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。

使用google制作的开源框架检测人脸关键点

基于卷积神经网络级联人脸关键点检测算法.docx

WFLW人脸关键点检测98点.zip

基于卷积神经网络级联人脸关键点检测算法.docx

人脸检测+人脸关键点检测+人体检测Android Demo:https://panjinquan.blog.csdn.net/article/details/120688804

基于深度学习的人脸检测和人脸关键点检测，包含python和C++两个版本，提供了所有代码和运行数据

UnityOpencvForUnity+FaceMaskExample+Dlib FaceLandmark Detector;Unity2019++；测试使用的是Unity2020.3.25

深度学习-人脸关键点。代码是利用python写的里面有数据与代码

从传统方法到深度学习，人脸关键点检测方法综述，非常系统的总结。