Opencv-疲劳检测2闭眼报警的主循环

一、承上启下

上篇算好了 EAR、装好了两个模型，本篇贴出疲劳检测.py 剩下的完整代码——主循环，一字未删，并重点讲清楚"为什么不会把正常眨眼误报成疲劳"。

二、完整代码（下）：主循环

块 1️⃣ 读帧

python

while True:
ret, frame = cap.read()
if not ret:
break

• while True：无限循环，直到 break
• cap.read()：读一帧，返回 (ret, frame)
• ret 为 False：摄像头断开/读取失败 → break 退出
• frame：当前帧图像（BGR）

和年龄检测篇写法一致。区别：这里 frame 后面还要经过灰度转换、检测、画轮廓、写中文，链路更长。

踩坑点：不检查 ret 就用 frame，摄像头断了会拿 None 去做后续操作，报错位置很靠后，难排查。

块 2️⃣ 灰度 + 人脸检测

python

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
faces = detector(gray, 0)

2.1 为什么要转灰度

• HOG 特征只看梯度方向，不需要颜色
• 转灰度省 2/3 数据量，速度快一截

2.2 detector(gray, 0) 的参数

• 第 1 个参数：图像（灰度）

• 第 2 个参数：上采样次数

  • 0：不放大，速度快，小脸可能漏检

  • 1：放大 1 倍，小脸检出率高，但慢 4 倍

  • 摄像头场景一般用 0 够用

2.3 一个重要的细节：检测在灰度上，标点用原图

python

for face in faces:
shape = predictor(frame, face) # ← 这里传的是 frame，不是 gray

• 人脸检测在 gray 上做（快）

• 68 关键点在 frame 上做（更准）

• 为什么关键点用原图：predictor 是训练在彩色图上的，给它彩色图定位更精细

• 两者坐标一致（灰度图和彩色图尺寸相同），所以 face 矩形框可以直接用在 frame 上

踩坑点：把 predictor(gray, face) 写错不会报错，但关键点精度可能下降。

块 3️⃣ 防误报第一步：无人脸就清零

python

if len(faces) == 0:
counter = 0

3.1 作用

• 画面里没有人脸 → 之前的"连续闭眼"记录作废
• 人都不在了，counter 还留着旧值不合理

3.2 为什么放在 for 循环外面

• len(faces) == 0 是"整帧级别"的判断
• 如果放进 for face in faces 里，faces 为空时循环根本不执行，这行也白写

3.3 和后面 counter 的关系

counter 是模块级全局变量（上篇定义的），这里主循环里直接读写。

• 因为在模块顶层（不在函数里），所以不需要 global 声明

• 如果以后把它包进 main() 函数，就要写 global counter

踩坑点：counter 定义在模块顶层，主循环也在顶层，所以能直接改。一旦包进函数，忘记 global 就会在 counter += 1 时报 UnboundLocalError。

块 4️⃣ 标关键点 + 提取双眼 + 算 EAR

python

for face in faces:
shape = predictor(frame, face)
shape = np.array([[p.x, p.y] for p in shape.parts()])

rightEye = shape[36:42]
leftEye = shape[42:48]

rightEAR = eye_aspect_ratio(rightEye)
leftEAR = eye_aspect_ratio(leftEye)
ear = (rightEAR + leftEAR) / 2.0

4.1 predictor(frame, face)

• 输入：图像 + 人脸矩形框

• 输出：full_object_detection 对象，含 68 个点

• shape.parts()：返回 68 个点对象的迭代器

4.2 列表推导式转坐标数组

python

shape = np.array([[p.x, p.y] for p in shape.parts()])

• 每个 p 有 .x、.y 属性

• 列表推导式生成 [[x0,y0], [x1,y1], …]

• np.array(…) 转成形状 (68, 2) 的数组

• 必须转数组，后面 eye[1] – eye[5] 才能做向量减法

踩坑点：shape 变量被复用了——先是 dlib 对象，后是 numpy 数组。同名覆盖，后面只能拿数组用，别想再访问 dlib 对象的属性。

4.3 切片取双眼

• Python 切片左闭右开，36:42 取 36,37,38,39,40,41
• 命名是"人脸本人的左右眼"，和画面左右相反——对着摄像头时，你的右眼在画面左边
• 代码里 rightEye = 点 36~41 = 画面左侧那只眼

4.4 双眼 EAR 取平均

python

ear = (rightEAR + leftEAR) / 2.0

• 单眼可能因为侧头、遮挡而不准

• 双眼平均更稳定，减少误判

• 这是常见做法，不是必须，但推荐

踩坑点：

• 如果 eye_aspect_ratio 里没有 .astype(np.float64)，eye[1] – eye[5] 在 int 数组上也能算，但极端情况下要小心精度

• np.linalg.norm 要求输入是数值数组，list 不行

块 5️⃣ 防误报第二步：连续帧计数（核心）

python

if ear < 0.3:
counter += 1
if counter >= 50:
frame = cv2AddChineseText(frame, "!!!危险!!!", (250, 250))
else:
counter = 0

5.1 为什么不能"一闭眼就报警"

