Token导航 LogoToken导航TokenDH.com
中转站排行榜
待分类需要联网github未标认证来源可访问许可证需确认审计未展示

ear_blink_detection（眨眼检测）

Agent Skill

ear_blink_detection 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息，适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。

总安装

242

周安装

10

GitHub Stars

公开资料未说明

下载量

79
CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明和来源信息，不托管安装包，也不代用户安装。

GitHub

来源数

2

许可证

unknown

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。

请帮我安装这个 Agent Skill：ear_blink_detection（眨眼检测）
来源仓库：https://github.com/davidcastagnetoa/skills
仓库路径：skills/ear_blink_detection
安装命令：
npx skills add https://github.com/davidcastagnetoa/skills --skill ear_blink_detection
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill；本站只展示命令，不托管安装包，也不自动执行。

skills.shnpx skills
npx skills add https://github.com/davidcastagnetoa/skills --skill ear_blink_detection

简介

用于基于眼部 landmarks 的眨眼活体检测。

  • 通过 Eye Aspect Ratio (EAR) 变化判断眨眼行为。
  • 适用于安全认证场景中的用户身份验证。
  • 需配合 MediaPipe Face Mesh 提取面部特征点。
  • ear_blink_detection 属于待分类类 Skill，可作为该场景下的辅助能力补充。

SKILL.md

ear_blink_detection

El Eye Aspect Ratio (EAR) mide la apertura del ojo usando 6 landmarks faciales. Un parpadeo natural produce una caída rápida y recuperación del EAR. Las fotos no parpadean.

When to use

Usar como challenge principal de liveness activo: solicitar al usuario que parpadee 2 veces en 5 segundos.

Instructions

  1. Extraer landmarks del ojo usando MediaPipe Face Mesh.
  2. Para el ojo izquierdo usar landmarks: [33, 160, 158, 133, 153, 144].
  3. Calcular EAR: EAR = (||p2-p6|| + ||p3-p5||) / (2 * ||p1-p4||).
  4. Umbral de parpadeo: EAR_THRESHOLD = 0.25 (ojo cerrado si EAR < threshold).
  5. Detectar secuencia: EAR normal → cae por debajo del umbral → recupera → cuenta como 1 parpadeo.
  6. Requerir mínimo 2 parpadeos en ventana de 5 segundos.
  7. Validar velocidad del parpadeo: un parpadeo natural dura 150-400ms; más rápido o más lento es sospechoso.

Notes

  • Fórmula original: Soukupová & Čech (2016) "Real-Time Eye Blink Detection using Facial Landmarks".
  • EAR_THRESHOLD puede necesitar calibración por etnia/edad; considerar threshold adaptativo.

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明，方便继续核验

安装后应在对应宿主中按原始 README 的触发条件使用；具体调用方式请以来源页面和 README 为准。

平台分布

Codex

35.97%
按下载量换算28

Claude

29.82%
按下载量换算24

Cursor

19.35%
按下载量换算15

Gemini CLI

8.71%
按下载量换算7

安全审计

暂无安全审计结果可展示。

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API；具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源，正式发布前建议补源仓库或其他目录站核验。

来源信息

GitHub 仓库

github.com

/davidcastagnetoa/skills

SKILL.md 来源

github.com

/davidcastagnetoa/skills/tree/main/skills/ear_blink_detection

skills-sh

skills.sh

/davidcastagnetoa/skills/ear_blink_detection

继续浏览同类 Skills

更多待分类 Skills（11,209）返回 Skills 目录

上一个 Skill

eaf-docs（电弧文档）

用于辅助文档、README、Markdown、说明文和内容稿件的整理与改写。它适合让 Agent 提炼结构、补齐章节、统一术语、检查链接或把零散材料整理成可读文档。使用时应保留项目已有事实、命令和路径，不要把未确认的信息写成确定结论；涉及对外文案时，还需要控制语气，避免过度营销或夸大能力。

下一个 Skill

earnings-analysis（盈利分析）

用于辅助云资源、部署、容器、基础设施和运维自动化任务。它适合让 Agent 检查配置、整理部署步骤、分析资源状态、生成排障思路或辅助云服务接入。使用时需要明确目标环境、账号权限、区域和资源组，区分本地测试与生产操作；涉及删除资源、重启服务、修改网络或权限配置时，应先确认影响范围。