从0到1学习使用DepthAI-疲劳检测
这篇文章将介绍如何在DepthAI上实现疲劳检测，可应用于疲劳驾驶检测。
分析项目
首先，我们需要解决一个问题，什么样可以视为疲劳？
频繁的眨眼/眨一次眼所用时间很长
不停的打哈欠
不停的点头
通过分析，我们得到了检测疲劳的三个标准：眨眼，打哈欠，头部姿态。
这三个标准可以让我们知道需要什么样的模型：
能够检测人脸的模型
能够获取面部大部分特征点的模型
寻找合适的模型
1.人脸检测模型
这个我们最熟悉了，可以使用openvino open_model_zoo中的face-detection-retail-0004模型。
2.面部特征点检测模型
我们可以通过搜索引擎找到一个叫做PINTO_model_zoo的项目。在这个项目中可以找到大量模型。
拉取这个项目：
git clone https://github.com/PINTO0309/PINTO_model_zoo.git
进入这个项目，找到043_face_landmark,这个就是面部特征点检测模型，它可以检测出68个特征点。
然后进入05_openvino文件夹，执行shell脚本：
./download.sh
这样我们就可以获得OpenVINO IR文件了。再将OpenVINO IR编译为blob文件:
export MYRIAD_COMPILE=$(find /opt/intel/ -iname myriad_compile)
$MYRIAD_COMPILE -m face_landmark_160x160.xml -ip U8 -VPU_MYRIAD_PLATFORM VPU_MYRIAD_2480 -VPU_NUMBER_OF_SHAVES 4 -VPU_NUMBER_OF_CMX_SLICES 4
注：使用模型转换工具需要安装openvino,安装时要注意DepthAI对OpenVINO版本有要求。 详情请参照openvino安装：https://docs.oakchina.cn/en/latest/pages/tutorials/local_convert_openvino/#id2
代码原理说明
首先运行face-detection-retail-0004模型检测图像中的人脸，并截取面部图像。
然后运行face_landmark_160x160模型从传入的面部图像中检测出68个特征点的位置。利用这些特征点，我们可以检测眨眼，打哈欠和头部姿态。
眨眼
一只眼睛有6个特征点
我们利用欧氏距离计算上下眼皮之间的距离和眼睛的宽度
计算眼睛的长宽比
打哈欠与眨眼的计算原理相同
头部姿态检测
第一步：2D人脸关键点检测；
第二步：3D人脸模型匹配；
第三步：求解3D点和对应2D点的转换关系；
第四步：根据旋转矩阵求解欧拉角。
设置帧数和阈值判断是否眨眼，打哈欠又或是点头并统计次数。
最后根据眨眼，打哈欠，点头的次数判断是否疲劳。
注：由于每个人的五官不一样，眼睛和嘴巴的欧氏距离有差距，可以更换为符合自己的阈值。
国内在哪里能买到DepthAI?
目前国内唯一的购买渠道是派驰的淘宝店:
OAK-D -派驰电子 淘宝：https://sourl.cn/9YEFE5
OAK-1 -派驰电子 淘宝：https://sourl.cn/4CpZUZ
参考链接:
OAK 中国：https://sourl.cn/6wt8sm
OAK 中文文档：https://sourl.cn/rawPZD
CSDN-Dlib模型之驾驶员疲劳检测一：https://link.zhihu.com/?target=https%3A//blog.csdn.net/cungudafa/article/details/103477960
CSDN-Dlib模型之驾驶员疲劳检测二：https://link.zhihu.com/?target=https%3A//blog.csdn.net/cungudafa/article/details/103496881
CSDN-Dlib模型之驾驶员疲劳检测三：https://link.zhihu.com/?target=https%3A//blog.csdn.net/cungudafa/article/details/103499230
