System ostrzegania o senności: 3 kroki

2024 Autor: John Day | [email protected]. Ostatnio zmodyfikowany: 2024-01-30 11:28

Każdego roku wiele osób traci życie w wyniku śmiertelnych wypadków drogowych na całym świecie, a senna jazda jest jedną z głównych przyczyn wypadków drogowych i śmierci. Zmęczenie i mikrosen za sterami jazdy są często główną przyczyną poważnych wypadków. Jednak wstępne oznaki zmęczenia można wykryć jeszcze przed wystąpieniem krytycznej sytuacji, dlatego wykrywanie zmęczenia kierowcy i jego wskazywanie jest ciągłym tematem badawczym. Większość tradycyjnych metod wykrywania senności opiera się na aspektach behawioralnych, podczas gdy niektóre są nachalne i mogą rozpraszać kierowców, a niektóre wymagają drogich czujników. Dlatego w niniejszym artykule opracowano i zaimplementowano lekki system wykrywania senności kierowcy w czasie rzeczywistym na aplikacji Android. System rejestruje filmy i wykrywa twarz kierowcy w każdej klatce, wykorzystując techniki przetwarzania obrazu. System jest w stanie wykrywać punkty orientacyjne twarzy, oblicza współczynnik kształtu oczu (EAR) i współczynnik zamknięcia oczu (ECR), aby wykryć senność kierowcy na podstawie progu adaptacyjnego. Do przetestowania skuteczności proponowanego podejścia wykorzystano algorytmy uczenia maszynowego. Wyniki empiryczne pokazują, że proponowany model jest w stanie osiągnąć dokładność 84% przy użyciu losowego klasyfikatora lasu.

Krok 1: Rzeczy, których potrzebujesz

1. MALINOWY PI

2. KAMERA INTERNETOWA (KAMERA INTERNETOWA C270 HD DLA LEPSZYCH WYNIKÓW)

Wersja na PC może wymagać pewnych zmian w kodzie

Krok 2: Kod Pythona z zestawem danych predyktora kształtu oczu (wersja na komputery PC)

aby skutecznie wykrywać oczy w wideo w czasie rzeczywistym, możemy użyć poniższego pliku.dat.

drive.google.com/open?id=1UiSHe72L4TeN14VK…

Pobierz plik.dat z powyższego linku i uruchom poniższy kod Pythona

Kod w Pythonie

ze scipy.spatial importuj odległośćz imutils importuj face_utils importuj imutils importuj dlib importuj cv2

def proporcja_oczu (oko):

A = odległość.euklidesowa(oko[1], oko[5]) B = odległość.euklidesowa(oko[2], oko[4]) C = odległość.euklidesowa(oko[0], oko[3]) ucho = (A + B) / (2,0 * C) return ear thresh = 0,25 frame_check = 20 detect = dlib.get_frontal_face_detector() predict = dlib.shape_predictor(".\shape_predictor_68_face_landmarks.dat")# Plik Dat jest sednem kodu

(lStart, lEnd) = face_utils. FACIAL_LANDMARKS_68_IDXS["lewe_oko"]

(rStart, rEnd) = face_utils. FACIAL_LANDMARKS_68_IDXS["right_eye"] cap=cv2. VideoCapture(0) flag=0 while True: ret, frame=cap.read() frame = imutils.resize(frame, gray = cv2.cvtColor(ramka, cv2. COLOR_BGR2GRAY) przedmioty = wykryj(szary, 0) dla przedmiotu w przedmiotach: shape = przewidywaj(szary, przedmiot) shape = face_utils.shape_to_np(shape)#konwertowanie do NumPy Array leftEye = shape[lStart:lEnd] rightEye = shape[rStart:rEnd] leftEAR = eye_aspect_ratio(leftEye) rightEAR = eye_aspect_ratio(rightEye) ear = (leftEAR + rightEAR) / 2.0 leftEyeHull = cv2.convexHull(leftEye) rightEyeHull2 drawContours(ramka, [leftEyeHull], -1, (0, 255, 0), 1) cv2.drawContours(ramka, [rightEyeHull], -1, (0, 255, 0), 1) if ear = frame_check: cv2.putText(ramka, "********************UWAGA!******************", (10, 30), cv2. FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) cv2.putText(ramka, "****************UWAGA!*********** *****", (10, 325), cv2. FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) #drukuj ("Dro wsy") else: flag = 0 cv2.imshow("Ramka", ramka) key = cv2.waitKey(1) & 0xFF if key == ord("q"): break cv2.destroyAllWindows() cap.stop()

Krok 3: Wersja Raspberry Pi

gdy osoba zamknie oczy, wtedy Raspberry Pi da ci ostrzeżenie

PODŁĄCZ brzęczyk do pinu 23 (patrz zdjęcie)

z odległości importu scipy.spatial

importuj RPi. GPIO jako GPIO

od czasu importuj sen

GPIO.setwarnings (Fałsz)

GPIO.setmode(GPIO. BCM)

z imutils importuj face_utils

importuj imutils importuj dlib importuj cv2

brzęczyk=23

GPIO.setup(brzęczyk, GPIO. OUT)

def proporcja_oczu (oko):

A = odległość.euklidesowa(oko[1], oko[5]) B = odległość.euklidesowa(oko[2], oko[4]) C = odległość.euklidesowa(oko[0], oko[3]) ucho = (A + B) / (2,0 * C) return ear thresh = 0,25 frame_check = 20 detect = dlib.get_frontal_face_detector() predict = dlib.shape_predictor(".\shape_predictor_68_face_landmarks.dat")# Plik Dat jest sednem kodu

(lStart, lEnd) = face_utils. FACIAL_LANDMARKS_68_IDXS["lewe_oko"]

(rStart, rEnd) = face_utils. FACIAL_LANDMARKS_68_IDXS["right_eye"] cap=cv2. VideoCapture(0) flag=0 while True: ret, frame=cap.read() frame = imutils.resize(frame, gray = cv2.cvtColor(ramka, cv2. COLOR_BGR2GRAY) przedmioty = wykryj(szary, 0) dla przedmiotu w przedmiotach: shape = przewidywaj(szary, przedmiot) shape = face_utils.shape_to_np(shape)#konwertowanie do NumPy Array leftEye = shape[lStart:lEnd] rightEye = shape[rStart:rEnd] leftEAR = eye_aspect_ratio(leftEye) rightEAR = eye_aspect_ratio(rightEye) ear = (leftEAR + rightEAR) / 2.0 leftEyeHull = cv2.convexHull(leftEye) rightEyeHull2 drawContours(ramka, [leftEyeHull], -1, (0, 255, 0), 1) cv2.drawContours(ramka, [rightEyeHull], -1, (0, 255, 0), 1) if ear = frame_check: cv2.putText(ramka, "********************UWAGA!******************", (10, 30), cv2. FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) cv2.putText(ramka, "****************UWAGA!*********** *****", (10, 325), cv2. FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) #drukuj ("Dro wysy")

GPIO.output(brzęczyk, GPIO. HIGH)

w przeciwnym razie: flaga = 0

GPIO.output(brzęczyk, GPIO. LOW)

cv2.imshow("Ramka", ramka) key = cv2.waitKey(1) & 0xFF if key == ord("q"): break cv2.destroyAllWindows() cap.stop()