def isBlinking（history， maxFrames）：    ＂＂＂ ＠history： A string containing the history of eyes status          where a ＇1＇ means that the eyes were closed and ＇0＇ open．        ＠m(xù)axFrames： The maximal number of successive frames where an eye is closed ＂＂＂    for i in range（maxFrames）：        pattern ＝ ＇1＇ ＋ ＇0＇＊（i＋1） ＋ ＇1＇        if pattern in history：            return True    return False3．活體的人臉識別我們幾乎擁有了建立“真實”人臉識別算法的所有要素，我們只需要一種實時檢測人臉和眼睛的方法。我使用openCV預(yù)先訓(xùn)練的Haar級聯(lián)分類器來完成這些任務(wù)。有關(guān)Haar cascade人臉和眼睛檢測的更多信息，我強烈建議你閱讀openCV的這篇強大的文章。https：／／docs．opencv．org／3．4．3／d7／d8b／tutorial＿py＿face＿detection．htmldef detect＿and＿display（model， video＿capture， face＿detector， open＿eyes＿detector， left＿eye＿detector， right＿eye＿detector， data， eyes＿detected）：        frame ＝ video＿capture．read（）        ＃ 調(diào)整框架大小        frame ＝ cv2．resize（frame， （0， 0）， fx＝0．6， fy＝0．6）

gray ＝ cv2．cvtColor（frame， cv2．COLOR＿BGR2GRAY）        rgb ＝ cv2．cvtColor（frame， cv2．COLOR＿BGR2RGB）

＃ 檢測人臉        faces ＝ face＿detector．detectMultiScale（            gray，            scaleFactor＝1．2，            minNeighbors＝5，            minSize＝（50， 50），            flags＝cv2．CASCADE＿SCALE＿IMAGE        ）

＃ 對于每個檢測到的臉        for （x，y，w，h） in faces：            ＃ 將人臉編碼為128維嵌入向量            encoding ＝ face＿recognition．face＿encodings（rgb， ［（y， x＋w， y＋h， x）］）［0］

＃ 將向量與所有已知的人臉編碼進(jìn)行比較            matches ＝ face＿recognition．compare＿faces（data［＂encodings＂］， encoding）

＃ 目前我們不知道該人的名字            name ＝ ＂Unknown＂

＃ 如果至少有一次匹配：            if True in matches：                matchedIdxs ＝ ［i for （i， b） in enumerate（matches） if b］                counts ＝ ｛｝                for i in matchedIdxs：                    name ＝ data［＂names＂］［i］                    counts［name］ ＝ counts．get（name， 0） ＋ 1

＃ 匹配次數(shù)最多的已知編碼對應(yīng)于檢測到的人臉名稱                name ＝ max（counts， key＝counts．get）

face ＝ frame［y：y＋h，x：x＋w］            gray＿face ＝ gray［y：y＋h，x：x＋w］

eyes ＝ ［］

＃ 眼睛檢測            ＃ 首先檢查眼睛是否睜開（考慮到眼鏡）            open＿eyes＿glasses ＝ open＿eyes＿detector．detectMultiScale（gray＿face，scaleFactor＝1．1，minNeighbors＝5，minSize＝（30， 30），flags ＝ cv2．CASCADE＿SCALE＿IMAGE            ）  ＃ 如果open＿eyes＿glasses檢測到眼睛，則眼睛睜開 if len（open＿eyes＿glasses） ＝＝ 2： eyes＿detected［name］＋＝＇1＇ for （ex，ey，ew，eh） in open＿eyes＿glasses：                    cv2．rectangle（face，（ex，ey），（ex＋ew，ey＋eh），（0，255，0），2）

＃ 否則嘗試使用left和right＿eye＿detector檢測眼睛    ＃ 以檢測到睜開和閉合的眼睛  else：  ＃ 將臉分成左右兩邊    left＿face ＝ frame［y：y＋h， x＋int（w／2）：x＋w］     left＿face＿gray ＝ gray［y：y＋h， x＋int（w／2）：x＋w］

right＿face ＝ frame［y：y＋h， x：x＋int（w／2）］                right＿face＿gray ＝ gray［y：y＋h， x：x＋int（w／2）］

＃ 檢測左眼                left＿eye ＝ left＿eye＿detector．detectMultiScale（                    left＿face＿gray，                    scaleFactor＝1．1，                    minNeighbors＝5，                    minSize＝（30， 30），                    flags ＝ cv2．CASCADE＿SCALE＿IMAGE                ）

