描述

我們開發(fā)了自己的睡意檢測器，通過發(fā)出聲音警報，為駕駛員建立警報模式，從而有效地防止交通事故。

我們需要什么？

?

?

?

?

1 / 2

?

我們將相機連接到 raspberry pi 4，其中將安裝計算機視覺軟件以檢測睡意。

• 。

import pygame

• Dlib是一個具有從網絡到機器學習的各種實用程序的庫，在我們的案例中，我們使用預訓練模型和haar-cascade 模型進行人臉檢測

import dlib

算法是什么？

1.3 瞌睡司機檢測算法

?

。

?

3.- 通過face_utils的shape_to_np ()函數獲得構成面部特征的所有坐標 (x, y) 作為數值矩陣

4.-提取面部坐標后，僅過濾定義眼睛的坐標。

5.-獲得一個新的數值數組，其坐標代表與眼睛位置相關的參考點。

6.-根據Tereza Soukupová和Jan ?ech的模型，我們提取了確定眼睛張開度的 6 個參考點，然后我們繼續(xù)計算眼睛縱橫半徑。

7.- 為我們建立了眼瞼的最小張開閾值，一旦我們達到低于閾值中設置的值，我們就存在一個很有可能閉合的眼睛，在我們的例子中，我們設置了Y處的閾值（我們稍后會深入研究）

8.-我們建立最小數量的連續(xù)幀，這些幀共享眼睛的張開閾值，并且關閉的可能性很高，在我們的例子中，我們有X幀（我們稍后會深入研究）。

9.-如果同時滿足上述兩個條件，則會觸發(fā)警報，允許設置嗜睡危險警報。

如何知道何時出現嗜睡？

為了確定眼睛何時閉上或睜開，我們部分依賴于Tereza Soukupová和Jan ?ech在他們的論文“使用面部標記的實時眨眼檢測”中提出的算法 ，即表示定義起點的點的奇怪數字坐標。每只眼睛的水平末端（點P1和P4 ）以及指示下眼瞼（P5和P6 ）和活動眼瞼（P2和P3 ）當前位置的點，將眼睛理解為兩個-尺寸坐標軸 ( X , Y)，因此可以通過使用幾何基本概念計算歐幾里得距離來輕松處理下眼瞼與上眼瞼的關系。

?

?

?

1.4 表示模型的信息圖

?

決策閾值

有必要建立一個最小的眼睛張開閾值來確定我們何時存在一只很有可能閉合的眼睛，為了定義這個閾值，我們開始在0.1和0.5之間的區(qū)間內進行測試，因為對于尺寸眼睛通常會擺動我們需要研究的值，以找到相對于現實的最佳擬合值。經過各種測試，我們將所有值< 0.3定義為合適的閾值，這樣任何低于這個數字的值都是指閉眼，任何高于這個數字的值都是睜眼。

下一步設置

1.5 不同面部特征的測試

?

這個閾值效果很好，直到我們對具有中國（非常小眼睛）或印度（非常大眼睛）等國家特征面部特征的人進行測試，添加實驗來測試這些變體，閾值調整為 < 0.2并且完全可以接受獲得了性能。

為了推斷一個人的困倦狀態(tài)，他們必須長時間閉上眼睛，這樣我們就會知道這不是常見的眨眼，而是長時間的閉眼

出于這個原因，在進行多次實驗時，我們確定確定睡意狀態(tài)必須經過的幀數等于50。