驾驶员注意力不集中或者分心是道路交通事故的主要原因。 为了减少道路交通事故,设计开发驾驶员疲劳检测系统至关重要。本次实现的应用运用开源库Dlib训练好的模型“shape_predictor_68_face_landmarks.dat”进行68点标定,利用OpenCv进行图像化处理,在人脸上画出68个点,并标明序号。当检测到驾驶员的眼睛闭上4-5 秒时候,就会产生警报。
点击驾驶员困倦检测时,系统会自动打开电脑摄像头,你便可以模拟驾驶室的角色进行测试,当驾驶员在驾驶过程中闭眼,且超过5s系统会触
环境配置:python3.7、配置以下包 tensorflow>=1.12* keras==2.2.4 等。
人脸关键点检测是人脸识别任务中重要的基础环节,人脸关键点精确检测对众多科研和应用课题具有关键作用,如:表情识别、疲劳监测等。因此,如何获取高精度人脸关键点,一直以来都是计算机视觉、模式识别、图像处理等领域的热点研究问题。然而人脸关键点检测方法根据是否需要参数化模型可分为以下两类,基于参数化形状模型的方法和基于非参数形状模型的方法。目前,最为常用的是基于非参数形状模型的深度学习方法。