Python 官方文档:入门教程 => 点击学习
目录效果图基本思路部分源码效果图 基本思路 在 OpenCV 中使用VideoCapture方法初始化视频渲染对象创建灰度图像导入预训练模型,识别脸部和人脸标志计算上唇和下唇距离(
suc, frame = cam.read()
# 读取不到退出
if not suc:
break
# ---------FPS------------#
ctime = time.time()
fps = int(1 / (ctime - ptime))
ptime = ctime
cv2.putText(frame, f'FPS:{fps}', (frame.shape[1] - 120, frame.shape[0] - 20), cv2.FONT_HERSHEY_PLaiN, 2,
(0, 200, 0), 3)
# ------检测人脸------#
# 转为灰度
img_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
faces = face_model(img_gray)
for face in faces:
# 检测人脸,框起来-#
x1 = face.left()
y1 = face.top()
x2 = face.right()
y2 = face.bottom()
# print(face.top())
cv2.rectangle(frame, (x1, y1), (x2, y2), (200, 0, 00), 2)
# ----------检测人脸标注-----------#
shapes = landmark_model(img_gray, face)
shape = face_utils.shape_to_np(shapes)
# -------检测上下唇--------#
lip = shape[48:60]
cv2.drawContours(frame, [lip], -1, (0, 165, 255), thickness=3)
# -------计算上下唇距离-----#
lip_dist = cal_yawn(shape)
# 打印距离
# print(lip_dist)
# 大于设定值,则认定是打哈欠
if lip_dist > yawn_thresh:
cv2.putText(frame, f'User Yawning!', (frame.shape[1] // 2 - 170, frame.shape[0] // 2),
cv2.FONT_HERSHEY_SIMPLEX, 2, (0, 0, 200), 2)
# 按字母q退出
cv2.imshow('WEBcam', frame)
if cv2.waiTKEy(1) & 0xFF == ord('q'):
break
到此这篇关于基于python实现打哈欠检测详解的文章就介绍到这了,更多相关Python打哈欠检测内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网!
--结束END--
本文标题: 基于Python实现打哈欠检测详解
本文链接: https://www.lsjlt.com/news/117241.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
0