算ear = (A + B) / (2.0 * C)# 返回眼睛的長寬比return eardef mouth_aspect_ratio(mouth):# 嘴部A = np.linalg.norm(mouth[2] - mouth[9]) # 51, 59B = np.linalg.norm(mouth[4] - mouth[7]) # 53, 57C = np.linalg.norm(mouth[0] - mouth[6]) # 49, 55mar = (A + B) / (2.0 * C)return mar

實現(xiàn)效果圖樣例

?

我是海浪學(xué)長,創(chuàng)作不易,歡迎點贊、關(guān)注、收藏、留言。

畢設(shè)幫助，疑難解答，歡迎打擾！

最后

總結(jié)

以上是生活随笔為你收集整理的毕业设计-机器视觉的疲劳驾驶检测系统-python-opencv的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。