基于python+opencv的人脸疲劳检测项目源码+文档说明.zip

**OpenCV竞赛 -赛博松鼠-人脸疲劳检测** #### 介绍 在诸多实际应用场景中，我们需要人员坚持在岗并保持清醒的状态，比如驾驶员驾驶车辆长途行驶、学生在线上课堂的听讲、关键岗位人员值守监控等实际情景。当工作者处于脱岗或疲劳状态时，通过疲劳检测系统进行“疲劳警告”，可以提醒在岗人员及时调整工作状态。此措施能够有效减少疲劳驾驶而导致的交通事故，减少危险器械操作员疲劳时产生的安全事故，以及其他一些人员值守岗位的事故隐患。 根据上述现实需求，我们开发了一个基于 OpenCV 的疲劳检测系统，能够实时检测视频流中用户的人脸疲劳程度，当用户出现连续打哈欠、瞌睡时，系统进行疲劳警告提醒。此外，当用户持续脱离摄像头拍摄范围时，系统进行脱岗提醒。为适应尽可能广泛的应用场景，该系统实现疲劳检测的准确性和快捷性的同时，还降低了检测系统的硬件资源要求，以便在低性能设备上做适配并稳定运作。本系统可以在不同平台上使用，比如常用的手机、电脑，微系统（如树莓派）等，尤其能够工作在低成本的嵌入式系统中。我们希望所提出的低成本疲劳检测解决方案应用在多个现实问题中，推进智能视觉技术辅助我们的生活和工作。 ### 项目技术 系统使用示例 启动程序后，界面如图所示，通过”视频源“分组框里的第一个下拉列表框选择“摄像头ID0~ID2“,选择要打开的摄像头，ID0为本地摄像头，ID1和ID2为外接USB摄像头,然后点击”开始检测“即可开始检测人脸疲劳。画面将展示在右侧黑框内。  图1.图形界面 1.可以修改”疲劳检测“分组框里的内容修改检测功能。 闭眼检测（帧）：  图2.闭眼检测 当闭眼的帧数达到该数值，则判断为睡觉 哈欠次数&间隔时间：  图3.哈欠检测 当打哈欠次数在“间隔时间（秒）”内达到“哈欠次数”则判断为疲劳。  图4.功能复选框 勾选相应复选框来启用功能：哈欠检测、显示监测数据、闭眼检测 脱离范围检测：  图5.脱离检测 勾选后若摄像头识别到没有人脸的帧数达到”脱离时间（帧）“则判断为脱离检测范围 2.状态输出。  图6.状态输出框 如检测到睡觉，疲劳，修改参数等信息将会通过状态输出文本浏览框展示。并播放提示语音