企业官网建设流程全解析

完整代码一览

import numpy as np import dlib import cv2 from sklearn.metrics.pairwise import euclidean_distances from PIL import Image,ImageDraw,ImageFont#MAR：嘴巴纵横比defMAR(shape):A=euclidean_distances(shape[50].reshape(1,2),shape[58].reshape(1,2))B=euclidean_distances(shape[51].reshape(1,2),shape[57].reshape(1,2))C=euclidean_distances(shape[52].reshape(1,2),shape[56].reshape(1,2))D=euclidean_distances(shape[48].reshape(1,2),shape[54].reshape(1,2))return((A+B+C)/3)/D#EAR：眼睛纵横比defeye_aspect_ratio(eye):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)/Creturnear#MJR：嘴宽/脸宽比值defMJR(shape):M=euclidean_distances(shape[48].reshape(1,2),shape[54].reshape(1,2))J=euclidean_distances(shape[3].reshape(1,2),shape[13].reshape(1,2))returnM/J#OpenCV 中文绘制defcv2AddChineseText(img,text,position,textColor=(255,0,0),textSize=30):ifisinstance(img,np.ndarray):img=Image.fromarray(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))draw=ImageDraw.Draw(img)font=ImageFont.truetype("simhei.ttf",textSize,encoding="utf-8")draw.text(position,text,textColor,font=font)returncv2.cvtColor(np.array(img),cv2.COLOR_RGB2BGR)defdrawEye(eye):eyeHull=cv2.convexHull(eye)cv2.drawContours(frame,[eyeHull],-1,(0,255,0),2)detector=dlib.get_frontal_face_detector()predictor=dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")cap=cv2.VideoCapture(0)COUNTER=0whileTrue:ret,frame=cap.read()ifnot ret:breakfaces=detector(frame,0)forface in faces:shape=predictor(frame,face)shape=np.array([[p.x,p.y]forp in shape.parts()])rightEye=shape[36:42]leftEye=shape[42:48]rightEAR=eye_aspect_ratio(rightEye)leftEAR=eye_aspect_ratio(leftEye)ear=(leftEAR+rightEAR)/2.0mar=MAR(shape)mjr=MJR(shape)print('mar',mar,'\tmjr',mjr)result="正常"ifmar>0.5:result="大笑"elif mjr>0.45:result="微笑"elif mar>0.45and ear<0.3:COUNTER+=1ifCOUNTER>=30:result='哭'elif ear>0.35:result='愤怒'else:COUNTER=0drawEye(leftEye)drawEye(rightEye)info="EAR: {:.2f}".format(ear[0][0])frame=cv2AddChineseText(frame,info,(0,30))frame=cv2AddChineseText(frame,result,(50,100))mouthHull=cv2.convexHull(shape[48:61])cv2.drawContours(frame,[mouthHull],-1,(0,255,0),1)cv2.imshow("Frame",frame)ifcv2.waitKey(1)==27:breakcap.release()cv2.destroyAllWindows()

一、环境准备与模型文件

在运行代码之前，请确保已安装以下库：

pip install dlib opencv-python scikit-learn Pillow

并下载 dlib 的 68 点关键点模型文件：

下载地址
解压后得到 shape_predictor_68_face_landmarks.dat，放在脚本同一目录。

中文绘制需要字体文件，本代码使用 simhei.ttf（黑体），你可以从 Windows 系统字体文件夹（C:\Windows\Fonts）复制，或使用其他中文字体（如 msyh.ttc），并修改代码中的字体名称。

二、核心原理：三个关键指标

1. EAR（眼睛纵横比）—— 判断睁眼/闭眼

我们在上一篇文章中已经详细介绍过，它基于眼睛 6 个点：

睁眼时 EAR ≈ 0.25~0.3，闭眼时接近 0。

用于区分“愤怒”（眼睛睁圆，EAR 较大）和“哭”（眼睛闭合，EAR 很小）。

2. MAR（嘴巴纵横比）—— 判断嘴巴张开程度

MAR 是 Mouth Aspect Ratio 的缩写，基于嘴巴 6 个点（内唇上下）和宽度：

嘴巴张开（大笑、惊讶）时，MAR 明显增大（> 0.5）。

嘴巴闭合时，MAR 较小（< 0.4）。

3. MJR（嘴宽脸宽比）—— 判断嘴巴拉宽程度

MJR 是 Mouth-to-Jaw Ratio，即嘴巴宽度与下颌宽度（脸部宽度）的比值：

微笑时，嘴巴会向两侧拉宽，MJR 增大（> 0.45）。

正常表情时，MJR 较小。

通过这三个指标的组合，我们可以区分多种表情。

三、逐行代码详解

1. 导入库与定义指标函数

import numpy as np import dlib import cv2 from sklearn.metrics.pairwise import euclidean_distances #提供欧氏距离计算 from PIL import Image,ImageDraw,ImageFont #中文绘制

