企业官网建设流程全解析

环境：Python 3.8+、OpenCV、dlib、scikit-learn、Pillow
一个调用预训练模型完成推理，一个基于几何公式判断，两种思路对照学习

本文整理两个基于摄像头的 OpenCV 实战程序：年龄性别识别与疲劳检测。前者实时识别画面中人物的年龄区间与性别，可用于身份属性分析；后者通过眼睛开合程度判断受检者是否疲劳，可用于驾驶员监控、课堂走神提醒等场景。

一、准备工作

1.1 模型文件

两个程序共需 7 个模型文件：

获取途径：人脸检测两个文件可在 OpenCV 官方 GitHub 的 samples/dnn 示例中找到；年龄性别四个文件出自 Levi 与 Hassner 的论文发布，搜索文件名即可获取；68 点模型在 dlib 官网的模型页面下载，全部文件合计几十 MB。

1.2摄像头

笔记本内置摄像头或任意 USB 摄像头均可，代码通过VideoCapture(0)打开默认设备。虚拟机环境下需先将摄像头设备挂载至虚拟机。

二、年龄性别识别

2.1 程序原理

整个流程分为四步，代码即按此流水线组织：

摄像头取帧 │ ▼ ① faceNet 人脸检测（SSD 模型，输入 300×300） │ 得到人脸框坐标 [x1, y1, x2, y2] ▼ ② 按坐标从原图裁出人脸区域 │ ▼ ③ 同一张人脸小图分别输入两个分类模型： ├── genderNet → 2 个概率 → argmax → '男性' / '女性' └── ageNet → 8 个概率 → argmax → '25-32岁' 等区间 │ ▼ ④ 绘制中文结果并显示

阅读代码前需要明确三个问题。

其一，为何使用三个模型而非一个。"找到人脸位置"与"判断人脸属性"是两类任务，分工后每个模型更小也更准确。这种"先定位、再识别"的结构在视觉系统中十分常见。

其二，年龄为何按区间分类而非直接预测数值。衰老过程非线性，同龄人外貌差异大，直接回归年龄数值误差难以控制。将年龄划分为 8 个区间转化为分类问题后，模型容错率显著提高。

其三，分类结果如何产生。模型 forward 之后输出概率数组，例如性别输出[0.92, 0.08]，argmax()返回最大值所在下标 0，再以该下标查询genderList得到"男性"。"概率 → 下标 → 查表"是所有分类模型输出结果的标准流程。

2.2 代码分段讲解

（1）导入与模型加载

importcv2fromPILimportImage,ImageDraw,ImageFont# pip install pillowimportnumpyasnp# ====== 模型初始化 ======faceProto="model/opencv_face_detector.pbtxt"faceModel="model/opencv_face_detector_uint8.pb"ageProto="model/deploy_age.prototxt"ageModel="model/age_net.caffemodel"genderProto="model/deploy_gender.prototxt"genderModel="model/gender_net.caffemodel"# 加载网络ageNet=cv2.dnn.readNet(ageModel,ageProto)# 年龄genderNet=cv2.dnn.readNet(genderModel,genderProto)# 性别faceNet=cv2.dnn.readNet(faceModel,faceProto)# 人脸

每个模型由两个文件构成：权重文件（.pb、.caffemodel，存储训练得到的参数）与结构描述文件（.pbtxt、.prototxt，描述网络层数与连接方式）。readNet(权重, 结构)将二者组装为可推理的网络对象。

三个模型的来源框架并不相同：人脸检测模型由 TensorFlow 训练，年龄性别模型由 Caffe 训练，readNet均可自动识别。这也是 dnn 模块的便利之处——不依赖模型的原训练框架，加载即可推理。年龄性别模型出自论文《Age and Gender Classification using Convolutional Neural Networks》，后文主循环中 227×227 的输入尺寸即由该论文确定。

