利用Python+opencv实时的人眼识别以+眨眼检测+闭眼检测源代码及详细教程

压缩包中含有【人眼识别+眨眼识别】源代码以及详细使用教程，利用pyrhon+opencv在ubuntu上运行，实现实时的检测，windows环境的配置需要自己在网上找相关教程，注意，压缩包中缺少的imutils库需另外从我的资源中下载，谢谢大家

# Command line parameters
# python Wink.py --shape-predictor shape_predictor_68_face_landmarks.dat --video your videoname.mp4
# python Wink.py --shape-predictor shape_predictor_68_face_landmarks.dat

# import the necessary packages
from scipy.spatial import distance as dist
from imutils.video import FileVideoStream
from imutils.video import VideoStream
from imutils import face_utils
import numpy as np
import argparse
import imutils
import time
import dlib
import cv2

def eye_aspect_ratio（eye）:
	# compute the euclidean distances between the two sets of
	# vertical eye landmarks （x y）-coordinates
	A = dist.euclidean（eye[1] eye[5]）
	B = dist.euclidean（eye[2] eye[4]）

	# compute the euclidean distance between the horizontal
	# eye landmark （x y）-coordinates
	C = dist.euclidean（eye[0] eye[3]）

	# compute the eye aspect ratio
	ear = （A + B） / （2.0 * C）

	# return the eye aspect ratio
	return ear
 
# construct the argument parse and parse the arguments
ap = argparse.ArgumentParser（）
ap.add_argument（“-p“ “--shape-predictor“ required=True
	help=“path to facial landmark predictor“）
ap.add_argument（“-v“ “--video“ type=str default=““
	help=“path to input video file“）
args = vars（ap.parse_args（））
 
# define two constants one for the eye aspect ratio to indicate
# blink and then a second constant for the number of consecutive
# frames the eye must be below the threshold
EYE_AR_THRESH = 0.25
EYE_AR_CONSEC_frameS = 2

# initialize the frame counters and the total number of blinks
COUNTER = 0
TOTAL = 0

# initialize dlib‘s face detector （HOG-based） and then create
# the facial landmark predictor
print（“[INFO] loading facial landmark predictor...“）
detector = dlib.get_frontal_face_detector（）
predictor = dlib.shape_predictor（args[“shape_predictor“]）

# grab the indexes of the facial landmarks for the left and
# right eye respectively
（lStart lEnd） = face_utils.FACIAL_LANDMARKS_IDXS[“left_eye“]
（rStart rEnd） = face_utils.FACIAL_LANDMARKS_IDXS[“right_eye“]

# start the video stream thread
print（“[INFO] starting video stream thread...“）
#vs = FileVideoStream（args[“video“]）.start（）
fileStream = True
vs = VideoStream（src=0）.start（）

fileStream = False
time.sleep（1.0）

# loop over frames from the video stream
while True:
	# if this is a file video stream then we need to check if
	# there any more frames left in the buffer to process
	if fileStream and not vs.more（）:
		break

	# grab the frame from the threaded video file stream resize
	# it and convert it to grayscale
	# channels）
	frame = vs.read（）
	frame = imutils.resize（frame width=450）
	gray = cv2.cvtColor（frame cv2.COLOR_BGR2GRAY）

	# detect faces in the grayscale frame
	rects = detector（gray 0）

	# loop over the face detections
	for rect in rects:
		# determine the facial landmarks for the face region then
		# convert the facial landmark （x y）-coordinates to a NumPy
		# array
		shape = predictor（gray

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件   99693937  2017-03-03 03:40  shape_predictor_68_face_landmarks.dat

     文件       4862  2017-11-12 10:14  Wink.py

     文件     118229  2017-11-12 10:46  教程.docx

----------- ---------  ---------- -----  ----

             99817028                    3