MAR 函数

defMAR(shape):A=euclidean_distances(shape[50].reshape(1,2),shape[58].reshape(1,2))B=euclidean_distances(shape[51].reshape(1,2),shape[57].reshape(1,2))C=euclidean_distances(shape[52].reshape(1,2),shape[56].reshape(1,2))D=euclidean_distances(shape[48].reshape(1,2),shape[54].reshape(1,2))return((A+B+C)/3)/D

shape 是 68 个点的坐标数组，索引 48~60 是嘴巴区域。

50/58、51/57、52/56 是三对垂直方向上的内唇点，取平均得到嘴巴高度；48 和 54 是嘴角两端，代表嘴巴宽度。

MAR = 平均高度 / 宽度，张嘴时增大。

MJR 函数

defMJR(shape):M=euclidean_distances(shape[48].reshape(1,2),shape[54].reshape(1,2))# 嘴宽 J=euclidean_distances(shape[3].reshape(1,2),shape[13].reshape(1,2))# 下颌宽度returnM/J

shape[48] 和 shape[54] 是嘴角，其距离即嘴宽。

shape[3] 和 shape[13] 是下巴轮廓两端的点（相当于脸部宽度）。

微笑时嘴巴变宽，比值增大。

辅助函数

中文绘制 cv2AddChineseText

defcv2AddChineseText(img,text,position,textColor=(255,0,0),textSize=30):ifisinstance(img,np.ndarray):img=Image.fromarray(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))draw=ImageDraw.Draw(img)font=ImageFont.truetype("simhei.ttf",textSize,encoding="utf-8")draw.text(position,text,textColor,font=font)returncv2.cvtColor(np.array(img),cv2.COLOR_RGB2BGR)

将 OpenCV 图像转为 PIL 图像，绘制文字后再转回 OpenCV BGR 格式。

绘制眼睛轮廓 drawEye

defdrawEye(eye):eyeHull=cv2.convexHull(eye)cv2.drawContours(frame,[eyeHull],-1,(0,255,0),2)

3. 主程序结构

detector=dlib.get_frontal_face_detector()predictor=dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")cap=cv2.VideoCapture(0)COUNTER=0

初始化检测器、预测器、摄像头，COUNTER 用于连续闭眼帧计数。

4. 主循环

whileTrue:ret,frame=cap.read()ifnot ret:breakfaces=detector(frame,0)

逐帧读取，检测人脸。

提取关键点并计算指标

forface in faces:shape=predictor(frame,face)shape=np.array([[p.x,p.y]forp in shape.parts()])rightEye=shape[36:42]leftEye=shape[42:48]rightEAR=eye_aspect_ratio(rightEye)leftEAR=eye_aspect_ratio(leftEye)ear=(leftEAR+rightEAR)/2.0mar=MAR(shape)mjr=MJR(shape)print('mar',mar,'\tmjr',mjr)

获取 68 点，截取左右眼和嘴巴，计算三个指标。print 输出到控制台便于调试。

表情判定逻辑

result="正常"ifmar>0.5:result="大笑"elif mjr>0.45:result="微笑"elif mar>0.45and ear<0.3:COUNTER+=1ifCOUNTER>=30:result='哭'elif ear>0.35:result='愤怒'else:COUNTER=0

采用级联判断：

如果 MAR > 0.5，判定为“大笑”（嘴巴张得很大）。

否则如果 MJR > 0.45，判定为“微笑”（嘴巴拉宽但未张很大）。

否则如果 MAR > 0.45 且 EAR < 0.3（嘴巴张开且眼睛闭合），可能是“哭”，需要连续 30 帧确认（与疲劳检测类似）。

否则如果 EAR > 0.35（眼睛睁得很圆），判定为“愤怒”。

否则为“正常”。

绘制与显示

drawEye(leftEye)drawEye(rightEye)info="EAR: {:.2f}".format(ear[0][0])frame=cv2AddChineseText(frame,info,(0,30))frame=cv2AddChineseText(frame,result,(50,100))mouthHull=cv2.convexHull(shape[48:61])cv2.drawContours(frame,[mouthHull],-1,(0,255,0),1)

绘制眼睛和嘴巴的凸包轮廓（绿色），显示 EAR 值和表情结果。

最后显示画面，按 ESC 退出。