（2）类别表与均值

ageList=['0-2岁','4-6岁','8-12岁','15-20岁','25-32岁','38-43岁','48-53岁','60-100岁']genderList=['男性','女性']mean=(78.4263377603,87.7689143744,114.895847746)# 训练集均值

两张列表负责将模型输出的下标翻译为可读文字。注意列表顺序必须与模型训练时的类别顺序完全一致，顺序错误会导致结果整体错位。

mean是训练集三个颜色通道的均值是OpenCV 官方 Caffe 年龄 / 性别预训练模型（age_net.caffemodel/gender_net.caffemodel）专用的图像通道均值，不可随意修改。

（3）getBoxes：人脸检测的实现

defgetBoxes(net,frame):frameHeight,frameWidth=frame.shape[:2]# 获取高度、宽度blob=cv2.dnn.blobFromImage(frame,scalefactor=1.0,size=(300,300),mean=[104,117,123],swapRB=True,crop=False)net.setInput(blob)# 输入图片进行人脸检测detections=net.forward()# 四维：批次、第一个表格、行数、列数faceBoxes=[]# 存储检测到的人脸框foriinrange(detections.shape[2]):# 每行 7 个数据：第 3 个为置信度，第 4~7 个为归一化坐标confidence=detections[0,0,i,2]ifconfidence>0.7:# 只保留置信度大于 0.7 的x1=int(detections[0,0,i,3]*frameWidth)y1=int(detections[0,0,i,4]*frameHeight)x2=int(detections[0,0,i,5]*frameWidth)y2=int(detections[0,0,i,6]*frameHeight)faceBoxes.append([x1,y1,x2,y2])cv2.rectangle(frame,pt1=(x1,y1),pt2=(x2,y2),color=(0,255,0),thickness=int(round(frameHeight/150)),lineType=6)returnframe,faceBoxes

本函数是理解 dnn 推理过程的核心，分步说明如下。

首先是blobFromImage。神经网络无法直接接收 OpenCV 读出的图像数组，必须先转换为规定的四维输入，该行代码即完成此项预处理：

生成的 blob 形状为(1, 3, 300, 300)，即 1 张图、3 个通道、300×300。

随后setInput(blob)输入数据，forward()执行一次前向计算并返回检测结果，形状为[1, 1, N, 7]：批次为 1，后一维固定为 1，共 N 个候选框，每个候选框由 7 个数字描述。这 7 个数字的含义是理解本段的关键：

因此detections[0, 0, i, 2]即第 i 个候选框的置信度，下标 3 至 6 为框坐标。此处有两个细节需要注意。

一是坐标为 0 至 1 的归一化值（相对图片宽高的比例），必须乘回frameWidth、frameHeight才能得到像素坐标。这种设计与分辨率无关，同一套输出可适配任意尺寸的图像。

二是detections.shape[2]即候选框个数 N，遍历因此写作range(detections.shape[2])。初学时若对下标含义不确定，可在循环内将detections[0, 0, i]整行打印，与画面中的实际人脸框对照验证。

最后是过滤与绘制。模型会输出大量候选，其中包含误检，confidence > 0.7即淘汰线：调高则框更可靠但易漏检，调低则框增多且误检上升。绘制框的粗细取画面高度 ÷ 150，分辨率越高框越粗，窗口缩放后视觉比例始终合适。

（4）cv2AddChineseText：借助 PIL 绘制中文

defcv2AddChineseText(img,text,position,textColor=(0,255,0),textSize=30):"""借助 PIL 在图像上绘制中文"""ifisinstance(img,np.ndarray):# 判断是否为 OpenCV 图像img=Image.fromarray(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))draw=ImageDraw.Draw(img)# 创建绘图对象fontStyle=ImageFont.truetype("simhei.ttf",textSize,encoding="utf-8")draw.text(position,text,textColor,font=fontStyle)# 绘制文本returncv2.cvtColor(np.asarray(img),cv2.COLOR_RGB2BGR)# 转回 OpenCV 格式

cv2.putText不支持中文字符，直接绘制"男性"会显示为问号。该函数的处理方式是格式转换：先将 OpenCV 的 BGR 数组转为 PIL 图像，用 PIL 接口加载黑体字体完成中文绘制，再转回 OpenCV 格式返回。真正执行绘制的只有draw.text一行，前后各一次格式转换。

