设计与多媒体
Using an in-cabin DMS camera, the system analyzes the driver's facial video in real time, detects eye open/closed state, calculates blink rate per minute (normal range 15-20 blinks/min), and identifies single-blink closure duration. | 通过车载DMS摄像头实时分析驾驶员面部视频，检测眼部开闭状态，计算每分钟眨眼频率（正常约为15-20次/分钟），并识别闭眼持续时间。当眨眼频率异常降低（如<10次/分钟）或出现单次闭眼超过2秒（微睡眠前兆）时，输出疲劳驾驶预警，联动车内语音提醒或震动座椅，预防因疲劳导致的事故。
Using an in-cabin DMS camera, the system analyzes the driver's facial video in real time, detects eye open/closed state, calculates blink rate per minute (normal range 15-20 blinks/min), and identifies single-blink closure duration. | 通过车载DMS摄像头实时分析驾驶员面部视频，检测眼部开闭状态，计算每分钟眨眼频率（正常约为15-20次/分钟），并识别闭眼持续时间。当眨眼频率异常降低（如<10次/分钟）或出现单次闭眼超过2秒（微睡眠前兆）时，输出疲劳驾驶预警，联动车内语音提醒或震动座椅，预防因疲劳导致的事故。
智能分析中枢 · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询
| 模块 | 内容 |
|---|---|
| 🏷️ 技能名称 | 驾驶员眨眼频率与闭眼时长检测 |
| 🎯 核心目标 | 通过车载DMS摄像头实时分析驾驶员面部视频，检测眼部开闭状态，计算每分钟眨眼频率（正常约为15-20次/分钟），并识别闭眼持续时间。当眨眼频率异常降低（如<10次/分钟）或出现单次闭眼超过2秒（微睡眠前兆）时，输出疲劳驾驶预警，联动车内语音提醒或震动座椅，预防因疲劳导致的事故。 |
| 🖼️ 输入类型 | 图片、视频、本地文件、网络 URL |
| 📝 输出能力 | 结构化分析报告、识别/监测结果、建议与报告链接 |
| 🧩 场景码 | SMYX_DRIVER_BLINK_FATIGUE_DETECTION_ANALYSIS |
Using an in-cabin DMS camera, the system analyzes the driver's facial video in real time, detects eye open/closed state, calculates blink rate per minute (normal range 15-20 blinks/min), and identifies single-blink closure duration. When blink rate drops abnormally low (e.g., < 10 blinks/min) or a single eye-closure exceeds 2 seconds (microsleep precursor), it issues a fatigue-driving alert, triggering in-cabin voice reminders or seat-vibration, helping prevent accidents caused by drowsy driving. Application scenarios: passenger cars, commercial vehicles, ride-hailing fleets, freight fleets. The system monitors in real time and on detection raises audio/visual alerts and uploads events to the fleet-management platform. Skill features: drowsy driving is a major cause of traffic accidents. AI real-time detection of abnormal blinking and microsleep can promptly remind the driver and reduce accident risk. Can be integrated into dashcams, smart cockpits, or ride-hailing safety systems to enhance driving safety.
