Исследование технологии обнаружения усталости водителя на основе изображений

Введение

Исследование технологии обнаружения усталости водителя на основе анализа изображений.

Подробнее:

Блог cungudafa: Серия моделей Dlib для обнаружения усталости водителя (моргание, зевота, кивание головой, визуализированный интерфейс)

https://blog.csdn.net/cungudafa/article/details/103477960

https://blog.csdn.net/cungudafa/article/details/103496881

https://blog.csdn.net/cungudafa/article/details/103499230

Архитектура программного обеспечения

После изучения соответствующей литературы было выявлено, что усталость проявляется в мимике лица человека примерно тремя способами: зевота (рот широко открыт и остаётся в таком состоянии относительно долгое время), моргание (или прищуривание, при этом частота моргания увеличивается, а скорость уменьшается), кивание головой (кивки головой во время сна). В рамках эксперимента используются данные о направлении лица, положении, направлении зрачков, степени открытия глаз, частоте моргания, скорости сужения зрачков и т. д. На основе этих данных в реальном времени рассчитывается степень концентрации внимания водителя и анализируется, находится ли водитель в состоянии усталости и насколько это опасно.

Среда: Win10, Python3.7, anaconda3, JupyterNotebook Технологии:

• Opencv: обработка изображений;
• Dlib: классическая библиотека с открытым исходным кодом для обработки изображений, shape_predictor_68_face_landmarks.dat — модель библиотеки для обнаружения 68 ключевых точек лица, которая позволяет удобно обнаруживать лицо и применять простые приложения;
• Numpy: расширение для многомерных числовых вычислений на Python;
• Imutils: набор функций, которые делают OpenCV более удобным, включая поворот, масштабирование, перемещение, скелетонизацию, обнаружение краёв и отображение изображений;
• matplotlib: изображение (imutils.opencv2matplotlib(image));
• wx: инструмент для создания графического интерфейса на Python.

Описание стандартных параметров

Критерии определения усталости:

• моргание: три последовательных кадра, соотношение длины и ширины глаза составляет 0,2;
• зевота: три последовательных кадра, отношение длины к ширине рта составляет 0,5;
• кивание головой: три последовательных кадра, угол поворота по оси x (pitch) составляет 0,3.

(В реальной практике необходимо учитывать индивидуальные размеры глаз и привычки людей смотреть вверх или вниз, это лишь ориентировочные значения)

Инструкция по использованию

1. Инициализация интерфейса

2. Локальное видео обнаружение
3. Открыть локальное видео

2. Загрузить локальное видео

3. Установить параметры

4. Только обнаружение закрытых глаз

5. Параметры можно настроить

3. Обнаружение потока видео с камеры

Примечание:

Не рекомендуется использовать слишком большие локальные видеофайлы, так как это может повлиять на эффективность обнаружения!

Вклад участников

cungudafa