＃ 檢測右眼                right＿eye ＝ right＿eye＿detector．detectMultiScale（                    right＿face＿gray，                    scaleFactor＝1．1，                    minNeighbors＝5，                    minSize＝（30， 30），                    flags ＝ cv2．CASCADE＿SCALE＿IMAGE                ）

eye＿status ＝ ＇1＇ ＃ we suppose the eyes are open

＃ 檢查每只眼睛是否閉合。                ＃ 如果有人閉著眼睛，我們得出結(jié)論是閉著眼睛                for （ex，ey，ew，eh） in right＿eye：                    color ＝ （0，255，0）                    pred ＝ predict（right＿face［ey：ey＋eh，ex：ex＋ew］，model）                    if pred ＝＝ ＇closed＇：                        eye＿status＝＇0＇                        color ＝ （0，0，255）                    cv2．rectangle（right＿face，（ex，ey），（ex＋ew，ey＋eh），color，2）                for （ex，ey，ew，eh） in left＿eye：                    color ＝ （0，255，0）                    pred ＝ predict（left＿face［ey：ey＋eh，ex：ex＋ew］，model）                    if pred ＝＝ ＇closed＇：                        eye＿status＝＇0＇                        color ＝ （0，0，255）                    cv2．rectangle（left＿face，（ex，ey），（ex＋ew，ey＋eh），color，2）                eyes＿detected［name］ ＋＝ eye＿status

＃ 每次，我們都會檢查該人是否眨眼            ＃ 如果是，我們顯示其名字            if isBlinking（eyes＿detected［name］，3）：                cv2．rectangle（frame， （x， y）， （x＋w， y＋h）， （0， 255， 0）， 2）

＃ 顯示名字                y ＝ y － 15 if y － 15 ＞ 15 else y ＋ 15                cv2．putText（frame， name， （x， y）， cv2．FONT＿HERSHEY＿SIMPLEX，0．75， （0， 255， 0）， 2）

return frame上面的功能是用于檢測和識別真實人臉的代碼，它接受以下參數(shù)：model：我們的睜眼／閉眼分類器video＿capture：流視頻face＿detector：Haar級聯(lián)的人臉分類器。我使用了haarcascade＿frontalface＿alt．xmlopen＿eyes＿detector：Haar級聯(lián)睜眼分類器。我使用了haarcascade＿eye＿tree＿eyeglasses．xmlleft＿eye＿detector：Haar級聯(lián)的左眼分類器。我使用了haarcascade＿lefteye＿2splits．xml，它可以檢測睜眼或閉眼。right＿eye＿detector：Haar級聯(lián)的右眼分類器。我使用了haarcascade＿righteye＿2splits．xml，它可以檢測睜眼或閉眼。data：已知編碼和已知名稱的字典eyes＿detected：包含每個名稱的眼睛狀態(tài)歷史記錄的字典。在第2－4行，我們從網(wǎng)絡(luò)攝像頭流中獲取一個幀，然后調(diào)整其大小以加快計算速度。在第10行，我們從幀中檢測人臉，然后在第21行，我們將其編碼為128－d矢量。在第23－38行，我們將這個向量與已知的人臉編碼進(jìn)行比較，并通過計算匹配的次數(shù)來確定此人的姓名，選擇匹配次數(shù)最多的一個。從第45行開始，我們試著探測眼睛進(jìn)入人臉框。首先，我們嘗試用睜眼檢測器來檢測睜眼，如果探測器探測成功，則在第54行，將“1”添加到眼睛狀態(tài)歷史記錄中，這意味著眼睛是睜開的，因為睜開的眼睛探測器無法檢測到閉著的眼睛；否則，如果第一個分類器失�。�可能是因為眼睛是閉著的，或者僅僅是因為它不能識別眼睛），則使用左眼和右眼檢測器，人臉被分為左右兩側(cè)，以便對各個探測器進(jìn)行分類。從第92行開始，提取眼睛部分，訓(xùn)練后的模型預(yù)測眼睛是否閉合，如果檢測到一只眼睛閉著，則兩眼都將被預(yù)測為閉著，并將“0”添加到眼睛狀態(tài)歷史記錄中；否則就可以斷定眼睛是睜開的。最后，在第110行，is blinking（）函數(shù)用于檢測眨眼，如果該人眨眼，則顯示姓名。整個代碼都可以在我的github帳戶上找到。