MediaPipe 为直播和流媒体提供开源跨平台、可定制的 ML 解决方案。
MediaPipe 可用于构建多模式（例如视频、音频、任何时间序列数据）、跨平台（即 Android、iOS、Web、边缘设备）应用的 ML 管道。 它在考虑端到端设备推理的情况下进行了性能优化。 Mediapipe 目前正在积极开发中，包括多个演示，可以在 reTerminal 上安装 Mediapipe 后立即运行。
在Windows平台下安装MediaPipe步骤如下：
pip install mediapipe
在前面的文章中，介绍了如何通过DLib库的68特征点人脸模型提取人脸特征点数据及坐标，并通过眼睛纵横比,Eye Aspect Radio,EAR方法实现疲劳检测。请参考：
- OpenCV4.x图像处理实例-疲劳检测(基于眼睛纵横比,Eye Aspect Radio,EAR)
本次实例将使用MediaPipe的face_mesh模型，提取人脸的眼睛6个特征点，将采用EAR方法实现疲劳检测。具体步骤如下：
- 1）读取视频流
- 2）采用Face Mesh模型提取人脸特征点（468个特征点）
- 3
