学习来自《LearningOpenCV3ComputerVisionwithPython》SecondEditionbyJoeMinichinoandJosephHowse文章目录检测移动的目标涉及到的opencv库cv2.GaussianBlurcv2.absdiffcv2.thresholdcv2.dilatecv2.getStructuringElementcv2.findContourscv2.contourAreacv2.boundingRect检测移动的目标目标跟踪：基本的运动检测一种最直观的方法就是计算帧之间的差异，或者考虑背景帧与其他帧之间的差异importcv2importn

文章目录1前言1课题背景2相关技术2.1Dlib人脸识别库2.2疲劳检测算法2.3YOLOV5算法3效果展示3.1眨眼3.2打哈欠3.3使用手机检测3.4抽烟检测3.5喝水检测4最后1前言🔥优质竞赛项目系列，今天要分享的是🚩基于深度学习的驾驶行为状态检测系统该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！🥇学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：5分🧿更多资料,项目分享：https://gitee.com/dancheng-senior/postgraduate1课题背景为了有效监测驾驶员是否疲劳驾驶、避免交通事故的发⽣,本项目利⽤⼈脸特征点进⾏实时疲劳

        图像梯度计算的是图像变化的速度。对于图像的边缘部分，其灰度值变化较大，梯度值也较大；相反，对于图像中比较平滑的部分，其灰度值变化较小，相应的梯度值也较小。一般情况下，图像梯度计算的是图像的边缘信息。严格来讲，图像梯度计算需要求导数，但是图像梯度一般通过计算像素值的差来得到梯度的近似值（近似导数值）。将上述运算关系进一步优化，可以得到更复杂的边缘信息。1.1原理介绍        Sobel算子是一种离散的微分算子，该算子结合了高斯平滑和微分求导运算。该算子利用局部差分寻找边缘，计算所得的是一个梯度的近似值。    Sobel算子如图所示：         假定有原始图像src，

OpenCV指定gcc版本进行交叉编译OpenCV在计算资源受限的嵌入式端侧直接进行编译的话，需要时间较长，直接使用交叉编译会更加便捷操作的系统为Ubuntu22.04整体操作流程安装并配置交叉编译器拉取OpenCV源码，并进行交叉编译安装指定位置，并进行移植安装并配置交叉编译器使用的交叉编译器为aarch64-linux-gnu-g++，在ubuntu中可以直接进行安装,如果在嵌入式端侧使用的是32位系统的，则安装sudoaptinstallaarch64-linux-gnu-g++安装完成之后使用aarch64-linux-gnu-g++-v可以查看对应的版本Usingbuilt-insp

文章目录0前言1课题背景2Dlib人脸识别2.1简介2.2Dlib优点2.3相关代码2.4人脸数据库2.5人脸录入加识别效果3疲劳检测算法3.1眼睛检测算法3.3点头检测算法4PyQt54.1简介4.2相关界面代码5最后0前言🔥优质竞赛项目系列，今天要分享的是🚩基于图像识别的人脸识别与疲劳检测系统该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！🥇学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：5分🧿更多资料,项目分享：https://gitee.com/dancheng-senior/postgraduate1课题背景为了有效监测驾驶员是否疲劳驾驶、避免交通事故

相机已经存在了很长时间。然而，随着20世纪后期廉价针孔相机的推出，它们在我们的日常生活中变得司空见惯。不幸的是，这种廉价是有代价的：严重的失真。幸运的是，这些是常数，通过校准和一些重新映射，我们可以纠正这一点。此外，通过校准，您还可以确定相机的自然单位（像素）与现实世界单位（例如毫米）之间的关系。理论对于畸变，OpenCV考虑了径向和切向因素。对于径向因子，使用以下公式：因此，对于（x，y）坐标处未失真的像素点，它在失真图像上的位置将为（x_{distorted}y_{distorted}）。径向畸变的存在以“桶”或“鱼眼”效应的形式表现出来。(x，y)(xdISTORTEdydISTORTE

学习目标原理OpenCV是一个广泛应用于计算机视觉领域的开源库，提供了丰富的图像处理和分析功能。其中，人脸检测是OpenCV中最常见和重要的应用之一。在OpenCV中，可以使用Haar特征分类器实现人脸检测。Haar特征是一种常用的特征描述方法，它通过在图像上移动不同大小和形状的滑动窗口，并计算特定区域的像素强度差异来描述图像的特征。通过使用大量的正样本和负样本训练得到的强分类器，可以检测出人脸区域。下面详细介绍使用Haar特征进行人脸检测的原理及步骤：准备样本数据：首先需要准备包含人脸和非人脸的正负样本数据集。正样本包括带有人脸的图像，负样本则是不包含人脸的图像。创建Haar级联分类器：Ha

连通域分割原理像素领域介绍:4邻域是指中心的像素与它邻近的上下左右一共有4个像素，那么称这4个像素为中心像素的4邻域。8邻域是以中心像素周围的8个像素分别是上下左右和对角线上的4个像素。连通域的定义(分割)分为两种:以4邻域为相邻判定条件的连通域分割和8邻域为判定条件的连通域分割。连通域指某个区域内所有像素是相邻的，如果一个像素不能够通过这个区域中的像素到达另一个像素，那么这两个像素就不再同一连通域内。连通域的划分通常采用两遍法，在进行连通域分析的时候，我们往往先对图像进行二值化处理，确定连通域的判定标准是采用4邻域还是8邻域，然后先对图像进行遍历得到结果，然后再对此结果进行遍历得到最终结果。

引子：图像锐化和卷积是图像处理中常用的技术，它们的主要目的如下：1.图像锐化：图像锐化是一种用于增强图像细节和边缘的技术。它通过强调图像中的高频信息（如边缘和细节）来使图像看起来更清晰和更有质感。锐化技术有助于突出图像中不同区域之间的差异，使图像更容易理解和分析。主要目的包括：提高图像的视觉质量。增强图像中的边缘和细节。减少模糊和不清晰。2.卷积：卷积是一种用于图像处理和信号处理的数学运算，它在不同的上下文中有不同的目的。在图像处理中，卷积通常用于应用各种滤波器来改变图像的特性。主要目的包括：模糊（平滑）图像：通过应用平均滤波器或高斯滤波器，可以减少噪声并减轻图像中的细节，用于去噪和降低图像的

一、写在前面    本文所用例子为个人学习的小结，如有不足之处请各位多多海涵，欢迎小伙伴一起学习进步，如果想法可在评论区指出，我会尽快回复您，不胜感激！        所公布代码或截图均为运行成功后展示。二、本文内容    使用OpenCV和Mediapipe提供的库，通过摄像头捕捉画面，调用mpp的模型识别库，识别对象的是什么，并标注可信度。    如下图识别泰迪熊等。 官方给出的模型库中还有很多目标，我整理在下方表格里：https://storage.googleapis.com/mediapipe-tasks/object_detector/labelmap.txtperson人elep