互動式學習指南
駕駛疲勞偵測系統
本系統透過電腦視覺與演算法，即時監測駕駛員眼部狀態，預防疲勞駕駛帶來的潛在危險。請向下探索本課程的四大核心模組。
1 什麼是 MediaPipe？
了解我們將使用的強大底層機器學習框架，以及它的核心優勢。
🌐
Google 開發與開源
由 Google 研發並完全開源的機器學習框架，提供立即可用的各種視覺與機器學習解決方案。
⚡
輕量、跨平台、硬體加速
極低的系統資源消耗，支援 Windows、Linux、Android 等跨平台運行，並支援 GPU 硬體加速。
🎭
核心：Face Mesh
本課程的核心技術。Face Mesh (臉部網格) 能在極短時間內精準標註出人臉上 468 個關鍵 3D 座標點。
2 偵測原理 - EAR 演算法
探討系統如何透過數學公式判斷您是否「閉上眼睛」。點擊右側按鈕測試演算法反應。
👁️ EAR (Eye Aspect Ratio)
眼睛縱橫比。透過計算眼皮上下緣距離與眼角左右距離的比例，來量化眼睛的開合程度。
EAR = [ ||p2 - p6|| + ||p3 - p5|| ]
-----------------------------
2 × ||p1 - p4||
-----------------------------
2 × ||p1 - p4||
狀態判定邏輯
👀 張眼時
0.25 - 0.35
😑 閉眼時
趨近於 0
🚨 疲勞定義
EAR < 0.2 (持續超時)
即時 EAR 數值模擬監控
系統狀態：清醒監測中
3 Windows 環境開發工具
架設專業的 AI 視覺開發環境所需的關鍵工具與設定。
Visual Studio Code
目前全球最受歡迎的程式碼編輯器。擁有極致的效能與無可匹敵的擴充套件生態系，是開發 Python 與 AI 專案的首選工具。
- 安裝微軟官方的 Python 擴充套件以獲得語法提示與除錯功能。
- 內建終端機 (Terminal)，方便直接執行環境指令。
4 實作目標檢查清單
點擊下方步驟以記錄您的系統開發進度，完成所有目標即可結業！
1
啟動 WebCamera 並擷取影像 (OpenCV)
2
導入 MediaPipe 標註臉部 468 個關鍵點
3
擷取眼睛座標，即時計算 EAR 並顯示在畫面上
4
撰寫超時判斷邏輯，觸發疲勞警告與截圖功能