使用 YOLO 檢測眼睛閉合 | 設定警報
作者：二旺
我們將探討如何使用OpenCV和YOLO目標檢測模型來檢測視頻中的眼睛閉合，并在眼睛閉合超過特定閾值時發出警告。我們還將討論將這種方法應用于實時檢測的可能性。
我們將探討如何使用OpenCV和YOLO目標檢測模型來檢測視頻中的眼睛閉合，并在眼睛閉合超過特定閾值時發出警告。我們還將討論將這種方法應用于實時檢測的可能性。眼睛閉合檢測在許多現實世界的應用中都是一個重要的用例，從監控駕駛員疲勞到確保關鍵環境中的警覺性。
先決條件
在開始之前，請確保已安裝以下庫：
- OpenCV：用于視頻處理和顯示結果。
- Ultralytics YOLO：一個流行且高效的深度學習模型，用于目標檢測。
要安裝必要的庫，你可以運行：
pip install opencv-python
pip install ultralytics眼睛閉合檢測算法概述
- 加載YOLO模型：我們加載一個預訓練的YOLO模型（best.pt）用于眼睛檢測。這個模型被訓練來識別兩種狀態：“閉合”和“打開”的眼睛。下載模型
- 讀取輸入視頻：使用OpenCV逐幀讀取視頻。
- 執行目標檢測：使用YOLO檢測每幀中眼睛的狀態。
- 跟蹤眼睛閉合持續時間：如果檢測到眼睛“閉合”超過指定閾值，將顯示警告。
- 顯示結果：結果被寫入輸出視頻文件，如果需要，警告消息會被疊加在幀上。
逐步實現
以下是使用YOLO和OpenCV檢測視頻中眼睛閉合的完整Python代碼：
import cv2
from ultralytics import YOLO
# Load the pre-trained YOLO model
model = YOLO("best.pt")
names = model.names
# Open the video file
cap = cv2.VideoCapture("video.mp4")
assert cap.isOpened(), "Error reading video file"
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
# Initialize video writer to save the output
video_writer = cv2.VideoWriter("output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
# Initialize variables for eye closure detection
eye_closed_frames = 0
eye_closed_threshold_seconds = 1 # Threshold in seconds
eye_closed_threshold_frames = eye_closed_threshold_seconds * fps # Convert seconds to frames
while cap.isOpened():
success, im0 = cap.read()
if not success:
print("Video frame is empty or video processing has been successfully completed.")
break
# Predict the state of the eyes using YOLO
results = model.predict(im0, show=False)
boxes = results[0].boxes.xyxy.cpu().tolist()
clss = results[0].boxes.cls.cpu().tolist()
annotator = Annotator(im0, line_width=2, example=names)
eye_closed = False # Flag to check if the eye is closed in the current frame
If boxes are not None:
for box, cls in zip(boxes, clss):
clsName = names[int(cls)]
xmax = int(box[0])
ymin = int(box[1])
xmin = int(box[2])
ymax = int(box[3])
# Set color based on the class name
if clsName == 'closed':
clr = (0, 0, 255)
eye_closed = True # Mark eye as closed
elif clsName == 'opened':
clr = (0, 255, 0)
# Draw the bounding box and label
cv2.FONT_HERSHEY_SIMPLEX
Font_scale = 1
Font_thickness = 2
tw, th = cv2.getTextSize(clsName, font, font_scale, font_thickness)[0]
cv2.rectangle(im0, (xmin, ymin), (xmax, ymax), color=clr, thickness=2)
cv2.putText(im0, clsName, (xmax, ymin - 5), font, font_scale, color=clr, thickness=font_thickness)
# Check for eye closure duration
if eye_closed:
Eye_closed_frames += 1
else:
# Reset counter if the eye is not closed
# Display warning if eye has been closed for more than the threshold
if eye_closed_frames > eye_closed_threshold_frames:
print("Warning: Eye has been closed for more than 2 seconds!")
cv2.putText(im0, "WARNING: Eye closed for more than 2 seconds!", (50, 50), font, font_scale, (0, 0, 255), font_thickness)
# Write the processed frame to the output video
video_writer.write(im0)
# Release resources
cap.release()
video_writer.release()代碼解釋
- 模型加載：使用ultralytics庫中的YOLO類加載YOLO模型，并提取類名。
- 視頻處理：使用cv2.VideoCapture打開輸入視頻，并初始化視頻寫入器以保存輸出。
- 逐幀檢測：逐幀處理視頻。對于每一幀，使用YOLO模型檢測眼睛并將其分類為“閉合”或“打開”。
- 眼睛閉合檢測：計數器（eye_closed_frames）跟蹤眼睛被檢測為“閉合”的連續幀數。如果這個計數超過閾值（在這種情況下，是1秒鐘的幀數），則顯示警告消息。
- 警告消息顯示：每當眼睛閉合超過閾值持續時間時，警告消息就會動態疊加在視頻上。
實時檢測的可能性
上述方法可以適應使用網絡攝像頭或實時視頻流進行實時檢測。以下是如何實現這一點的方法：
- 捕獲實時視頻：將視頻文件輸入更改為實時視頻流，方法是將cv2.VideoCapture參數更改為0（默認網絡攝像頭）。
cap = cv2.VideoCapture(0) # Use 0 for the default camera, or 1, 2, etc. for other cameras- 優化實時性能：為確保流暢的實時性能，你可能需要通過使用較小的模型（如YOLOv5s）或在可用的情況下在GPU上運行來優化模型推理速度。
- 實時顯示結果：使用cv2.imshow()實時顯示視頻流：
cv2.imshow("Eye Closure Detection", im0) if cv2.waitKey(1) & 0xFF == ord('q'): # Press 'q' to quit break結合YOLO和OpenCV，你可以有效地檢測視頻或甚至實時中的眼睛閉合。這項技術在許多實際應用中都有應用，包括駕駛員監控系統、疲勞檢測和在各種安全關鍵領域中的警覺性驗證。通過利用像YOLO這樣的深度學習模型，你可以在檢測微妙的面部表情（如眼睛閉合）方面實現高準確性和性能。
責任編輯：趙寧寧
來源：
小白玩轉Python