（5）主循环

cap=cv2.VideoCapture(0)# 装载摄像头whileTrue:_,frame=cap.read()frame=cv2.flip(frame,flipCode=1)# 镜像处理# 获取人脸包围框、绘制人脸包围框（可能多个）frame,faceBoxes=getBoxes(faceNet,frame)ifnotfaceBoxes:# 没有人脸时检测下一帧，后续循环操作不再继续print("当前镜头中没有人")continue# 遍历每一个人脸包围框forfaceBoxinfaceBoxes:# 裁出人脸，处理为符合 DNN 输入的格式x1,y1,x2,y2=faceBox face=frame[y1:y2,x1:x2]blob=cv2.dnn.blobFromImage(face,scalefactor=1.0,size=(227,227),mean)# 调用模型，预测性别genderNet.setInput(blob)genderOuts=genderNet.forward()gender=genderList[genderOuts[0].argmax()]# 调用模型，预测年龄ageNet.setInput(blob)ageOuts=ageNet.forward()age=ageList[ageOuts[0].argmax()]result="{} {}".format(gender,age)# 格式化文本（性别、年龄）frame=cv2AddChineseText(frame,result,position=(x1,y1-30))cv2.imshow(winname="result",frame)ifcv2.waitKey(1)==27:# 按下 Esc 键，退出程序breakcv2.destroyAllWindows()cap.release()

cap.read()每次读取一帧，返回值中的下划线为读取成功标志，此处不使用，仅保留画面。cv2.flip(frame, flipCode=1)执行水平镜像：不镜像时人物移动方向与画面相反，镜像后与照镜子的直觉一致。

if not faceBoxes: continue：空列表在 Python 中为假值，未检测到人脸时跳过本帧剩余处理，直接读取下一帧。副作用是此时imshow不会执行，窗口画面停止刷新，属于写法上的取舍而非缺陷。

裁取人脸的frame[y1:y2, x1:x2]有一个易错点：NumPy 图像切片先行（y）后列（x），若写成frame[x1:x2, y1:y2]相当于裁取转置图像，后续预测结果将完全混乱。调试时可先打开注释中的cv2.imshow("face", face)，确认裁出内容无误后再输入模型。

第二次blobFromImage与第一次不同：尺寸为 227×227（年龄性别网络的论文输入规格，并非常见的 224），均值改用变量mean。原则是每个模型的输入尺寸与均值均以其训练配置为准，模型之间不通用。

性别与年龄的预测代码结构一致：更换网络、forward、argmax、查表。position=(x1, y1 - 30)将文字绘制在人脸框上方 30 像素处，避免遮挡人脸。waitKey(1) == 27表示按下 Esc 键退出；waitKey同时承担刷新窗口的职责，缺少该调用时 imshow 画面不会更新。

运行效果：

三、疲劳检测

3.1 程序原理

疲劳检测采用另一条技术路线：不训练模型判断疲劳状态，而是将其转化为可测量的几何量——眼睛开合程度，即 EAR（Eye Aspect Ratio，眼睛纵横比）。

摄像头取帧 │ ▼ ① dlib 检测人脸位置（HOG 检测器） │ ▼ ② 68 点关键点模型回归出整脸 68 个点 │ 其中 36~41 与 42~47 分别对应两只眼睛 ▼ ③ 每只眼睛计算 EAR = 上下距离均值 ÷ 横向距离 │ ▼ ④ EAR < 0.3 判为闭眼 → 连续帧计数器 +1 │ 计数器 ≥ 50 帧 → 屏幕报警"疲劳" ▼ ⑤ EAR ≥ 0.3 视为睁眼 → 计数器清零

