optimeyes 的安装和配置教程
2025-05-28 10:40:25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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0138- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
MusicFreeDesktop插件化、定制化、无广告的免费音乐播放器TypeScript00
项目优选
收起
暂无描述
Dockerfile
726
4.66 K
Ascend Extension for PyTorch
Python
597
750
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.09 K
610
deepin linux kernel
C
29
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
997
138
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
427
377
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
992
986
🎉 (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
1.65 K
970
暂无简介
Dart
969
246
昇腾LLM分布式训练框架
Python
161
190