python疲劳驾驶困倦低头检测功能怎么实现

本篇内容主要讲解“python疲劳驾驶困倦低头检测功能怎么实现”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“python疲劳驾驶困倦低头检测功能怎么实现”吧!

python疲劳驾驶困倦低头检测，代码如下所示：

def get_head_pose(shape):  # 头部姿态估计    # （像素坐标集合）填写2D参考点    # 17左眉左上角/21左眉右角/22右眉左上角/26右眉右上角/36左眼左上角/39左眼右上角/42右眼左上角/    # 45右眼右上角/31鼻子左上角/35鼻子右上角/48左上角/54嘴右上角/57嘴中央下角/8下巴角    image_pts = np.float32([shape[17], shape[21], shape[22], shape[26], shape[36],                            shape[39], shape[42], shape[45], shape[31], shape[35],                            shape[48], shape[54], shape[57], shape[8]])    # solvePnP计算姿势——求解旋转和平移矩阵：    # rotation_vec表示旋转矩阵，translation_vec表示平移矩阵，cam_matrix与K矩阵对应，dist_coeffs与D矩阵对应。    _, rotation_vec, translation_vec = cv2.solvePnP(object_pts, image_pts, cam_matrix, dist_coeffs)    # projectPoints重新投影误差：原2d点和重投影2d点的距离（输入3d点、相机内参、相机畸变、r、t，输出重投影2d点）    reprojectdst, _ = cv2.projectPoints(reprojectclass="lazy" data-src, rotation_vec, translation_vec, cam_matrix, dist_coeffs)    reprojectdst = tuple(map(tuple, reprojectdst.reshape(8, 2)))  # 以8行2列显示     # 计算欧拉角calc euler angle    rotation_mat, _ = cv2.Rodrigues(rotation_vec)  # 罗德里格斯公式（将旋转矩阵转换为旋转向量）    pose_mat = cv2.hconcat((rotation_mat, translation_vec))  # 水平拼接，vconcat垂直拼接    # decomposeProjectionMatrix将投影矩阵分解为旋转矩阵和相机矩阵    _, _, _, _, _, _, euler_angle = cv2.decomposeProjectionMatrix(pose_mat)    pitch, yaw, roll = [math.radians(_) for _ in euler_angle]    pitch = math.degrees(math.asin(math.sin(pitch)))    roll = -math.degrees(math.asin(math.sin(roll)))    yaw = math.degrees(math.asin(math.sin(yaw)))    print('pitch:{}, yaw:{}, roll:{}'.format(pitch, yaw, roll))    return reprojectdst, euler_angle  # 投影误差，欧拉角def eye_aspect_ratio(eye):    # 垂直眼标志（X，Y）坐标    A = dist.euclidean(eye[1], eye[5])  # 计算两个集合之间的欧式距离    B = dist.euclidean(eye[2], eye[4])    # 计算水平之间的欧几里得距离    # 水平眼标志（X，Y）坐标    C = dist.euclidean(eye[0], eye[3])    # 眼睛长宽比的计算    ear = (A + B) / (2.0 * C)    # 返回眼睛的长宽比    return eardef mouth_aspect_ratio(mouth):  # 嘴部    A = np.linalg.norm(mouth[2] - mouth[9])  # 51, 59    B = np.linalg.norm(mouth[4] - mouth[7])  # 53, 57    C = np.linalg.norm(mouth[0] - mouth[6])  # 49, 55    mar = (A + B) / (2.0 * C)    return mar

到此，相信大家对“python疲劳驾驶困倦低头检测功能怎么实现”有了更深的了解，不妨来实际操作一番吧！这里是编程网网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！