基于Python的卷积神经网络在人脸识别中的驾驶员疲劳检测与预警系统

简介：
本项目研发了一套基于Python的卷积神经网络算法的人脸识别系统，专门用于检测和预警驾驶过程中的司机疲劳状态，以提高行车安全。 在开发环境为PyCharm结合Python 3.6以及卷积神经网络算法的情况下进行基于人脸表面特征的疲劳检测研究。该实验主要关注三个方面：打哈欠、眨眼及点头动作，通过分析包括人脸朝向、位置、瞳孔方向和眼睛开合度等数据来实时评估驾驶员注意力集中程度，并据此判断是否处于疲劳驾驶状态并及时发出安全提示。 视觉疲劳检测的基本原理是基于人在疲倦时会出现两种主要行为特征：一是增加的眨眼频率。通常情况下，人们每分钟眨眼约10至15次，每次持续时间约为0.2到0.4秒；而在感到疲惫时，这一数据会有所变化，表现为更多的眨眼次数和更缓慢的动作速度。二是打哈欠现象，在疲劳状态下人的嘴巴会出现长时间的张开状态。 为了实现上述功能，我们使用了dlib库作为主要工具之一，它是一个广泛应用于图像处理领域的开源软件包，并且利用shape_predictor_68_face_landmarks.dat模型来检测人脸上的68个关键点。这使得我们可以精确地定位和跟踪脸部特征，进而进行更为复杂的分析。 眨眼频率的计算是基于“眼睛宽高比”这一概念实现的：具体来说就是通过Eye Aspect Ratio (EAR) 来衡量眼睛开闭程度的变化情况。当人眼处于睁开状态时，其EAR值会保持在一个特定范围内；而随着疲劳加剧导致的眼睑下垂或睁眼困难，则会使这个比率发生显著变化，从而成为判断是否出现视觉疲劳的重要依据之一。