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。

基于pytorch的中国交通警察指挥手势识别项目源码+训练好的模型+数据集+项目操作说明.zip 识别8种中国交通警察指挥手势的Pytorch深度学习项目 带训练好的模型以及数据集 下载模型参数文件checkpoint和生成的骨架generated 放置在: ctpgr-pytorch/checkpoints ctpgr-pytorch/generated 下载交警手势数据集（必选） 交警手势数据集下载： 放置在： (用户文件夹)/PoliceGestureLong (用户文件夹)/AI_challenger_keypoint # 用户文件夹 在 Windows下是'C:\Users\(用户名)'，在Linux下是 '/home/(用户名)' 安装Pytorch和其它依赖： # Python 3.8.5 conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch conda install ujson pip install visdom opencv-python imgaug

使用google制作的开源框架检测人脸关键点

在编写人脸的探测和标识程序之前，我们要先把“68”点人脸探测模型添加到pycharm工程中。具体操作是先复制本文件夹，然后进入pycharm鼠标右键点击工程名，最后再选择粘贴。

单眼视觉测程 具有4个组成部分的单眼视觉里程表（VO）：初始化，跟踪，局部地图和束调整。 阅读《灌篮高手》后，我做了这个项目。 这也是我于2019年3月在NWU开设的EESC-432 Advanced Computer Vision课程的最终项目。 演示： 在上图中： 左侧是视频和检测到的关键点。 右侧是与左侧视频相对应的摄像机轨迹：白线来自VO；白线来自VO。 绿线是事实。 白线上的红色标记是关键帧。 点是地图点，其中红色的点是新三角剖分的。 您可以在此处下载。 报告 我的pdf版本课程报告在。 与本自述文件相比，它对算法的描述更为清晰，因此我建议阅读。 目录 1.算法 通过以下过程/算法来实现此VO： 1.1。 初始化 估计相对相机姿势： 给定视频，将第一帧（图像）设置为参考，并与第二帧进行特征匹配。 计算两个帧之间的基本矩阵（E）和单应矩阵（H）。 用的方法计算它们的对称传递误差，然后选择更好的一个（即，如果H /（E + H）> 0.45，则选择H）。 将E或H分解为两个帧之间的相对姿势，即旋转（R）和平移（t）。 通过使用OpenCV，E给出1个结果，H给出2个结果，满

SOLD² - Self-supervised Occlusion-aware Line Description and Det

人脸关键点数据集（非常小，测试代码用）

对常规人体的13个关键点进行检测，确定人体的姿态

对服装关键点检测的网络模型对比与优化。

高空作业安全带，VOC数据集已经标注，标准了安全带的各个关键点，行人，能够应用到安全带的检测，判断做业人员是否按照穿戴标准作业。