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．        ＠maxFrames： 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．活体的人脸识别我们几乎拥有了建立“真实”人脸识别算法的所有要素，我们只需要一种实时检测人脸和眼睛的方法。我使用openCV预先训练的Haar级联分类器来完成这些任务。有关Haar cascade人脸和眼睛检测的更多信息，我强烈建议你阅读openCV的这篇强大的文章。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（）        ＃ 调整框架大小        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）

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

＃ 对于每个检测到的脸        for （x，y，w，h） in faces：            ＃ 将人脸编码为128维嵌入向量            encoding ＝ face＿recognition．face＿encodings（rgb， ［（y， x＋w， y＋h， x）］）［0］

＃ 将向量与所有已知的人脸编码进行比较            matches ＝ face＿recognition．compare＿faces（data［＂encodings＂］， encoding）

＃ 目前我们不知道该人的名字            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

＃ 匹配次数最多的已知编码对应于检测到的人脸名称                name ＝ max（counts， key＝counts．get）

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

eyes ＝ ［］

＃ 眼睛检测            ＃ 首先检查眼睛是否睁开（考虑到眼镜）            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检测到眼睛，则眼睛睁开 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）

＃ 否则尝试使用left和right＿eye＿detector检测眼睛    ＃ 以检测到睁开和闭合的眼睛  else：  ＃ 将脸分成左右两边    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）］

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

＃ 检测右眼                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

＃ 检查每只眼睛是否闭合。                ＃ 如果有人闭着眼睛，我们得出结论是闭着眼睛                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，我们都会检查该人是否眨眼            ＃ 如果是，我们显示其名字            if isBlinking（eyes＿detected［name］，3）：                cv2．rectangle（frame， （x， y）， （x＋w， y＋h）， （0， 255， 0）， 2）

＃ 显示名字                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上面的功能是用于检测和识别真实人脸的代码，它接受以下参数：model：我们的睁眼／闭眼分类器video＿capture：流视频face＿detector：Haar级联的人脸分类器。我使用了haarcascade＿frontalface＿alt．xmlopen＿eyes＿detector：Haar级联睁眼分类器。我使用了haarcascade＿eye＿tree＿eyeglasses．xmlleft＿eye＿detector：Haar级联的左眼分类器。我使用了haarcascade＿lefteye＿2splits．xml，它可以检测睁眼或闭眼。right＿eye＿detector：Haar级联的右眼分类器。我使用了haarcascade＿righteye＿2splits．xml，它可以检测睁眼或闭眼。data：已知编码和已知名称的字典eyes＿detected：包含每个名称的眼睛状态历史记录的字典。在第2－4行，我们从网络摄像头流中获取一个帧，然后调整其大小以加快计算速度。在第10行，我们从帧中检测人脸，然后在第21行，我们将其编码为128－d矢量。在第23－38行，我们将这个向量与已知的人脸编码进行比较，并通过计算匹配的次数来确定此人的姓名，选择匹配次数最多的一个。从第45行开始，我们试着探测眼睛进入人脸框。首先，我们尝试用睁眼检测器来检测睁眼，如果探测器探测成功，则在第54行，将“1”添加到眼睛状态历史记录中，这意味着眼睛是睁开的，因为睁开的眼睛探测器无法检测到闭着的眼睛；否则，如果第一个分类器失败（可能是因为眼睛是闭着的，或者仅仅是因为它不能识别眼睛），则使用左眼和右眼检测器，人脸被分为左右两侧，以便对各个探测器进行分类。从第92行开始，提取眼睛部分，训练后的模型预测眼睛是否闭合，如果检测到一只眼睛闭着，则两眼都将被预测为闭着，并将“0”添加到眼睛状态历史记录中；否则就可以断定眼睛是睁开的。最后，在第110行，is blinking（）函数用于检测眨眼，如果该人眨眼，则显示姓名。整个代码都可以在我的github帐户上找到。