python疲勞駕駛睏倦低頭檢測

def get_head_pose(shape):  # 頭部姿態估計

     # （畫素座標集合）填寫 2D 參考點

     # 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 計算姿勢——求解旋轉和平移矩陣：

     # rotation_vec 表示旋轉矩陣， translation_vec 表示平移矩陣， cam_matrix 與 K 矩陣對應， dist_coeffs 與 D 矩陣對應。

     _, rotation_vec, translation_vec = cv2.solvePnP(object_pts, image_pts, cam_matrix, dist_coeffs)

     # projectPoints 重新投影誤差：外匯跟單gendan5.com原 2d 點和重投影 2d 點的距離（輸入 3d 點、相機內參、相機畸變、 r 、 t ，輸出重投影 2d 點）

     reprojectdst, _ = cv2.projectPoints(reprojectsrc, rotation_vec, translation_vec, cam_matrix, dist_coeffs)

     reprojectdst = tuple(map(tuple, reprojectdst.reshape(8, 2)))  # 以 8 行 2 列顯示  

     # 計算尤拉角 calc euler angle

     rotation_mat, _ = cv2.Rodrigues(rotation_vec)  # 羅德里格斯公式（將旋轉矩陣轉換為旋轉向量）

     pose_mat = cv2.hconcat((rotation_mat, translation_vec))  # 水平拼接， vconcat 垂直拼接

     # decomposeProjectionMatrix 將投影矩陣分解為旋轉矩陣和相機矩陣

     _, _, _, _, _, _, 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  # 投影誤差，尤拉角

def eye_aspect_ratio(eye):

     # 垂直眼標誌（ X ， Y ）座標

     A = dist.euclidean(eye[1], eye[5])  # 計算兩個集合之間的歐式距離

     B = dist.euclidean(eye[2], eye[4])

     # 計算水平之間的歐幾里得距離

     # 水平眼標誌（ X ， Y ）座標

     C = dist.euclidean(eye[0], eye[3])

     # 眼睛長寬比的計算

     ear = (A + B) / (2.0 * C)

     # 返回眼睛的長寬比

     return ear

def 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