Python基于 opencv 的疲劳检测系统的设计与实现

1 摘要
2 介绍
3 OpenCV图像识别
4 数据库概念结构
第五章系统实现
6. 总结
7 参考文献

1 摘要

Python基于 opencv 的疲劳检测系统的设计与实现，精神疲劳是指在过渡体力劳动或者连续工作的情况下造成的生理和心理机能下降，精神疲劳严重影响人们的注意力、思维判断以及决策能力，在实际生活过程中精神疲劳容易造成交通事故、医疗事故以及影响工作和学习的效率。疲劳驾驶作为道路安全的重要隐患，为了避免疲劳驾驶行为的发生，我国要求驾驶员连续驾驶4小时后需要强制休息，同时还通过疲劳检测设备对于疲劳驾驶行为进行预警，然而检测设备的成本较高且便携性较低，因此借助系统平台开发设计一款针对疲劳检测的系统是非常有需求空间的。

本文提出了一种基于眼动信号及人脸判断的疲劳检测方法，借助OpenCV图像处理库检测测试者的眼睛闭合程度，同时通过面部表情呈现及眨眼频次来表征测试者的疲劳程度，借助人脸及人眼图像识别的结果参数实现疲劳测试的评判，同时在系统的呈现设计上利用了Python编程语言以及Mysql数据库，通过系统平台的图像识别、图片分析及照片管理等功能模块实现系统平台的管理和应用，进一步提升了疲劳检测应用的便捷性，通过疲劳检测系统的应用提升了人身财产的安全性。

关键词：OpenCV； Python语言；人脸识别；疲劳检测；

2 介绍

。精神疲劳的出现对人们的工作和生活产生了极大的影响，以长途运输驾驶员为例，驾驶员需要在长距离的直行公路上行驶，在操作过程中对于方向盘及刹车油门的操作次数逐渐减少，同时在温度时间以及饮食状态的影响下极易出现困意，如驾驶员同时存在疲劳驾驶的情况就会极大程度上增加交通事故的发生率。对于流水线的工人也是一样，工作内容的重复性以及环境温度的影响，都会导致疲劳工作的情况发生，轻则导致流水线工作效率降低产品不良率增加，重则由于操作失会导致人身意外伤害的情况发生。综上所述，在人们的日常生活和工作中极易发生疲劳工作的状态，因精神性疲劳而导致的意外及生命财产受损的情况屡见不鲜，为了帮助人们尽量避免意外事故的发生，除了合理安排工作还需要对于特殊行业及岗位的人群进行疲劳检测。

目前我国通过不断完善疲劳检测机制来避免人生意外的发生，以疲劳驾驶为例，国内要求驾驶员连续驾驶4小时后需要进行强制休息，然而精神疲劳的不规律性还是会引起疲劳驾驶行为的发生，为了帮助检测机构更好的判断驾驶人员的疲劳状态，很多国家通过研发疲劳检测设备来对疲劳驾驶行为进行预警，然而传统的检测方式在测试的便捷度以及准确性上都较差，随着计算机以及微电子技术的不断发展，通过面部信息及头部姿态识别而实现的系统化疲劳检测工具逐渐得到了发展和应用，利用系统平台应用的便捷性可以通过网页及手机应用在线评估精神疲劳状态，从而进行提示和预警。

3 OpenCV图像识别

OpenCV是一款应用于计算机视觉及机器学习的软件库，可以实现多操作系统平台的应用同时匹配了多种编程语言接口，通过通用算法的应用实现了图像处理以及计算机视觉算法应用，在编写过程中主要通过C++语言实现代码编写，本文的疲劳检测系统主要借助Python编程语言来实现代码的编写，同时结合了OpenCV提供的丰富的视觉处理算法，在应用过程中不需要添加额外的外部支持也可以实现完成以的编译链接，通过调用cvSmooth函数进行平滑处理以及利用cvEqualizeHist函数进行直方图均衡化，借助图像预处理以及人脸特征提取对被检测者打哈欠、点头以及闭眼情况进行分析，结合数据内容对疲劳状态进行预警提升，具体OpenCV图像预处理流程内容如图2.1所示.

