使用dlib，OpenCV和Python进行人脸识别—人眼瞌睡识别
使用dlib，OpenCV和Python进行人脸识别—人眼瞌睡识别
前期文章我们分享了如何使用python与dlib来进行人脸识别,以及来进行人脸部分的识别，
如下图，dlib人脸数据把人脸分成了68个数据点，从图片可以看出，人脸识别主要是识别：人眉，人眼，人鼻，人嘴以及人脸下颚边框，每个人脸的部位都有不同的数据标签从1-68
当我们识别出人脸的这68个点，可以通过访问不同的数据点来检测到人脸的部分数据
· 口可以访问 [48，68] 。
· 右眉可以访问 [17，22]。
· 左眉可以访问 [22，27] 。
· 右眼可以访问 [36，42]。
· 左眼 可以访问 [42，48]。
· 鼻可以访问 [27，35]。
· 下巴边框可以访问 [0，17]
通过访问不同的数据点，来进行人脸上的部位检测，要想对人眼瞌睡检测，首先我们检测到人眼，下图可以看出人眼有6个数据点
通过这6个数据点，可以来定位人眼的6个数据点的坐标，从下图可以看出当人眼睁眼时，人眼上的6个数据点的坐标与人眼闭眼时的数据点坐标不完全一样，通过计算6个数据点的坐标差异，便可以通过距离的计算来判断人眼是否闭眼了，通过设置一个阈值，当人眼闭眼的时间超过阈值时，我们定义为这个人已经瞌睡了，此方案用于高速行驶的司机特别有效，以便检查司机师傅是否瞌睡了，若瞌睡了，可以发生报警等措施来叫醒司机，避免大量的车祸的发生
根据Soukupová和Čech在2016年的论文《 使用面部地标进行实时眼睛眨眼检测》，我们可以得出一个反映这种关系的方程，称为眼睛纵横比（EAR）：
当检测到人眼时，通过实时计算人眼的纵横比，当人眼纵横比突然变小时，便可以通过此值来判断人眼闭眼了，通过设置的阈值来判断是否人眼瞌睡了
OK，有了以上的基本知识，就开始代码
导入第三方库（1-9行）
定义一个函数，来计算人眼纵横比
计算两组 垂直 眼界标之间的距离（第13和14行）
计算水平眼界标之间的距离 （15行）
最终利用计算公式计算眼睛纵横比（16行）
定义人眼纵横比阈值（19行，根据自己人眼大小来设置）
定义闭眼检查帧的次数（20行）
加载人脸检测与68点数据模型（26-27行）
获取左右人眼的坐标参数值（30-31）
从摄像头中获取视频帧（34-35行）
从视频中获取图片帧进行人脸数据点检测（37-45行，本段代码是上期文章分享的内容，不再详细注释）
提取人眼坐标，来计算人眼纵横比（55-60行）
可视化人眼（62-65行）
通过计算出的人眼纵横比来跟设置的阈值来进行对比
当计算的人眼纵横比小于阈值时记录一次，当连续超过50次检测到人眼纵横比小于阈值时说明人眼已经瞌睡（60-64行）
在视频上显示人眼的阈值（69-70行）
最后显示在视频中
