Indholdsfortegnelse:
- Trin 1: Ting du har brug for
- Trin 2: Python -kode med Eyes Shape Predictor Dataset (pc -version)
- Trin 3: Raspberry Pi -version
![Døsighed Alert System: 3 trin Døsighed Alert System: 3 trin](https://i.howwhatproduce.com/images/005/image-14195-j.webp)
Video: Døsighed Alert System: 3 trin
![Video: Døsighed Alert System: 3 trin Video: Døsighed Alert System: 3 trin](https://i.ytimg.com/vi/-dEC88t6Uic/hqdefault.jpg)
2024 Forfatter: John Day | [email protected]. Sidst ændret: 2024-01-30 08:26
![Døsighed Alert System Døsighed Alert System](https://i.howwhatproduce.com/images/005/image-14195-1-j.webp)
Hvert år mister mange mennesker livet på grund af dødelige trafikuheld rundt om i verden, og døsig kørsel er en af de primære årsager til trafikulykker og dødsfald. Træthed og mikrosøvn ved førerkontrollerne er ofte årsagen til alvorlige ulykker. Imidlertid kan indledende tegn på træthed opdages, før der opstår en kritisk situation, og derfor er detektion af førerens træthed og dens indikation løbende forskningsemne. De fleste af de traditionelle metoder til at opdage døsighed er baseret på adfærdsmæssige aspekter, mens nogle er påtrængende og kan distrahere chauffører, mens nogle kræver dyre sensorer. Derfor er der i dette papir udviklet og implementeret et letvægts, realtids-system til registrering af førerens døsighed i systemet i Android-applikationer. Systemet optager videoerne og registrerer førerens ansigt i hver ramme ved at anvende billedbehandlingsteknikker. Systemet er i stand til at registrere ansigtsmærker, beregner Eye Aspect Ratio (EAR) og Eye Closure Ratio (ECR) for at registrere førers døsighed baseret på adaptiv tærskelværdi. Maskinlæringsalgoritmer er blevet anvendt til at teste effektiviteten af den foreslåede tilgang. Empiriske resultater viser, at den foreslåede model er i stand til at opnå en nøjagtighed på 84% ved hjælp af tilfældig skovklassificering.
Trin 1: Ting du har brug for
1. RASPBERRY PI
2. WEBCAM (C270 HD WEBKAMERI FOR BEDRE RESULTATER)
Pc -version har muligvis brug for nogle ændringer i koden
Trin 2: Python -kode med Eyes Shape Predictor Dataset (pc -version)
for at opdage øjne meget effektivt i en video i realtid, kan vi bruge denne.dat -fil nedenfor.
drive.google.com/open?id=1UiSHe72L4TeN14VK…
Download.dat -filen fra ovenstående link, og kør nedenstående python -kode
Python -kode
fra scipy.spatial importafstand fra imutils import face_utils import imutils import dlib import cv2
def eye_aspect_ratio (øje):
A = distance.euclidean (øje [1], øje [5]) B = distance.euclidean (øje [2], øje [4]) C = distance.euclidean (øje [0], øje [3]) øre = (A + B) / (2,0 * C) tilbagevendende øretærske = 0,25 frame_check = 20 detect = dlib.get_frontal_face_detector () predict = dlib.shape_predictor (". / Shape_predictor_68_face_landmarks.dat")# Dat -filen er kernen i koden
(lStart, lEnd) = face_utils. FACIAL_LANDMARKS_68_IDXS ["left_eye"]
(rStart, rEnd) = face_utils. FACIAL_LANDMARKS_68_IDXS ["right_eye"] cap = cv2. VideoCapture (0) flag = 0 mens True: ret, frame = cap.read () frame = imutils.resize (ramme, bredde = 450) grå = cv2.cvtColor (ramme, cv2. COLOR_BGR2GRAY) emner = detekter (grå, 0) for emne i emner: form = forudsigelse (grå, emne) form = ansigt_brug.form_til_np (form) #konvertering til NumPy Array leftEye = form [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) rightEyeHull = cv2.convex drawContours (frame, [leftEyeHull], -1, (0, 255, 0), 1) cv2.drawContours (frame, [rightEyeHull], -1, (0, 255, 0), 1) if ear = frame_check: cv2.putText (ramme, "**************** ALERT! *****************", (10, 30), cv2. FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) cv2.putText (frame, "**************** ALERT! *********** ***** ", (10, 325), cv2. FONT_HERSHEY_SIMPLEX, 0,7, (0, 0, 255), 2) #print (" Dro wsy ") else: flag = 0 cv2.imshow (" Frame ", frame) key = cv2.waitKey (1) & 0xFF if key == ord (" q "): break cv2.destroyAllWindows () cap.stop ()
Trin 3: Raspberry Pi -version
![Hindbær Pi version Hindbær Pi version](https://i.howwhatproduce.com/images/005/image-14195-2-j.webp)
![Hindbær Pi version Hindbær Pi version](https://i.howwhatproduce.com/images/005/image-14195-3-j.webp)
