1 Star 0 Fork 8

纪元/疲劳检测

forked from chen/疲劳检测 
加入 Gitee
与超过 1200万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
文件
克隆/下载
main.py 8.10 KB
一键复制 编辑 原始数据 按行查看 历史
chen 提交于 2021-11-17 08:57 . 测试win上传代码
#主函数
import sys
import os
from glob import glob
from PySide2 import QtWidgets,QtCore,QtGui
from PySide2.QtWidgets import QMainWindow, QFileDialog, QMessageBox
from PySide2.QtCore import QDir, QTimer,Slot
from PySide2.QtGui import QPixmap,QImage
from ui_mainwindow import Ui_MainWindow
import cv2
import myframe
# 定义变量
# 眼睛闭合判断
EYE_AR_THRESH = 0.15 # 眼睛长宽比
EYE_AR_CONSEC_FRAMES = 2 # 闪烁阈值
#嘴巴开合判断
MAR_THRESH = 0.65 # 打哈欠长宽比
MOUTH_AR_CONSEC_FRAMES = 3 # 闪烁阈值
# 定义检测变量,并初始化
COUNTER = 0 #眨眼帧计数器
TOTAL = 0 #眨眼总数
mCOUNTER = 0 #打哈欠帧计数器
mTOTAL = 0 #打哈欠总数
ActionCOUNTER = 0 #分心行为计数器器
# 疲劳判断变量
# Perclos模型
# perclos = (Rolleye/Roll) + (Rollmouth/Roll)*0.2
Roll = 0 #整个循环内的帧技术
Rolleye = 0 #循环内闭眼帧数
Rollmouth = 0 #循环内打哈欠数
class MainWindow(QMainWindow, Ui_MainWindow):
def __init__(self):
super(MainWindow, self).__init__()
self.setupUi(self)
# 打开文件类型,用于类的定义
self.f_type = 0
def window_init(self):
# 设置控件属性
# 设置label的初始值
self.label.setText("请打开摄像头")
self.label_2.setText("疲劳检测:")
self.label_3.setText("眨眼次数:0")
self.label_4.setText("哈欠次数:0")
self.label_5.setText("行为检测:")
self.label_6.setText("手机")
self.label_7.setText("抽烟")
self.label_8.setText("喝水")
self.label_9.setText("是否存在分心行为")
self.label_10.setText("是否为疲劳状态")
self.menu.setTitle("打开")
self.actionOpen_camera.setText("打开摄像头")
# 菜单按钮 槽连接 到函数
self.actionOpen_camera.triggered.connect(CamConfig_init)
# 自适应窗口缩放
self.label.setScaledContents(True)
# 定义摄像头类
class CamConfig:
def __init__(self):
Ui_MainWindow.printf(window,"正在打开摄像头请稍后...")
# 设置时钟
self.v_timer = QTimer()
# 打开摄像头
self.cap = cv2.VideoCapture(0)
if not self.cap:
Ui_MainWindow.printf(window,"打开摄像头失败")
return
# 设置定时器周期,单位毫秒
self.v_timer.start(20)
# 连接定时器周期溢出的槽函数,用于显示一帧视频
self.v_timer.timeout.connect(self.show_pic)
# 在前端UI输出提示信息
Ui_MainWindow.printf(window,"载入成功,开始运行程序")
Ui_MainWindow.printf(window,"")
Ui_MainWindow.printf(window,"开始执行疲劳检测...")
window.statusbar.showMessage("正在使用摄像头...")
def show_pic(self):
# 全局变量
# 在函数中引入定义的全局变量
global EYE_AR_THRESH,EYE_AR_CONSEC_FRAMES,MAR_THRESH,MOUTH_AR_CONSEC_FRAMES,COUNTER,TOTAL,mCOUNTER,mTOTAL,ActionCOUNTER,Roll,Rolleye,Rollmouth
# 读取摄像头的一帧画面
success, frame = self.cap.read()
if success:
# 检测
# 将摄像头读到的frame传入检测函数myframe.frametest()
ret,frame = myframe.frametest(frame)
lab,eye,mouth = ret
