本篇源自：优秀创作者 lulugl
本文将介绍基于米尔电子MYD-LR3576开发板（米尔基于瑞芯微 RK3576开发板）的人脸疲劳检测方案测试。
米尔基于RK3576核心板/开发板
【前言】
人脸疲劳检测：一种通过分析人脸特征来判断一个人是否处于疲劳状态的技术。其原理主要基于计算机视觉和机器学习方法。当人疲劳时，面部会出现一些特征变化，如眼睛闭合程度增加、眨眼频率变慢、打哈欠、头部姿态改变等。
例如，通过检测眼睛的状态来判断疲劳程度是一个关键部分。正常情况下，人的眨眼频率相对稳定，而当疲劳时，眨眼频率会降低，并且每次眨眼时眼睛闭合的时间可能会延长。同时，头部可能会不自觉地下垂或者摇晃，这些特征都可以作为疲劳检测的依据。米尔MYC-LR3576采用8核CPU+搭载6 TOPS的NPU加速器，3D GPU，能够非常轻松的实现这个功能，下面就如何实现这一功能分享如下：
【硬件】
1、米尔MYC-LR3576开发板
2、USB摄像头
【软件】
1、v4l2
2、openCV
3、dlib库：dlib 是一个现代化的 C++ 工具包，它包含了许多用于机器学习、图像处理、数值计算等多种任务的算法和工具。它的设计目标是提供高性能、易于使用的库，并且在开源社区中被广泛应用。
【实现步骤】
1、安装python-opencv
2、安装dlib库
3、安装v4l2库
【代码实现】
1、引入cv2、dlib以及线程等：
- import cv2
- import dlib
- import numpy as np
- import time
- from concurrent.futures import ThreadPoolExecutor
- import threading
2、初始化dlib的面部检测器和特征点预测器
- detector = dlib.get_frontal_face_detector()
- predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
3、定义计算眼睛纵横比的函数
- def eye_aspect_ratio(eye):
- A = np.linalg.norm(np.array(eye[1]) - np.array(eye[5]))
- B = np.linalg.norm(np.array(eye[2]) - np.array(eye[4]))
- C = np.linalg.norm(np.array(eye[0]) - np.array(eye[3]))
- ear = (A + B) / (2.0 * C)
- return ear
4、定义计算头部姿势的函数
- def get_head_pose(shape):
- # 定义面部特征点的三维坐标
- object_points = np.array([
- (0.0, 0.0, 0.0), # 鼻尖
- (0.0, -330.0, -65.0), # 下巴
- (-225.0, 170.0, -135.0), # 左眼左眼角
- (225.0, 170.0, -135.0), # 右眼右眼角
- (-150.0, -150.0, -125.0), # 左嘴角
- (150.0, -150.0, -125.0) # 右嘴角
- ], dtype=np.float32)
- image_pts = np.float32([shape for i in [30, 8, 36, 45, 48, 54]])
- size = frame.shape
- focal_length = size[1]
- center = (size[1] // 2, size[0] // 2)
- camera_matrix = np.array(
- [[focal_length, 0, center[0]],
- [0, focal_length, center[1]],
- [0, 0, 1]], dtype="double"
- )
- dist_coeffs = np.zeros((4, 1))
- (success, rotation_vector, translation_vector) = cv2.solvePnP(
- object_points, image_pts, camera_matrix, dist_coeffs, flags=cv2.SOLVEPNP_ITERATIVE
- )
- rmat, _ = cv2.Rodrigues(rotation_vector)
- angles, _, _, _, _, _ = cv2.RQDecomp3x3(rmat)
- return angles
6、打开摄像头
我们先使用v4l2-ctl --list-devices来例出接在开发板上的列表信息：
- USB Camera: USB Camera (usb-xhci-hcd.0.auto-1.2):
- /dev/video60
- /dev/video61
- /dev/media7
7、创建多线程处理函数，实现采集与分析分离：
- # 多线程处理函数
- def process_frame(frame):
- global COUNTER, TOTAL
- gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
- faces = detector(gray, 0) # 第二个参数为0，表示不使用upsampling
- for face in faces:
- landmarks = predictor(gray, face)
- shape = [(landmarks.part(i).x, landmarks.part(i).y) for i in range(68)]
- left_eye = shape[36:42]
- right_eye = shape[42:48]
- left_ear = eye_aspect_ratio(left_eye)
- right_ear = eye_aspect_ratio(right_eye)
- ear = (left_ear + right_ear) / 2.0
- if ear < EYE_AR_THRESH:
- with lock:
- COUNTER += 1
- else:
- with lock:
- if COUNTER >= EYE_AR_CONSEC_FRAMES:
- TOTAL += 1
- COUNTER = 0
- # 绘制68个特征点
- for n in range(0, 68):
- x, y = shape[n]
- cv2.circle(frame, (x, y), 2, (0, 255, 0), -1)
- cv2.putText(frame, f"Eye AR: {ear:.2f}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, font_scale, (0, 0, 255), 2)
- cv2.putText(frame, f"Blink Count: {TOTAL}", (10, 60), cv2.FONT_HERSHEY_SIMPLEX, font_scale, (0, 0, 255), 2)
- # 计算头部姿势
- angles = get_head_pose(shape)
- pitch, yaw, roll = angles
- cv2.putText(frame, f"Pitch: {pitch:.2f}", (10, 120), cv2.FONT_HERSHEY_SIMPLEX, font_scale, (0, 0, 255), 2)
- cv2.putText(frame, f"Yaw: {yaw:.2f}", (10, 150), cv2.FONT_HERSHEY_SIMPLEX, font_scale, (0, 0, 255), 2)
- cv2.putText(frame, f"Roll: {roll:.2f}", (10, 180), cv2.FONT_HERSHEY_SIMPLEX, font_scale, (0, 0, 255), 2)
- # 判断疲劳状态
- if COUNTER >= EYE_AR_CONSEC_FRAMES or abs(pitch) > 30 or abs(yaw) > 30 or abs(roll) > 30:
- cv2.putText(frame, "Fatigue Detected!", (10, 210), cv2.FONT_HERSHEY_SIMPLEX, font_scale, (0, 0, 255), 2)
- return frame
【米尔MYC-LR3576核心板及开发板】
这块开发板性能强大，能轻松实现对人脸的疲劳检测，通过计算结果后进入非常多的工业、人工智能等等的实用功能。
/3 