EAR 的计算基于每只眼睛的 6 个关键点：

p2 p3 p1 p4 p6 p5

EAR=∥p2−p6∥+∥p3−p5∥2×∥p1−p4∥EAR = \frac{\|p2-p6\| + \|p3-p5\|}{2 \times \|p1-p4\|}EAR=2×∥p1−p4∥∥p2−p6∥+∥p3−p5∥​

分子为两条纵向线段的平均长度（上下眼睑间距），分母为横向眼角距离。睁眼时 EAR 约在 0.25 至 0.4 之间，闭眼时降至 0.1 左右。采用比值而非绝对像素距离，使检测结果不受人脸与摄像头距离的影响：距离变化时分子分母同步缩放，比值基本不变，单一阈值即可适配各种距离。

至于为何不能一检测到闭眼就报警：正常人眨眼同样产生短暂的闭眼状态，持续仅 100 至 400 毫秒（约数帧）。区分眨眼与疲劳的依据是持续时间，代码以 COUNTER 累计连续闭眼帧数，达到 50 帧（按 30 帧每秒约合 1.7 秒）才判定为疲劳。困倦状态的典型特征是眼睛闭合后长时间不睁开，持续状态才是有效信号。

3.2 代码分段讲解

（1）EAR 计算函数

defeye_aspect_ratio(eye):""" # ------- 计算眼睛纵横比 ------- # 1 2 # 0 3 <------ 眼睛的 6 个关键点 # 5 4 # ----------------------------- """A=euclidean_distances(eye[1].reshape(1,2),eye[5].reshape(1,2))B=euclidean_distances(eye[2].reshape(1,2),eye[4].reshape(1,2))C=euclidean_distances(eye[0].reshape(1,2),eye[3].reshape(1,2))ear=((A+B)/2.0)/C# 纵向距离均值 / 横向距离returnear

参数eye为 6 行 2 列数组，每行是一个关键点的 (x, y) 坐标，eye[1]、eye[5]对应示意图中的 p2、p6。三次距离计算分别对应公式中的 A、B、C，(A+B)/2/C即公式本身。

reshape(1, 2)的原因是 sklearn 的euclidean_distances要求输入为二维数组（每行一个样本），单点[x, y]是一维的，需包裹为[[x, y]]。此外该函数返回[[距离]]形式的二维数组而非单个数值，因此主循环中取值须写作ear[0][0]。

（2）绘制眼睛轮廓

defdrawEye(eye):"""绘制眼睛轮廓（凸包）"""eyeHull=cv2.convexHull(eye)cv2.drawContours(frame,[eyeHull],-1,color=(0,255,0),thickness=1)

convexHull计算 6 个点的凸包，即包围这些点的最小凸多边形。若按索引顺序直接连线，点的顺序可能杂乱，凸包可保证得到规整的眼睛外轮廓。drawContours负责绘制，参数-1表示绘制列表中的全部轮廓。该函数直接使用全局变量frame而未传参，可以运行，但自行封装时建议以参数传入，避免隐式依赖。

（3）初始化

COUNTER=0# 闭眼持续帧数统计detector=dlib.get_frontal_face_detector()# 人脸位置检测器predictor=dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")# 68 关键点模型cap=cv2.VideoCapture(0)

get_frontal_face_detector()是 dlib 内置的 HOG+SVM 正脸检测器，无需下载文件；主循环中调用时传入的第二个参数 0 为图像金字塔上采样次数，0 表示不放大图像——放大会检出更小的人脸，但耗时增加。

shape_predictor加载 68 点模型（即 1.2 节下载的 .dat 文件），输入整幅图像与人脸框，输出 68 个关键点坐标。68 点的标准分布为：脸轮廓 0~16，眉毛 17~26，鼻梁 27~30，鼻底 31~35，两眼分别为 36~41 与 42~47，嘴部 48~67，本程序仅使用眼部的 12 个点。