# ret和frame,为函数返回
# ret为检测结果,ret的格式为[lab,eye,mouth],lab为yolo的识别结果包含'phone' 'smoke' 'drink',eye为眼睛的开合程度(长宽比),mouth为嘴巴的开合程度
# frame为标注了识别结果的帧画面,画上了标识框
# 分心行为判断
# 分心行为检测以15帧为一个循环
ActionCOUNTER += 1
# 如果检测到分心行为
# 将信息返回到前端ui,使用红色字体来体现
# 并加ActionCOUNTER减1,以延长循环时间
for i in lab:
if(i == "phone"):
window.label_6.setText("<font color=red>正在用手机</font>")
window.label_9.setText("<font color=red>请不要分心</font>")
if ActionCOUNTER > 0:
ActionCOUNTER -= 1
elif(i == "smoke"):
window.label_7.setText("<font color=red>正在抽烟</font>")
window.label_9.setText("<font color=red>请不要分心</font>")
if ActionCOUNTER > 0:
ActionCOUNTER -= 1
elif(i == "drink"):
window.label_8.setText("<font color=red>正在用喝水</font>")
window.label_9.setText("<font color=red>请不要分心</font>")
if ActionCOUNTER > 0:
ActionCOUNTER -= 1
# 如果超过15帧未检测到分心行为,将label修改为平时状态
if ActionCOUNTER == 15:
window.label_6.setText("手机")
window.label_7.setText("抽烟")
window.label_8.setText("喝水")
window.label_9.setText("")
ActionCOUNTER = 0
# 疲劳判断
# 眨眼判断
if eye < EYE_AR_THRESH:
# 如果眼睛开合程度小于设定好的阈值
# 则两个和眼睛相关的计数器加1
COUNTER += 1
Rolleye += 1
else:
# 如果连续2次都小于阈值,则表示进行了一次眨眼活动
if COUNTER >= EYE_AR_CONSEC_FRAMES:
TOTAL += 1
window.label_3.setText("眨眼次数:" + str(TOTAL))
# 重置眼帧计数器
COUNTER = 0
# 哈欠判断,同上
if mouth > MAR_THRESH:
mCOUNTER += 1
Rollmouth += 1
else:
# 如果连续3次都小于阈值,则表示打了一次哈欠
if mCOUNTER >= MOUTH_AR_CONSEC_FRAMES:
mTOTAL += 1
window.label_4.setText("哈欠次数:" + str(mTOTAL))
# 重置嘴帧计数器
mCOUNTER = 0
# 将画面显示在前端UI上
show = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
showImage = QImage(show.data, show.shape[1], show.shape[0], QImage.Format_RGB888)
window.label.setPixmap(QPixmap.fromImage(showImage))
# 疲劳模型
# 疲劳模型以150帧为一个循环
# 每一帧Roll加1
Roll += 1
# 当检测满150帧时,计算模型得分
if Roll == 150:
# 计算Perclos模型得分
perclos = (Rolleye/Roll) + (Rollmouth/Roll)*0.2
# 在前端UI输出perclos值
Ui_MainWindow.printf(window,"过去150帧中,Perclos得分为"+str(round(perclos,3)))
# 当过去的150帧中,Perclos模型得分超过0.38时,判断为疲劳状态
if perclos > 0.38:
Ui_MainWindow.printf(window,"当前处于疲劳状态")
window.label_10.setText("<font color=red>疲劳!!!</font>")
Ui_MainWindow.printf(window,"")
else:
Ui_MainWindow.printf(window,"当前处于清醒状态")
window.label_10.setText("清醒")
Ui_MainWindow.printf(window,"")
# 归零
# 将三个计数器归零
# 重新开始新一轮的检测
Roll = 0
Rolleye = 0
Rollmouth = 0
Ui_MainWindow.printf(window,"重新开始执行疲劳检测...")
def CamConfig_init():
window.f_type = CamConfig()
if __name__ == '__main__':
app = QtWidgets.QApplication(sys.argv)
window = MainWindow()
window.window_init()
window.show()
sys.exit(app.exec_())
马建仓 AI 助手
尝试更多
代码解读
代码找茬
代码优化
Python
1
https://gitee.com/kagnzijun/yolov5_detect.git
git@gitee.com:kagnzijun/yolov5_detect.git
kagnzijun
yolov5_detect
疲劳检测
master

搜索帮助