图2.1 OpenCV图像预处理过程

4 数据库概念结构

此次对于疲劳检测系统的数据设计主要借助E-R图例的数据库概念结构实际以及数据表设计为主，作为检测系统数据信息的存储相对单一主要以检测照片及用户信息为主，结合用户端的信息需求以照片检测结果信息内容为例，通过E-R图例的方式呈现不同数据信息实体与对应数据属性内容的关系，借助关系图表的内容呈现来实现数据库信息的搭建，以照片信息为例具体E-R图例内容呈现如下：

图4.1照片信息E-R图例

第五章系统实现

5.1 系统登录页面

此次疲劳检测系统通过网页平台实现登录使用，用户在录入用户名及密码信息的同时还需要填写验证码才可以实现系统的登录，疲劳检测系统的登录界面内容呈现如下图所示：

图5.1 系统登录页面

5.2系统首页界面

此次疲劳检测系统首页是系统平台的统计信息，内容包括了系统总用户数、总图片数以及当前年份月份，同时通过用户行为图表呈现了用户24小时个人表现数据，系统左侧导航信息包括了图片识别、照片分析、照片管理以及个人用户管理等功能模块，具体疲劳检测系统首页界面内容呈现如下图所示：

图5.2系统首页界面

5.3图片识别界面

图片识别功能模可以通过摄像头识别的方式来对用户的进行人脸识别，用户可以通过拍照或者图片上传的方式来进行面部信息的捕捉，系统会结合用户拍摄的图片或上传的图片照片进行在线的表情捕捉，通过图片内容的智能识别来判断用户是否处于疲劳状态，具体图片识别页面内容呈现如下：

图5.3图片识别界面

5.4照片分析界面

结合用户拍摄上传的图像内容，系统会统计眼睛状态、睁眼情况、打哈欠占比等内容数据，通过系统柱状图和饼状图的数据分析来帮助用户再次确认疲劳程度，借助照片分析数据信息的佐证来进行疲劳状态的复核，具体照片分析内容呈现如下图所示：

图5.4照片分析界面

5.5 照片管理界面

照片管理主要记录了疲劳检测系统上传图片内容，同时包括检测的结果反馈，内容包括了照片眼睛状态、是否哈欠以及是否疲劳的数据判断，可以通过照片管理界面来搜索照片信息，同时可以通过该界面对于拍摄上传异常的图片内容进行删除操作，具体照片管理界面内容呈现如下图所示：

图5.5 照片管理界面

5.6 用户管理界面

用户可以通过修改密码以及个人信息模块实现系统平台内个人信息的修改和管理，同时可以通过用户管理界面实现用户的在线新增，新增用户信息只需要填列用户的姓名、密码及手机号就可以实现新增操作，具体用户添加界面信息呈现内容如下图所示：

图5.6 用户管理界面

6. 总结

此次疲劳检测系统的开发设计主要基于国内外的研究成果以及当前的应用需求，通过人脸图像识别的方式来检测人员的眨眼频次及打哈欠次数，利用图片识别的内容判断被检测者的疲劳程度。本文在开发设计过程中主要应用了Python编程语言以及Opencv图像识别技术，借助WEB平台实现在线疲劳状态监测，同时利用Mysql数据库实现了图像识别内容的存储和管理。通过系统平台的开发设计可以帮助检测机构实现更加便捷的线上检测途径，同时也可以帮助很多高危企业用户检测员工的疲劳状态，利用线上系统应用的便捷性来帮助人们实现疲劳工作状态预警，从而避免不必要的人身财产损失。当然此次系统平台的开发设计在内容的实现及检测判断条件上还有待加强，在检测运算的快速性和稳定性上还存在可提升空间。