1. 研究目的与意义（文献综述）
眼睛在人与人的自然交互中有着重要的意义,它通常能反映交互双方的意向以及认真、友善、诚恳或尊重的程度。尤其是在威严、敌对或爱恋等极端情况下,眼睛甚至可以传达“杀机”或“钟情”。因此，经过漫长进化形成的人类视觉对注视和面部表情的探知能力是非常优异而独特的,不仅识别的速度快，而且推广性极高,其机制研究至今仍是视觉科学的前沿课题。
而眨眼检测主要用于上班的打卡软件上，有的打卡软件上有人脸识别，通过眨眼识别可以防止有人通过照片冒充人脸欺骗打卡软件，另一方面也可以通过眨眼拍照增加用户与打卡产品的互动性，使员工的打开过程更加方便。眨眼动作作为人类重要的面部特征，准确识别眨眼动作有着广泛的应用场景，可以根据眨眼动作来辅助判断驾驶员疲劳驾驶，可以根据眨眼动作区分活体和图片等非活体。目前现有的眨眼检测一般采用基于人脸68个landmark点计算眼睛宽高比来判断眨眼，然后与预先设置的阈值进行比较，如果在睁眼闭眼状态切换一次，则认为出现眨眼动作，该方法对landmark的准确率要求很高，但是在实际的各种复杂应用场景，不同光线条件，不同头部姿势时，landmark识别的准确率较低，因此基于此方法计算的眨眼检测准确率不高，而且计算量较大，造成延时较高。
python是一种计算机程序设计语言，由吉多·范罗苏姆创造，第一版发布于1991年，可以视之为一种改良的lisp。python的设计哲学强调代码的可读性和简洁的语法。相比于c 或java，python让开发者能够用更少的代码表达想法。python是一种解释型脚本语言，可以应用于以下领域：web 和 internet开发、科学计算和统计、人工智能、教育、桌面界面开发、软件开发、后端开发。
2. 研究的基本内容与方案
本次设计的基本内容是设计并实现基于opencv 计算机视觉库，采用python 编程，以眨眼人脸视频中的运动目标—眼睛为研究载体，采用数字图像处理技术对视频进行处理，改进目标检测算法提高检测过程的实时性和有效性，优化跟踪处理算法实现目标的快速和准确跟踪。
本次设计运动目标跟踪检测基本流程如下图1所示：
3. 研究计划与安排
第1-3周：查阅文献资料，明确研究目标，完成开题报告；
第4-10周：进行系统研究研究设计及软件设计；
第11-12周：进行系统调试、完善系统功能；
4. 参考文献（12篇以上）
[1]王华,李健,丁县迎.基于camshift算法的人脸跟踪识别系统的设计[j].信息与电脑(理论版),2019,31(20):52-55.
[2]江诚. 基于python opencv的动态目标检测与跟踪算法研究[d].武汉轻工大学,2019.
[3]任楠. 基于深度学习的空间运动目标检测与跟踪研究[d].北京邮电大学,2017.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