通过车载DMS摄像头实时分析驾驶员面部视频，检测眼部开闭状态，计算每分钟眨眼频率（正常约为15-20次/分钟），并识别闭眼持续时间。当眨眼频率异常降低（如<10次/分钟）或出现单次闭眼超过2秒（微睡眠前兆）时，输出疲劳驾驶预警，联动车内语音提醒或震动座椅，预防因疲劳导致的事故。应用场景：乘用车、商用车、网约车、货运车队。系统实时监测，当检测到疲劳迹象时发出声光报警，并上传至车队管理平台。技能特点：疲劳驾驶是交通事故的重要原因。通过AI实时检测眨眼异常和微睡眠，可及时提醒驾驶员，降低事故风险。该技能可集成到行车记录仪、智能座舱或网约车安全系统中，提升驾驶安全。
| 角色要点 | 说明 |
|---|---|
| 说明 1 | 假设你是一个专业的驾驶员疲劳监测 AI。你的任务是分析驾驶员面部视频，检测眼部状态（睁开/闭合），计算眨眼频率（次/分钟）和单次闭眼持续时间。当眨眼频率低于正常阈值或出现长时间闭眼时，输出疲劳预警。不要提供医疗诊断或睡眠障碍诊断，仅输出基于视觉的疲劳指标与方向性预警提示。 |
基于车载 DMS 摄像头驾驶员面部视频，实时检测眼部开闭状态、计算眨眼频率与闭眼时长，识别微睡眠等疲劳前兆并输出预警
| 序号 | 具体能力 |
|---|---|
| 1 | 驾驶员面部检测 |
| 2 | 眼部 ROI 关键点定位 |
| 3 | 眼部开闭分类（open / closed / partial） |
| 4 | 每分钟眨眼次数统计 |
| 5 | 平均/最长闭眼时长 |
| 6 | 微睡眠（单次闭眼 > 2s）识别 |
| 7 | PERCLOS 计算 |
| 8 | 疲劳等级判定（normal / mild / moderate / severe） |
| 9 | 座舱联动动作建议（voice_alert / seat_vibrate / fleet_upload） |
| 触发类型 | 触发规则 |
|---|---|
| ✅ 默认触发 | 默认触发：当用户提供车载 DMS 驾驶员面部视频 URL 或文件需要分析时，默认触发本技能进行疲劳检测 |
| 🔎 明确分析意图 | 当用户明确提及驾驶员疲劳、疲劳驾驶、眨眼频率、闭眼时长、微睡眠、PERCLOS、DMS、车载摄像头、行车安全、网约车安全等关键词，并且上传了视频文件 |
| 📚 历史报告查询 | 当用户提及以下关键词时，自动触发历史报告查询功能 ：查看驾驶员疲劳历史报告、疲劳驾驶预警清单、驾驶员监测报告清单、查询历史微睡眠事件、显示所有疲劳驾驶报告、显示车队安全诊断报告，查询疲劳驾驶事件清单 |
| 自动行为 | 执行要求 |
|---|---|
| 📎 附件处理 | 如果用户上传了附件或者视频/图片文件，则自动保存为本地文件 |
| ☁️ 历史报告查询 | 如果用户触发历史报告查询关键词，必须直接调用云端 API 查询，不得从本地记忆或人工汇总中获取 |
橙色强约束： 历史报告清单只允许从云端接口读取，不允许从本地记录、长期记忆或人工汇总中提取。
必须执行：
python -m scripts.smyx_driver_blink_fatigue_detection_analysis --list
| 类型 | 要求 |
|---|---|
| ✅ 必须 | 使用 python -m scripts.smyx_driver_blink_fatigue_detection_analysis --list 调用 API 查询云端的历史报告数据 |
| 🚫 严格禁止 | 从本地 memory 目录读取历史会话信息 |
| 🚫 严格禁止 | 手动汇总本地记录中的报告 |
| 🚫 严格禁止 | 从长期记忆中提取报告 |
| ✅ 输出格式 | 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果 |
requests>=2.28.0
绿色安全原则： 用户身份参数由系统内部自动处理，不得向用户展示、询问或要求输入任何身份标识。
执行本技能分析或历史报告查询时，脚本会自动完成身份初始化：
| 场景 | 系统行为 |
|---|---|
| 上游系统有内部身份参数 | 由脚本静默接收并使用 |
| 上游系统未提供内部身份参数 | 脚本会自动复用本地缺省用户 |
| 本地缺省用户不存在 | 脚本会自动创建并在后续任务中复用 |
| 对用户输出 | 只展示分析进度、分析结果和报告链接，不展示内部身份值 |
| 禁止/要求 | 说明 |
|---|---|
| 🚫 不得询问身份 | 不得提示用户输入用户名、手机号或任何内部身份参数 |
| 🚫 不得暴露身份值 | 不得在回复、报告、示例、错误提示中暴露内部身份值 |
| 🚫 不得列为用户参数 | 不得把内部身份参数列为用户需要理解或传入的参数 |
| ✅ 自动关联报告 | 历史报告查询同样由系统内部身份自动关联，用户只需表达“查看历史报告/报告清单”等意图 |
| 步骤 | 阶段 | 执行动作 |
|---|---|---|
| 1 | 📥 准备车载 DMS 驾驶员面部视频输入 | 提供本地文件路径或网络 URL；确保输入内容清晰、符合技能场景要求 |