når personerne lukker øjnene, giver raspberry pi dig besked
TILSLUT din summer til pin 23 (se billedet)
fra scipy.spatial importafstand
importer RPi. GPIO som GPIO
fra tid importere søvn
GPIO.setwarnings (falsk)
GPIO.setmode (GPIO. BCM)
fra imutils import face_utils
import imutils import dlib import cv2
summer = 23
GPIO.setup (summer, GPIO. OUT)
def eye_aspect_ratio (øje):
A = distance.euclidean (øje [1], øje [5]) B = distance.euclidean (øje [2], øje [4]) C = distance.euclidean (øje [0], øje [3]) øre = (A + B) / (2,0 * C) øretærske returneres = 0,25 frame_check = 20 detect = dlib.get_frontal_face_detector () predict = dlib.shape_predictor (". / Shape_predictor_68_face_landmarks.dat")# Dat -filen er kernen i koden
(lStart, lEnd) = face_utils. FACIAL_LANDMARKS_68_IDXS ["left_eye"]
(rStart, rEnd) = face_utils. FACIAL_LANDMARKS_68_IDXS ["right_eye"] cap = cv2. VideoCapture (0) flag = 0 mens True: ret, frame = cap.read () frame = imutils.resize (ramme, bredde = 450) grå = cv2.cvtColor (ramme, cv2. COLOR_BGR2GRAY) emner = detekter (grå, 0) for emne i emner: form = forudsigelse (grå, emne) form = ansigt_brug.form_til_np (form) #konvertering til NumPy Array leftEye = form [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) rightEyeHull = cv2.convex drawContours (frame, [leftEyeHull], -1, (0, 255, 0), 1) cv2.drawContours (frame, [rightEyeHull], -1, (0, 255, 0), 1) if ear = frame_check: cv2.putText (ramme, "**************** ALERT! *****************", (10, 30), cv2. FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) cv2.putText (frame, "**************** ALERT! *********** ***** ", (10, 325), cv2. FONT_HERSHEY_SIMPLEX, 0,7, (0, 0, 255), 2) #print (" Dro wsy ")
GPIO.output (summer, GPIO. HIGH)
andet: flag = 0
GPIO.output (summer, GPIO. LOW)
cv2.imshow ("Frame", frame) key = cv2.waitKey (1) & 0xFF if key == ord ("q"): break cv2.destroyAllWindows () cap.stop ()
Anbefalede:
Slide Advance Alert System: 6 trin
![Slide Advance Alert System: 6 trin Slide Advance Alert System: 6 trin](https://i.howwhatproduce.com/images/001/image-1272-j.webp)
Slide Advance Alert System: På Brown Dog Gadgets laver vi en masse videostreaming til workshops, og vores opsætning inkluderer en person på kameraet og en anden person som producenten, der kører softwaren, overvåger chatvinduet og foretager kameraskift og fremskridt diasene
Weather Alert Light System: 6 trin
![Weather Alert Light System: 6 trin Weather Alert Light System: 6 trin](https://i.howwhatproduce.com/images/005/image-13730-j.webp)
Weather Alert Light System: Vejrvarslingsbelysningssystemet skifter belysning for at angive forskellige vejradvarsler eller ure. Dette system udnytter frit tilgængelige vejrdata til at foretage en belysningsændring for at angive vejrstatus. En hindbær pi (via knude-rød) kontrollerer
Bike Unlock Alert System: 15 trin
![Bike Unlock Alert System: 15 trin Bike Unlock Alert System: 15 trin](https://i.howwhatproduce.com/images/002/image-5743-16-j.webp)
Bike Unlock Alert System: Hej alle … !! Hvordan har du det? I har alle biler i jeres hjem. Køretøjssikkerhed er vigtig for alle. Jeg er tilbage med en lignende type projekt. I dette projekt lavede jeg et alarmsystem til oplåsning af cykler ved hjælp af GSM -modul og Arduino. Når cyklen er låst op
Rain Alert System: 4 trin
![Rain Alert System: 4 trin Rain Alert System: 4 trin](https://i.howwhatproduce.com/images/003/image-8794-17-j.webp)
Rain Alert System: Dette er et Rain Alert System, alarmen og LED'en aktiverer og advarer brugeren om, at det snart kommer til at regne, målgruppen for denne applikation er for de mennesker, der lægger deres tøj til tørre derhjemme, ved det kan beholde deres tøj hos dig
ISO Standard varulv Perky Ears Alert System: 3 trin (med billeder)
![ISO Standard varulv Perky Ears Alert System: 3 trin (med billeder) ISO Standard varulv Perky Ears Alert System: 3 trin (med billeder)](https://i.howwhatproduce.com/images/006/image-16583-18-j.webp)
ISO Standard Werewolf Perky Ears Alert System: Ingen kan lide det, når nogen eller noget uventet dukker op bag dig. Da de fleste mennesker ikke har en finjusteret spidey-sans, skal du tilføje elektronik til at opdage, når der er noget, der lurer tilbage. Beskyt dine seks. Fordi det er så koldt ude