使用OpenCV，Python和dlib进行眨眼检测及计数
前三篇博客学习了
这篇博客将进行进阶版的学习——眨眼检测。眨眼检测在现实中有非常重要的应用，可以用于睡意检测。 比如：每年有9万人因为疲劳驾驶死亡，睡意检测可以起到很好的提醒作用，挽救人的生命。让N多个家庭失去亲人，免于破碎。
传统的眨眼检测是：
- 首先眼睛定位；
- 阈值化找到白色的眼睛区域；
- 确定眼睛的“白色”区域是否消失了一段时间（表示眨眼）。
本文使用的眨眼检测是：
构建一个称为眼睛纵横比（EAR “eye aspect ratio”）的指标，EAR的原理是眼睛的纵横比，在睁着眼时是一个基本恒定的值，而在眨眼的瞬间，EAR会瞬间达到0，然后在回到恒定值。
这种眨眼检测方法快速，高效且易于实现。
1. EAR为什么可以成为判断眨眼的标准
如下图，通过应用人脸检测，面部标志检测可以得出眼睛的关键点：如下图所示6个点构成；
使用EAR进行判断的原理：睁开眼睛时眼睛的纵横比大约是恒定的，但眨眼时会迅速降至零。
2. 眨眼检测及原则
（1）面部检测
（2）面部标志检测
（3）根据索引找到左眼、右眼的位置，计算纵横比ear，求平均值
（4）判断是否眨眼：（有超过3帧的连续帧——ear低于阈值，则认为是进行了一次眨眼）；
3. 优化
可采用第N维，第N-6，第N+6维均计算EAR指标，求平均值。