研究旨在通过理论和实践相结合的方式，以眼睑闭合持续时间百分比，即PERCLOS算法为核心，收集包括眼睛、嘴部和头部在内的多个部位的疲劳信息，深入探讨驾驶人在驾驶过程中的身体状态，从而构建出一种检测疲劳的新途径。为了检测图像中的人脸位置，这里使用DLIB库提供的人脸68个关键点DAT模型进行分析。然后提取驾驶人面部的68个特征点和坐标，再利用特征点中储存的信息进行眼部张合程度比(EAR)、眼睑闭合持续时间百分比、嘴部张合程度比(MAR)和俯仰角(PITCH)的运算，按照所设条件阈值，对驾驶人的疲劳状态进行评判。该方法能在车辆行驶过程中，无直接接触的情况下，实时地对驾驶人所处的疲劳状态进行准确检测与提示。

设计主要是基于MATLAB的疲劳驾驶视觉性检测，其研究方案总体处理框架一般包括以下五个阶段： （1） 视频输入阶段：通过摄像头或者其他视频设备获取司机的面部图像数据。 （2） 预处理阶段：对采集到的图像数据进行预处理，去除噪声、调整亮度、对比度等，以提高后续处理的效果。 （3）特征提取阶段：采用图像特征提取算法，从预处理后的图像中提取与疲劳状态相关的特征信息。一般用来检测眼睛状态。可以使用灰度积分投影技术进行眼睛定位。 （4）特征分类阶段：将特征信息与已知模型进行比较和分析，判断司机是否处于疲劳状态。可以使用神经网络、perclos技术进行分类判别。 （5）结果输出阶段：根据特征分类结果，输出报警信号或其他措施，提醒司机注意安全行车。

驾驶疲劳是影响交通安全的重要因素之一，疲劳驾驶预警系统的研究是十分有必要的。针对面部特征精确定位及疲劳驾驶检测问题，提出眼、鼻和嘴部三组卷积值加权求和的算法，根据三者状态信息对实验结果影响程度设置不同的权重系数，构造疲劳监测模型。首先对拍摄的驾驶员图片进行人脸检测，获得面部图像，按比例对合成的卷积模板划分三部分器官区域，结合模板卷积的相关理论，采用多目标优化技术，然后对面部器官状态进行疲劳判断，并得到相应的判定结果。实验表明，综合眼、鼻和嘴部信息模板不同的权重系数，突出了重要器官区域的影响，提高了疲劳检测准确性和鲁棒性，为最终构建一种实时的、可靠的非接触式驾驶员监测系统提供了理论基础。

本设计目标在于利用Matlab强大的图像处理能力和实用便捷的编程方法，通过处理包含人脸的视频帧系列图像，灰度积分投影技术的眼睛定位方法，进而利用perclos计数，计算眨眼率，从而得到比较准确的疲劳状况。 2.具体要求 本设计基于灰度积分投影技术的眼睛定位方法，再结合perclos技术。首先通过图像预处理技术得到灰度分配较为均匀的图像,然后分别利用水平和垂直灰度积分投影曲线结合人脸的结构特征找到眼睛的位置坐标,实现了准确的眼睛定位,通过perclos技术技术眨眼率，根据先验值得到是否疲劳。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：图像处理_人脸的视频帧系列图像_灰度积分投影技术的眼睛定位方法_perclos计数_计算眨眼率_疲劳检测_matlab源码 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

本设计目标在于利用Matlab强大的图像处理能力和实用便捷的编程方法，通过处理包含人脸的视频帧系列图像，灰度积分投影技术的眼睛定位方法，进而利用perclos计数，计算眨眼率，从而得到比较准确的疲劳状况。

颜色分类leetcode 疲劳检测 眼睛状态分类使用 OpenCV 和 DLib 来估计眼睛闭合百分比 (PERCLOS) 并提醒昏昏欲睡的人（例如司机）。 依赖项： ... 1. OpenCV（3.0 或更高版本）... 2. Dlib（19.0 或更高版本，用于面部标记） 使用长/短轴的纵横比 (cpp) 使用 DLib 面部标志检测器来查找眼睛的长轴和短轴以及嘴巴。 长轴和短轴的纵横比用于确定眼睛/嘴巴是否张开； 这允许眼睛状态分类和打哈欠检测。 需要 .dat 文件中的预训练 DLib 面部标志检测器模型。 使用二元阈值 使用 OpenCV Haar Cascade 分类器检测人脸，然后检测人脸边界框内定义的粗糙区域内的眼睛。 眼睛状态分类是通过对肤色的图像进行阈值处理并计算黑色像素的数量来完成的，阈值通过 HSV 直方图针对肤色进行归一化

现实中基于图像处理的疲劳驾驶监测往往因环境的变化而具有不确定性。监测算法不规范,以致于疲劳驾驶监测任务很具有挑战性。为了解决此问题,提出了一种基于多算法融合的动态滑动窗口算法框架。首先利用Adaboost算法识别人眼,然后改进Otsu算法来自适应各种不同环境;进而提出动态滑动窗口算法来得到睁闭眼之间的最佳阈值;最终,利用改进的PERCLOS算法估计疲劳驾驶状态的不同级别。针对环境的变化采用睁闭眼判断窗口随人眼特征变化而更新的策略,系统使用摄像头实时捕获人眼图像,并在PC机上进行仿真测试,可在130~150ms之间实现不同疲劳状态的识别。实验结果表明,此算法框架能够有效、快速的分辨驾驶员不同的疲劳状态。

运行环境： 1.python 3.7.4 2.pytorch 1.4.0 3.python-opencv 说明 预训练的权重文件[vgg_16] 具体的配置文件请看Config.py文件 训练运行python Train.py 单张测试 python Test.py 测试视频 python camera_detection.py ##目前进度： 1、PERCLOS计算 DONE 2、眨眼频率计算 DONE 3、打哈欠检测及计算 DONE 4、疲劳检测 DONE 5、人脸情绪检测 DONE 网络检测性能：准确率82.18% 主要文件说明： ssd_net_vgg.py 定义class SSD的文件 Train.py 训练代码 voc0712.py 数据集处理代码（没有改文件名，改的话还要改其他代码） loss_function.py 损失函

运行环境： 1.python 3.7.4 2.pytorch 1.4.0 3.python-opencv 说明 预训练的权重文件[vgg_16] 具体的配置文件请看Config.py文件 训练运行python Train.py 单张测试 python Test.py ##目前进度： 1、PERCLOS计算 DONE 2、眨眼频率计算 DONE 3、打哈欠检测及计算 DONE 4、疲劳检测 DONE 5、人脸情绪检测 DONE 6、口罩检测Done 网络检测性能：准确率82.18% 主要文件说明： ssd_net_vgg.py 定义class SSD的文件 Train.py 训练代码 voc0712.py 数据集处理代码（没有改文件名，改的话还要改其他代码） loss_function.py 损失函数 detection.py 检测结果的处理代码，将SSD返回结果处理为opencv可以处理的