（4）主循环

whileTrue:ret,frame=cap.read()faces=detector(frame,0)# 获取人脸forfaceinfaces:# 遍历每一张人脸shape=predictor(frame,face)# 获取关键点# 将关键点坐标转换为 (x, y) 的形式shape=np.array([[p.x,p.y]forpinshape.parts()])rightEye=shape[36:42]# 眼睛A：关键点索引从36到41(不包含42)leftEye=shape[42:48]# 眼睛B：从42到47(不包含48)rightEAR=eye_aspect_ratio(rightEye)# 计算一只眼纵横比leftEAR=eye_aspect_ratio(leftEye)# 计算另一只眼纵横比ear=(leftEAR+rightEAR)/2.0# 计算均值ifear<0.3:# 小于 0.3 认为闭眼，可调整阈值COUNTER+=1# 闭眼帧数 +1ifCOUNTER>=50:# 连续 50 帧都闭眼，报警提示frame=cv2AddChineseText(frame,text="!!!疲劳!!!",position=(250,250))else:# ear >= 0.3，视为睁眼，解除报警COUNTER=0# 计数器清零drawEye(leftEye)# 绘制眼睛轮廓drawEye(rightEye)# 绘制眼睛轮廓info="EAR: {:.2f}".format(ear[0][0])frame=cv2AddChineseText(frame,info,position=(0,30))# 左上角显示当前 EAR 值cv2.imshow(winname="Frame",frame)ifcv2.waitKey(1)==27:# 按下 Esc 键，退出程序breakcv2.destroyAllWindows()cap.release()

shape.parts()返回 dlib 自带的点对象列表，每个对象携带.x与.y属性，列表推导式将其转换为 NumPy 数组，便于后续切片与距离计算。这是 dlib 结果接入 NumPy 生态的固定写法，多数使用 dlib 的程序中都能见到。

眼部切片使用shape[36:42]，Python 切片含头不含尾，恰好取得 36 至 41 共 6 个点。左右眼的命名取决于参照系（镜像后视觉左右对调），命名不影响计算结果，关键是索引区间不可取错。

判定时对双眼 EAR 取平均再与阈值比较，比仅依据单眼更稳定，可抵御侧脸、单眼反光等干扰。阈值 0.3 出自 EAR 原论文（Soukupová 与 Čech，2016）的经验值，但个体眼睛形态存在差异，更可靠的做法是利用代码显示在左上角的实时 EAR 值：分别记录睁眼与闭眼时的典型数值，在两者之间取中间值作为自己的阈值。

计数器逻辑构成一个简单可靠的状态机：闭眼计数、睁眼清零，累计 50 帧后报警。注意cv2.imshow位于for face in faces外部，因此未检测到人脸时窗口仍会刷新原始画面，不会出现上一程序中画面停止刷新的情况。

四、两种思路对照

两种路线并无优劣之分。规律复杂、类别繁多的任务适合神经网络；几何关系清晰的规则化判断，公式方案更轻量、快速且易于解释。二者也可组合使用，例如在疲劳检测基础上增加"连续张嘴检测"：检测模型定位，再对嘴部关键点套用张合比公式，即可同时运用两种思路。

五、常见问题与对策

六、总结

两个程序的骨架都不复杂：年龄性别识别是"检测定位 → 裁图 → 分类查表"，疲劳检测是"定位 → 计算比值 → 阈值判断 → 连续帧确认"。决定能否举一反三的是中间的细节——blob 如何构造、检测结果四维结构如何解读、EAR 为何采用比值、为何需要帧数确认。掌握这些内容后，可尝试将疲劳检测改造为"张嘴检测"或"点头检测"，完成这一改造即说明两种思路均已理解到位。