卡車司機(jī)在白天和晚上長(zhǎng)途運(yùn)輸貨物和重物，他們經(jīng)常遭受睡眠不足的困擾。疲勞和困倦是高速公路上發(fā)生重大事故的一些主要原因。汽車行業(yè)正在研究一些可以檢測(cè)困倦并提醒駕駛員注意的技術(shù)。

　　在這個(gè)項(xiàng)目中，我們將使用 Raspberry Pi、OpenCV 和 Pi 攝像頭模塊為駕駛員構(gòu)建睡眠感應(yīng)和警報(bào)系統(tǒng)。該系統(tǒng)的基本目的是跟蹤駕駛員的面部狀況和眼球運(yùn)動(dòng)，如果駕駛員感到困倦，則系統(tǒng)將觸發(fā)警告信息。這是我們之前人臉地標(biāo)檢測(cè)和人臉識(shí)別應(yīng)用的擴(kuò)展。

　　所需組件

　　硬件組件

　　樹(shù)莓派 3

　　Pi 相機(jī)模塊

　　微型 USB 數(shù)據(jù)線

　　蜂鳴器

　　軟件和在線服務(wù)

　　開(kāi)放式CV

　　數(shù)據(jù)庫(kù)

　　Python3

　　在繼續(xù)這個(gè) 驅(qū)動(dòng)程序嗜睡檢測(cè)項(xiàng)目之前， 首先我們需要在這個(gè)項(xiàng)目中安裝 OpenCV、imutils、dlib、Numpy 和一些其他依賴項(xiàng)。OpenCV在這里用于 數(shù)字圖像處理。數(shù)字圖像處理最常見(jiàn)的應(yīng)用是 物體檢測(cè)、 人臉識(shí)別和 人數(shù)統(tǒng)計(jì)。

　　這里我們只使用樹(shù)莓派、Pi Camera 和蜂鳴器來(lái)構(gòu)建這個(gè)睡眠檢測(cè)系統(tǒng)。

在樹(shù)莓派中安裝 OpenCV

在安裝 OpenCV 和其他依賴項(xiàng)之前，Raspberry Pi 需要完全更新。使用以下命令將 Raspberry Pi 更新到其最新版本：

?

sudo apt-get 更新

?

然后使用以下命令安裝在 Raspberry Pi 上安裝 OpenCV 所需的依賴項(xiàng)。

?

sudo apt-get install libhdf5-dev -y 
sudo apt-get install libhdf5-serial-dev –y 
sudo apt-get install libatlas-base-dev –y 
sudo apt-get install libjasper-dev -y 
sudo apt-get install libqtgui4 –y 
sudo apt-get install libqt4-test –y

?

最后，使用以下命令在 Raspberry Pi 上安裝 OpenCV。

?

pip3 安裝 opencv-contrib-python==4.1.0.25

?

安裝其他必需的軟件包

在對(duì) Raspberry Pi 進(jìn)行嗜睡檢測(cè)器編程之前，讓我們安裝其他所需的軟件包。

安裝 dlib：?dlib 是現(xiàn)代工具包，其中包含用于解決實(shí)際問(wèn)題的機(jī)器學(xué)習(xí)算法和工具。使用以下命令安裝 dlib。

?

pip3 安裝 dlib

?

安裝 NumPy：?NumPy 是科學(xué)計(jì)算的核心庫(kù)，包含強(qiáng)大的 n 維數(shù)組對(duì)象，提供集成 C、C++ 等的工具。

?

pip3 安裝 numpy

?

安裝 face_recognition 模塊：該庫(kù)用于從 Python 或命令行識(shí)別和操作人臉。使用以下命令安裝人臉識(shí)別庫(kù)。

?

Pip3 安裝 face_recognition

?

最后，使用以下命令安裝eye_game庫(kù)：

?

pip3 安裝眼睛游戲

?

對(duì)樹(shù)莓派進(jìn)行編程

使用 OpenCV 的 Driver Drrowsiness Detector的完整代碼在頁(yè)面末尾給出。在這里，我們將解釋代碼的一些重要部分，以便更好地理解。

因此，像往常一樣，通過(guò)包含所有必需的庫(kù)來(lái)啟動(dòng)代碼。

?

導(dǎo)入人臉識(shí)別
導(dǎo)入簡(jiǎn)歷2
將 numpy 導(dǎo)入為 np
進(jìn)口時(shí)間
導(dǎo)入簡(jiǎn)歷2
導(dǎo)入 RPi.GPIO 作為 GPIO
導(dǎo)入 eye_game

?

