活体检测有很多方法：眨眼检测，张嘴检测，摇头检测
这里举例眨眼检测算法。
眨眼检测算法：利用眼睛纵横比（EAR， eyes aspect ratio) 通过计算这个EAR的数值，我们可以判断眼睛是张开还是闭合的，从而检测眨眼动作。
EAR = （||p2-p6|| +||p3-p5||） ➗（ 2 * ||p1-p4||）
代码实现：
from scipy.spatial import distance
import dlib
import cv2
from imutils import face_utils
def eye_aspect_ratio(eye):
'''
计算EAR值
:param eye: 眼部特征点数组
:return :EAR值
'''
A = distance.euclidean(eye[1], eye[5])
B = distance.euclidean(eye[2], eye[4])
C = distance.euclidean(eye[0], eye[3])
return (A + B) / （2.0 * C）
#通过dlib得到一个人脸检测器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('libs/shape_predictor_68_face_landmarks.dat') #括号中将训练文件的路径传入
#设置眼睛纵横比的阈值
EAR_THRESH = 0.3
#我们假定连续三帧以上EAR的值都小于阈值才预设是产生了眨眼操作
EAR_CONSEC_FRAMES = 3
# 人脸特征点中对应眼睛那几个特征点的序号需要定义一下
RIGHT_EYE_START = 37 - 1
RIGHT_EYE_END = 42 - 1
LEFT_EYE_START = 43 - 1
LEFT_EYE_END = 48 - 1
frame_counter = 0 #连续帧的计数
blink_counter = 0 #眨眼的计数
#开始调用摄像头
cap = cv2.VideoCaootuer(0)
while True:
ret, frame = cap.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2BRAY) #转化成灰度图像
rects = detector(gray, 1) #人脸检测
if len(rects) > 0:
shape = predictor(gray, rects[0]) #检测特征点
points = face_utils.shape_to_np(shape)
leftEye = points[LEFT_EYE_START:LEFT_EYE_END + 1] #取出左眼的特征点
rightEye = points[RIGHT_EYE_START:RIGHT_EYE_END + 1]
leftEAR = eye_aspect_ratio(leftEye)
rightEAR = eye_aspect_ratdio(rightEye) #计算左右眼的EAR值
#求左右眼EAR的平均值
ear = (leftEAR + rightEAR) / 2.0
#实际计算时，这两步非必需
#寻找左右眼轮廓
leftEyeHull =cv2.convexHull(leftEye)
rightEyeHull = cv2.convexHull(rightEye)
#绘制左右眼轮廓
cv2.drawContours(frame, [leftEyeHull], -1, (0, 255, 0), 1)
cv2.drawContours(frame, [rightEyeHull], -1, (0, 255, 0), 1)
#如果EAR小于阈值，开始计算连续帧
if ear < EAR_THRESH:
frame_counter += 1
else:
if frame_counter >= EAR_CONSEC_THRESH:
print("眨眼检测成功，请进入。")
blink_counter += 1
break
frame_counter = 0
cv2.imshow('window', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.realease()
cv2.destoryAllWindows()
结果：