如果只看单帧 EAR，眨眼瞬间 EAR 就掉下去了，会报警 → 狼来了。

5.2 counter 的工作机制

text

连续闭眼帧数：
睁眼 → counter = 0
闭眼第 1 帧 → counter = 1
闭眼第 2 帧 → counter = 2
…
闭眼第 50 帧 → counter = 50 ≥ 50 → 报警
睁眼 → counter = 0（清零，重新计数）

• 闭眼累加：counter += 1

• 睁眼清零：else: counter = 0

• 到阈值报警：counter >= 50

5.3 为什么是 50 帧

• 摄像头一般 30 FPS

• 50 帧 ÷ 30 FPS ≈ 1.6 秒

• 正常眨眼 < 0.3 秒，不会达到

• 真困闭眼往往 > 2 秒，会达到

• 50 是经验值，可按需调（20~60 都合理）

5.4 报警方式

python

frame = cv2AddChineseText(frame, "!!!危险!!!", (250, 250))

• 位置 (250, 250)：画面中央偏上

• 没有 max(0, …) 保护，因为 250 是固定值，不会是负数

• 字色用默认绿色 (0,255,0)——教程正文说"红色"，但代码默认是绿色，这是原文不一致的地方，想真红色要传 textColor=(255, 0, 0)

踩坑点：

• counter 是全局变量，模块顶层能直接改；包进函数要 global

• 阈值 0.3 和 50 都是魔法数字，可以提到文件顶部当常量

• 想让它真正"红色"，得写成 cv2AddChineseText(frame, "!!!危险!!!", (250, 250), textColor=(255, 0, 0))

块 6️⃣ 画眼睛轮廓 + 显示 EAR

python

drawEye(frame, rightEye)
drawEye(frame, leftEye)

info = "EAR:{:.2f}".format(ear)
frame = cv2AddChineseText(frame, info, (0, 30))

6.1 画绿色轮廓

• drawEye 是上篇定义的函数：凸包 + drawContours 绿色线

• 调用两次，左右眼各画一次

• 视觉反馈：闭眼时轮廓会明显变扁

6.2 格式化 EAR 字符串

python

info = "EAR:{:.2f}".format(ear)

• {:.2f}：浮点数保留 2 位小数

• 例：EAR:0.28

• 也可以 f-string：f"EAR:{ear:.2f}"

6.3 写到左上角

python

frame = cv2AddChineseText(frame, info, (0, 30))

• 位置 (0, 30)：左上角，y=30 是为了不贴着边缘

• 必须接返回值：函数返回新数组，不接等于没写

• 在 for 循环内，所以每张脸都会写一次——多张脸时后写的会覆盖前面的。单人场景没问题

踩坑点：

• 忘接返回值 → EAR 数字不显示

• 多张脸时所有 EAR 都写在 (0, 30)，会互相覆盖（如果做多人版，要把 y 随脸位置偏移）

块 7️⃣ 显示 + 退出

python

cv2.imshow("frame", frame)

if cv2.waitKey(1) & 0xFF == ord("q"):
break

7.1 imshow

• 显示当前帧，窗口名 "frame"

• 每循环调一次，形成视频流

7.2 waitKey(1)

• 每帧等 1 毫秒

• 返回值：按键 ASCII，没按键返回 -1

• 必须有，否则窗口不刷新 / 卡死

7.3 & 0xFF 和 ord("q")

• & 0xFF：只保留低 8 位，兼容不同系统（某些系统按键码 > 255）

• ord("q")：字符 'q' 的 ASCII（113）

• 按 q 退出

踩坑点：

• waitKey(0) 会卡在第一帧

• imshow 在 for 循环外（只显示一次），这是对的；放里面会重复显示浪费

块 8️⃣ 收尾

python

cap.release()
cv2.destroyAllWindows()

• cap.release()：释放摄像头，否则其他程序打不开

• cv2.destroyAllWindows()：关闭所有 OpenCV 窗口

• 这里没有 if __name__ == "__main__":，因为整段是模块级代码（和上篇一起顺序执行）

整体数据流（下篇）

text

cap.read() → frame
│
▼ BGR2GRAY
gray
│
▼ detector(gray, 0)
faces
│
├─ len(faces)==0 → counter = 0
│
▼ for face in faces
predictor(frame, face) → shape (68,2)
│
├─ rightEye = shape[36:42]
├─ leftEye = shape[42:48]
│
▼ eye_aspect_ratio × 2 → 平均
ear
│
├─ ear < 0.3 → counter += 1
│ └─ counter >= 50 → 写"!!!危险!!!"
└─ else → counter = 0
│
▼ drawEye × 2 + 写 EAR 值
frame'
│
▼ imshow + waitKey(1)
│
▼ 'q' ? break : 继续

四、运行效果

运行程序后，摄像头画面里双眼被绿色轮廓圈住，左上角实时显示 EAR 值。睁大眼睛时数值在 0.3 以上；闭眼瞬间掉到 0.2 以下；坚持闭眼约 1.6 秒，画面中央就会亮出红色的"!!!危险!!!"。

五、小结与改进思路

上下两篇合起来，完成了"检测 → 计算 → 报警"的完整闭环。这套思路还能扩展：嘴巴周围的点也能算出"嘴巴纵横比"来检测打哈欠，再加上点头检测，就是一个更实用的疲劳驾驶预警系统。

作业：把阈值 0.3 改成 0.25 和 0.35，分别试试报警是更灵敏还是更迟钝，想一想为什么。