EAR
以雙眼六點幾何比例估計閉眼狀態，並在完整「閉眼 → 睜眼」週期後計算一次眨眼。
Signals
不只是一個 EAR 門檻
原型把幾何量測、時間視窗、個人基準與事件狀態分開處理，讓核心邏輯不依賴攝影機 FPS，也能在沒有鏡頭的環境下測試。
MAR + 持續時間
嘴部張開比例超過個人門檻後才開始累時；持續達 0.8 秒才成立哈欠，單一高 MAR 影格只顯示待確認。
PERCLOS
在滑動視窗中，以有效觀測秒數計算閉眼時間比例；漏偵測期間不會被當作正常或閉眼。
Head Pose
透過六個臉部特徵點與 solvePnP 估計粗略 pitch／yaw，作為離路注意力代理訊號。
Personal Calibration
啟動時以中位數建立個人的 EAR、MAR 與正面角度基準，降低固定門檻造成的個體差異。
Tiered Alerts
依閉眼時間區分 MICROSLEEP、SLEEP 與 UNRESPONSIVE，並加入警示冷卻避免每幀重播。
Architecture
從影像到可驗證事件
Python 主程式使用 Dlib；免安裝的網頁試用改用 MediaPipe 瀏覽器模型。兩者共用相同的時間判定概念，但量測值不可直接互換。
STEP 01Camera frame本機攝影機影像
STEP 02Face landmarksDlib 68 點／MediaPipe Web
STEP 03MetricsEAR、MAR、Head pose
STEP 04Temporal statePERCLOS、持續時間、校正
STEP 05Alert + log分級狀態、音效、CSV
Engineering evidence
可從 repository 核對的成果
下列內容都有對應原始碼、測試或 GitHub Actions 紀錄；本頁不宣稱尚未完成的道路安全準確率。
主要貢獻
重構原始研究原型把單檔程式拆分為監測、幾何、狀態、時間指標、頭部姿態與紀錄模組。
修正時間與事件邏輯眨眼只在重新睜眼時成立，長時間閉眼使用單調時鐘，而非假設固定 FPS。
加入測試與 CI無攝影機、Dlib 模型或個人影像，也能驗證核心數學與狀態邊界。
加入研究紀錄與隱私邊界量測輸出為本機 CSV；截圖與個人影像預設排除於版本控制。
Safety boundary
研究展示，不是車用安全產品
- 尚未使用真實道路、多使用者與不同光線條件的標註資料驗證。
- 目前頭部方向是離路注意力的代理訊號，不是精確眼球視線追蹤。
- Dlib 68 點模型及其訓練資料具有商業使用限制，正式產品需要重新選型。
- 要投入道路使用，仍需評估 precision、recall、每小時誤報、警示延遲、夜間及遮擋表現。