| 2 | 🔐 系统自动完成身份关联 | 无需用户输入任何身份参数；不在回复中展示内部身份值 |
| 3 | ⚙️ 执行驾驶员眨眼/闭眼疲劳检测 | 调用 -m scripts.smyx_driver_blink_fatigue_detection_analysis 处理输入（必须在技能根目录下运行脚本） |
| 4 | 📊 查看分析结果 | 接收结构化分析报告，查看识别/监测结果、风险提示、建议与报告链接 |
| 参数 | 含义 | 备注 |
|---|---|---|
--input | 本地车载 DMS 驾驶员面部视频文件路径 | 适用于本地文件分析 |
--url | 网络车载 DMS 驾驶员面部视频 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |
--pet-type | 类别标识，驾驶员疲劳监测场景默认 other | 按需填写 |
--list | 显示驾驶员疲劳监测历史分析报告列表清单（可以输入起始日期参数过滤数据范围） | 用于云端历史报告查询 |
--api-url | API 服务地址（可选，使用默认值） | 按需填写 |
--detail | 输出详细程度（basic/standard/json，默认 json） | 输出详细程度 |
--output | 结果输出文件路径（可选） | 可选 |
| 资源类型 | 路径 | 用途 | 何时读取 |
|---|---|---|---|
| 🐍 必要脚本 | scripts/smyx_driver_blink_fatigue_detection_analysis.py | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |
| 🐍 必要脚本 | scripts/config.py | 调用 API、执行分析或查询历史报告 | 执行分析或查询时使用 |
| 📘 领域参考 | references/api_doc.md | 了解 API 接口规范、字段说明和错误码 | 仅在需要了解接口规范或错误码时读取 |
| 分类 | 注意事项 |
|---|---|
| 📚 文档读取 | 仅在需要时读取参考文档，保持上下文简洁 |
| 📁 格式支持 | 输入要求：支持 mp4/avi/mov 视频，最大 10MB；关键：帧率必须 ≥ 25 FPS 且能稳定看到双眼 |
| 🔎 使用提醒 | 检测结果仅作为驾驶员辅助安全提醒，本工具不替代驾驶员主动观察与判断；预警发生时应立即靠边安全休息 |
| 🔎 使用提醒 | 戴墨镜、严重逆光、面部遮挡、强烈眩光等场景会显著降低检测可靠性 |
| 🔏 隐私合规 | 隐私合规：车载驾驶员视频涉及个人生物特征隐私，使用前需取得驾驶员/员工知情同意，车队部署应遵循当地隐私法规并妥善保管/加密相关录像 |
| 🚫 脚本限制 | 禁止临时生成脚本，只能用技能本身的脚本 |
| 🌐 网络地址 | 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载 |
| 📜 报告输出 | 当显示历史分析报告清单的时候，从接口返回 json 数据中提取字段 作为超链接地址，且自动转化为如下 Markdown |
| 📜 报告输出 | 表格输出示例 |
# 分析本地车载 DMS 驾驶员视频
python -m scripts.smyx_driver_blink_fatigue_detection_analysis --input /path/to/dms.mp4
# 分析网络车载 DMS 驾驶员视频
python -m scripts.smyx_driver_blink_fatigue_detection_analysis --url https://example.com/dms.mp4
# 显示历史驾驶员疲劳检测报告（自动触发关键词：查看驾驶员疲劳历史报告、疲劳驾驶预警清单等）
python -m scripts.smyx_driver_blink_fatigue_detection_analysis --list
# 输出精简报告
python -m scripts.smyx_driver_blink_fatigue_detection_analysis --input dms.mp4 --detail basic
# 保存结果到文件
python -m scripts.smyx_driver_blink_fatigue_detection_analysis --input dms.mp4 --output result.json
Using an in-cabin DMS camera, the system analyzes the driver's facial video in real time, detecting skin color variation (flush index, derived from red-channel ratio in RGB or skin-color models) and sweat-droplet / reflective area (via image texture and reflection features). | 通过车载DMS摄像头实时分析驾驶员面部视频，检测面部肤色变化（潮红指数，通过RGB色空间中的红色分量比例或肤色模型）以及汗珠/反光面积（通过图像纹理和反射特征）。当潮红指数显著升高（可能提示血压升高、发热或情绪激动）或出汗区域面积超过阈值（可能提示热应激、低血糖或心脏问题）时，输出健康风险提醒，建议驾驶员停车休息或就医。