之后，創(chuàng)建一個(gè)實(shí)例以從 pi 相機(jī)獲取視頻源。如果您使用多個(gè)攝像頭，則在cv2.VideoCapture(0)函數(shù)中將零替換為一個(gè)。

?

video_capture = cv2.VideoCapture(0)

?

現(xiàn)在在接下來(lái)的幾行中，輸入文件的文件名和路徑。就我而言，代碼和文件都在同一個(gè)文件夾中。然后使用人臉編碼得到圖片中的人臉位置。

?

img_image = face_recognition.load_image_file("img.jpg")
img_face_encoding = face_recognition.face_encodings(img_image)[0]

?

之后創(chuàng)建兩個(gè)數(shù)組來(lái)保存人臉及其名稱。我只使用一張圖片；您可以在代碼中添加更多圖像及其路徑。

?

known_face_encodings = [
    img_face_encoding ]
known_face_names = [
    “阿什”
]

?

然后創(chuàng)建一些變量來(lái)存儲(chǔ)面部部位的位置、面部名稱和編碼。

?

face_locations = []
face_encodings = []
面名 = []
process_this_frame = True

?

在while函數(shù)中，從流中捕獲視頻幀并將幀調(diào)整為更小的尺寸，并將捕獲的幀轉(zhuǎn)換為 RGB 顏色以進(jìn)行人臉識(shí)別。

?

ret, frame = video_capture.read()
 small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)
 rgb_small_frame = small_frame[:, :, ::-1]

?

之后，運(yùn)行人臉識(shí)別過(guò)程，將視頻中的人臉與圖像進(jìn)行比較。并獲得面部部位的位置。

?

如果 process_this_frame:
        face_locations = face_recognition.face_locations(rgb_small_frame)
        face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)
        cv2.imwrite（文件，small_frame）

?

如果識(shí)別出的人臉與圖像中的人臉匹配，則調(diào)用eyegame函數(shù)跟蹤眼球運(yùn)動(dòng)。代碼會(huì)反復(fù)跟蹤眼球和眼球的位置。?

?

face_distances = face_recognition.face_distance(known_face_encodings, face_encoding)
            best_match_index = np.argmin(face_distances)
            如果匹配[best_match_index]：
                名稱 = known_face_names[best_match_index]
                方向= eye_game.get_eyeball_direction（文件）
                打?。ǚ较颍?/pre>

	?

	如果代碼在 10 秒內(nèi)沒(méi)有檢測(cè)到任何眼球運(yùn)動(dòng)，則會(huì)觸發(fā)警報(bào)將人叫醒。

	?
別的：
                    計(jì)數(shù)=1+計(jì)數(shù)
                    打?。ㄓ?jì)數(shù)）
                    如果（計(jì)數(shù)>=10）：
                       GPIO.輸出（蜂鳴器，GPIO.HIGH）
                       時(shí)間.sleep(2)
                       GPIO.輸出（蜂鳴器，GPIO.LOW）
                       打印（“警報(bào)！警報(bào)！檢測(cè)到駕駛員嗜睡”）

	?

	然后使用 OpenCV 函數(shù)在面部周圍繪制一個(gè)矩形并在其上放置文本。此外，使用cv2.imshow函數(shù)顯示視頻幀。

	?
cv2.rectangle(frame, (left, top), (right, bottom), (0, 255, 0), 2)
 cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 255, 0), cv2.FILLED)
 字體 = cv2.FONT_HERSHEY_DUPLEX
 cv2.putText(frame, name, (left + 6, bottom - 6), font, 1.0, (0, 0, 255), 1)
 cv2.imshow('視頻', 幀)
設(shè)置鍵“S”以停止代碼。
如果 cv2.waitKey(1) & 0xFF == ord('s'):
        休息

	?

	　　測(cè)試駕駛員困倦檢測(cè)系統(tǒng)

	　　代碼準(zhǔn)備好后，將 Pi 攝像頭和蜂鳴器連接到Raspberry Pi并運(yùn)行代碼。大約 10 秒后，將出現(xiàn)一個(gè)窗口，其中包含來(lái)自您的 Raspberry Pi 相機(jī)的實(shí)時(shí)流。當(dāng)設(shè)備識(shí)別到人臉時(shí)，它會(huì)在框架上打印你的名字并開(kāi)始跟蹤眼球運(yùn)動(dòng)?，F(xiàn)在閉上眼睛 7 到 8 秒來(lái)測(cè)試警報(bào)。當(dāng)計(jì)數(shù)超過(guò) 10 時(shí)，它會(huì)觸發(fā)警報(bào)，提醒您有關(guān)情況。

	

	?

