optimeyes 的安装和配置教程
2025-05-28 15:40:40作者:凌朦慧Richard
1. 项目的基础介绍和主要的编程语言
optimeyes
是一个基于 Python 和 OpenCV 的开源项目,主要用于实现通过普通摄像头进行眼瞳跟踪和视线估计的功能。该项目是一个演示性的概念验证,并非一个生产级别的库,但其创新的方法和算法吸引了开发者的关注。主要使用的编程语言是 Python。
2. 项目使用的关键技术和框架
本项目使用的关键技术包括:
- OpenCV:一个开源的计算机视觉库,用于实时图像处理和计算机视觉。
- 虚拟参考点:通过多个不可靠的关键点推导出一个非常可靠的面部参考点。
- 眼瞳概率图叠加:将一只眼睛的瞳孔概率图叠加到另一只眼睛上,以提高估计的准确性。
3. 项目安装和配置的准备工作和详细的安装步骤
准备工作
在开始安装之前,请确保您的系统满足以下要求:
- 操作系统:Windows 或 Linux
- Python 环境:Python 3.x
- 开发工具:安装有 CMake 和 GCC 的开发环境
安装步骤
步骤 1:安装 Python 和 pip
确保您的系统中已经安装了 Python 和 pip。在终端(Linux)或命令提示符(Windows)中,可以运行以下命令来验证安装:
python --version
pip --version
步骤 2:安装依赖库
在终端中执行以下命令,安装项目所需的 Python 库:
pip install -r requirements.txt
步骤 3:安装 OpenCV
optimeyes
需要安装具有 contrib 非自由模块的 OpenCV。以下是分别在 Windows 和 Linux 系统中的安装步骤。
Windows:
-
克隆 OpenCV 存储库:
git clone --recursive https://github.com/opencv/opencv-python.git
-
切换到克隆的目录并设置环境变量:
cd opencv-python SET CMAKE_ARGS="-DOPENCV_ENABLE_NONFREE=ON" SET ENABLE_CONTRIB=1
-
构建并安装:
python setup.py bdist_wheel pip install dist\opencv_contrib_python-x.x.x.x.whl
注意:将 wheel 文件名更改为您在 dist 文件夹中构建的 wheel。
Linux:
-
安装依赖项:
apt-get update apt-get install -y --no-install-recommends build-essential python-dev cmake git pkg-config \ libjpeg8-dev libjasper-dev libpng12-dev libgtk2.0-dev libavcodec-dev libavformat-dev \ libswscale-dev libv4l-dev libatlas-base-dev gfortran
-
克隆 OpenCV 存储库并设置环境变量:
git clone --recursive https://github.com/opencv/opencv-python.git cd opencv-python export CMAKE_ARGS="-DOPENCV_ENABLE_NONFREE=ON" export ENABLE_CONTRIB=1
-
构建并安装:
python setup.py bdist_wheel pip install dist/opencv_contrib_python-x.x.x.x.whl
注意:将 wheel 文件名更改为您在 dist 文件夹中构建的 wheel。
步骤 4:运行项目
完成上述步骤后,您可以运行项目的主程序:
python eyeDetect.py
在第一次运行时,请确保 eyeDetect.py
文件顶部的 doTraining
变量为 False
。这样,程序会以图形方式显示瞳孔中心。当瞳孔跟踪看起来良好时,您可以设置 doTraining
为 True
并再次运行程序,以开始视线检测的训练。
以上就是 optimeyes
的安装和配置教程,希望对您有所帮助。
登录后查看全文
热门项目推荐
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0118AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
225
2.27 K

React Native鸿蒙化仓库
JavaScript
211
287

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

暂无简介
Dart
526
116

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
987
583

openGauss kernel ~ openGauss is an open source relational database management system
C++
148
197

GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
45
0

ArkUI-X adaptation to Android | ArkUI-X支持Android平台的适配层
C++
39
55

ArkUI-X adaptation to iOS | ArkUI-X支持iOS平台的适配层
Objective-C++
19
44