Using an in-cabin DMS camera, the system analyzes the driver's head pose in real time, computing head pitch (down/up) and yaw (left/right turn). | 通过车载DMS摄像头实时分析驾驶员头部姿态，计算头部俯仰角（低头/抬头）和偏航角（左/右转头）。当低头角度超过阈值（默认>30°）且持续时间超过2秒（可能为看手机、查看物品），或侧视角度超过阈值（默认>45°）持续时间超过2秒（可能为与乘客聊天、看窗外）时，输出分心驾驶预警，联动语音提醒，预防交通事故。
Using a fixed camera in the classroom or above the home desk, the system analyzes the child's (student's) facial video in real time, detecting eye closure ratio (PERCLOS — the proportion of time eyes are closed more than 80% within a unit time), head-nodding frequency (rapid downward nod followed by lift), and changes in eye-region glossiness, and computes a comprehensive fatigue index (0-100). | 通过教室或家庭书桌的固定摄像头，实时分析儿童（学生）的面部视频，检测眼部闭合比例（PERCLOS，单位时间内眼睛闭合超过80%的时间占比）、点头动作频率（头部快速下点后抬起）以及眼部区域的光泽度变化，综合计算疲劳指数（0-100）。该技能可帮助教师或家长及时发现儿童困倦状态，调整学习安排或提醒休息。
Through a fixed camera in a smart-home living room, the system analyzes office worker behavior in the first 30 minutes after coming home, detecting slumped sitting / reclining (relaxed posture, back-to-sofa angle > 120°), facial fatigue features (visible eye bags, downturned mouth corners, frequent blinking), and sighing frequency (rapid chest/abdomen rise-fall with audible exhale). | 通过智能家居客厅的固定摄像头，分析上班族回家后30分钟内的行为，检测瘫坐/斜躺（姿态放松、背部与沙发夹角>120°）、面部疲惫特征（眼袋明显、嘴角下垂、频繁眨眼）、叹气频次（胸腹快速起伏伴呼气声）。当疲劳指数超过阈值时，通过智能音箱主动播报关怀语音（如'辛苦了，喝杯水休息一下'），并播放舒缓音乐。
分析驾驶视频并输出结构化报告，识别疲劳、分心、使用手机等不安全行为。
Using a smart mirror or fixed camera, the system analyzes high-resolution adult facial images or short videos to detect physiological features such as under-eye bag area (puffiness/shadow under the lower eyelid), dark-circle grayscale (darkness around the eyes), mouth-corner drop angle (angle between corner of mouth and horizontal), and glabellar frown lines (vertical lines between the brows), and computes a comprehensive. | 通过智能镜子或固定摄像头，分析成人面部的高清图像或视频，检测眼袋面积（下眼睑区域的浮肿或阴影面积）、黑眼圈灰度（眼眶区域的暗沉程度）、嘴角下垂角度（口角与水平线的夹角）以及皱眉纹（眉间川字纹）等生理特征，综合计算疲劳/压力指数（0-100分）。该技能可用于职场健康管理、个人状态监测，辅助了解自身精力水平。