	導(dǎo)入人臉識(shí)別

	導(dǎo)入簡(jiǎn)歷2

	將 numpy 導(dǎo)入為 np

	進(jìn)口時(shí)間

	導(dǎo)入簡(jiǎn)歷2

	導(dǎo)入 eye_game

	導(dǎo)入 RPi.GPIO 作為 GPIO

	GPIO.setmode(GPIO.BCM)

	GPIO.setwarnings（假）

	蜂鳴器= 23

	GPIO.setup（蜂鳴器，GPIO.OUT）

	以前的 =“未知”

	計(jì)數(shù)=0

	video_capture = cv2.VideoCapture(0)

	#frame = (video_capture, 文件)

	文件 = 'image_data/image.jpg'

	# 加載示例圖片并學(xué)習(xí)如何識(shí)別它。

	img_image = face_recognition.load_image_file("img.jpg")

	img_face_encoding = face_recognition.face_encodings(img_image)[0]

	# 創(chuàng)建已知人臉編碼及其名稱的數(shù)組

	known_face_encodings = [

	img_face_encoding

	]


	known_face_names = [

	“阿什”

	]


	# 初始化一些變量

	face_locations = []

	face_encodings = []

	面名 = []

	process_this_frame = True

	而真：

	# 抓取單幀視頻

	ret, frame = video_capture.read()

	# 將視頻幀大小調(diào)整為 1/4 大小，以加快人臉識(shí)別處理

	small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)

	# 將圖像從 BGR 顏色（OpenCV 使用）轉(zhuǎn)換為 RGB 顏色（face_recognition 使用）

	rgb_small_frame = small_frame[:, :, ::-1]

	# 只處理每隔一幀的視頻以節(jié)省時(shí)間

	如果 process_this_frame:

	# 查找當(dāng)前視頻幀中的所有人臉和人臉編碼

	face_locations = face_recognition.face_locations(rgb_small_frame)

	face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)

	cv2.imwrite（文件，small_frame）

	面名 = []

	對(duì)于 face_encodings 中的 face_encoding：

	# 查看人臉是否與已知人臉匹配

	匹配 = face_recognition.compare_faces(known_face_encodings, face_encoding)

	名稱=“未知”

	face_distances = face_recognition.face_distance(known_face_encodings, face_encoding)

	best_match_index = np.argmin(face_distances)

	如果匹配[best_match_index]：

	名稱 = known_face_names[best_match_index]

	方向= eye_game.get_eyeball_direction（文件）

	打?。ǚ较颍?br />
	#eye_game.api.get_eyeball_direction(cv_image_array)

	如果前一個(gè)！=方向：

	上一個(gè)=方向

	別的：

	print("老一樣")

	計(jì)數(shù)=1+計(jì)數(shù)

	打?。ㄓ?jì)數(shù)）

	如果（計(jì)數(shù)>=10）：

	GPIO.輸出（蜂鳴器，GPIO.HIGH）

	時(shí)間.sleep(2)

	GPIO.輸出（蜂鳴器，GPIO.LOW）

	打?。ā熬瘓?bào)！警報(bào)！檢測(cè)到駕駛員嗜睡”）

	cv2.putText(frame, "睡意警報(bào)！", (10, 30),


	cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)

	face_names.append(名字)

	process_this_frame = 不是 process_this_frame

	# 顯示結(jié)果

	對(duì)于（上、右、下、左），zip 中的名稱（face_locations，face_names）：

	# 縮放人臉位置，因?yàn)槲覀儥z測(cè)到的幀被縮放到 1/4 大小

	頂部 *= 4

	對(duì) *= 4

	底部 *= 4

	左 *= 4

	# 在臉部周圍畫(huà)一個(gè)框

	cv2.rectangle(frame, (left, top), (right, bottom), (0, 255, 0), 2)

	# 在人臉下方繪制一個(gè)帶有名字的標(biāo)簽

	cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)

	字體 = cv2.FONT_HERSHEY_DUPLEX

	cv2.putText(frame, name, (left + 6, bottom - 6), font, 1.0, (0, 0, 255), 1)

	#cv2.putText(frame, frame_string, (left + 10, top - 10), font, 1.0, (255, 255, 255), 1)

	# 顯示結(jié)果圖像

	cv2.imshow('視頻', 幀)

	# 按鍵盤上的“q”退出！

	如果 cv2.waitKey(1) & 0xFF == ord('q'):

	休息

	# 釋放網(wǎng)絡(luò)攝像頭的句柄

	video_capture.release()

	cv2.destroyAllWindows()

	?