Advertisement

基于YOLOv8的DMS驾驶员行为检测（抽烟、打电话、喝水、吃东西）+ 数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本项目基于YOLOv8模型开发了驾驶员监控系统(DMS)，专门用于识别驾驶过程中的关键行为，如抽烟、使用手机、饮水及进食等。通过构建针对性的数据集，优化了算法的准确性和实时性，旨在提高行车安全。 Yolov8算法用于DMS驾驶员抽烟、打电话、喝水及吃东西的检测任务。该数据集包含5000多张相关图片，并已按train（训练）、val（验证）和test（测试）进行划分，附有data.yaml配置文件。此数据集支持yolov5、yolov7、yolov8以及yolov9等算法直接用于模型训练。标签为txt格式。具体的数据集目录结构如下： ```yaml train: ../train/images val: ../valid/images test: ../test/images nc: 4 names: [drinking, eating, mobile use, smoking] ``` 其中，`nc`代表类别数量（即检测任务中的不同行为），而`names`则列出这些类别的名称。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 基于YOLOv8的DMS驾驶员行为检测（抽烟、打电话、喝水、吃东西）+ 数据集
    优质
    本项目基于YOLOv8模型开发了驾驶员监控系统(DMS)，专门用于识别驾驶过程中的关键行为，如抽烟、使用手机、饮水及进食等。通过构建针对性的数据集，优化了算法的准确性和实时性，旨在提高行车安全。 Yolov8算法用于DMS驾驶员抽烟、打电话、喝水及吃东西的检测任务。该数据集包含5000多张相关图片，并已按train（训练）、val（验证）和test（测试）进行划分，附有data.yaml配置文件。此数据集支持yolov5、yolov7、yolov8以及yolov9等算法直接用于模型训练。标签为txt格式。具体的数据集目录结构如下： ```yaml train: ../train/images val: ../valid/images test: ../test/images nc: 4 names: [drinking, eating, mobile use, smoking] ``` 其中，`nc`代表类别数量（即检测任务中的不同行为），而`names`则列出这些类别的名称。
     
  • 基于Yolov8的DMS系统：驾驶员抽烟、打电话、喝水和吃东西等行为分心检测+数据集+PyQt界面
    优质
    本项目开发了一种基于YOLOv8的DMS（Driver Monitoring System）系统，专门用于识别司机在驾驶过程中的危险行为如抽烟、使用手机、饮水及进食，并配备有PyQt图形用户界面和专用数据集。 Yolov8算法用于DMS驾驶员行为检测（包括抽烟、打电话、喝水、吃东西），包含5000多张相关数据集，已经按照train, val, test进行划分，并附有data.yaml文件配置信息。此数据集适用于yolov5、yolov7、yolov8和yolov9等算法的训练模型使用，标签为txt格式。data.yaml内容如下： ```yaml train: ../train/images val: ../valid/images test: ../test/images nc: 4 names: [drinking, eating, mobile use, smoking] ```
     
  • 基于Yolov5的DMS系统：检测驾驶员抽烟、打电话、喝水和吃东西等行为分心+数据集+PyQt界面
    优质
    本项目开发了一种基于Yolov5的驾驶员监控系统(DMS)，利用深度学习技术识别驾驶过程中的抽烟、打电话、喝水及进食等分心行为，并配备了可视化PyQt界面与专用数据集。 Yolov5算法用于DMS驾驶员抽烟、打电话、喝水、吃东西的检测任务。数据集包含超过5000张图片，并且已经按照train（训练）、val（验证）以及test（测试）进行了划分，附有data.yaml配置文件，支持直接使用yolov5、yolov7、yolov8和yolov9等算法进行模型训练。标签格式为txt。 数据集的目录结构如下所示： - train: ..trainimages - val: ..validimages - test: ..testimages nc（类别数量）设置为4，names（类名列表）包括：drinking（喝水）、eating（吃东西）、mobile use（使用手机）、smoking（抽烟）。
     
  • 基于Yolov8的DMS驾驶员行为检测系统（含抽烟、打电话、喝水、吃东西）Python源码+ONNX模型+评估指标曲线+精美GUI界面.zip
    优质
    本资源提供基于YOLOv8的先进DMS系统，精准识别驾驶员抽烟、打电话等行为，包含Python代码、ONNX模型及评估指标，附有用户友好的图形界面。 测试环境： - 操作系统：Windows 10 - Python开发环境：Anaconda3 + Python 3.8 - 使用库版本：torch==1.9.0+cu111，ultralytics==8.2.95 模型可以检测以下类别： - Sleepy（困倦） - Cigarette（吸烟） - Drinking（饮酒） - Phone（使用手机） - Microsleep（微睡眠） - HandsOnWheel（双手扶方向盘以外的情况） - Eating（进食） - HandsNotOnWheel（手脱离方向盘的状态） - Seatbelt（安全带） 更多实现细节请参考相关文献。
     
  • 驾驶员疲劳及危险行为检测（抽烟、喝水、打电话）基于Yolov5技术
    优质
    本项目运用先进的Yolov5技术开发了一套驾驶员疲劳监测系统，能够有效识别并预警驾驶员在驾驶过程中的疲劳状态以及抽烟、饮水和接听电话等不安全行为，旨在显著提升行车安全性。 驾驶员困倦检测、危险驾驶检测（如抽烟、喝水、打电话）使用YOLOv5的效果在相关文章中有详细介绍。可以参考该文章了解具体的实现细节和技术效果。
     
  • 驾驶员疲劳及危险行为（如抽烟、喝水、打电话）检测——基于Yolov5技术
    优质
    本项目采用先进的YOLOv5算法，专注于驾驶过程中的关键安全问题，通过实时监控识别驾驶员疲劳状态以及抽烟、饮水和使用手机等潜在危险行为，有效提升道路安全性。 一个开源的项目可以在这里下载：https://download..net/download/babyai996/85019311，但是需要付费。 去掉链接后： 这个项目的开源版本是可获取的，并且它要求用户支付费用以进行下载。
     
  • 改进后的标题可以是：“针对YOLO算法的DMS系统，用于检测驾驶员抽烟、打电话、喝水及吃东西行为的新数据集（含1万条目）”
    优质
    本研究提出了一套专门针对YOLO算法优化的驾驶员监控系统(DMS)，并建立了一个包含一万条记录的数据集，用于识别驾驶过程中的抽烟、接电话、饮水和进食等行为。 一万多张YOLODMS驾驶员抽烟、打电话、喝水、吃东西检测数据集已准备好，并按train, val, test划分好目录结构，附有data.yaml文件。该数据集支持yolov5、yolov7、yolov8和yolov9等算法直接进行训练模型。标签为txt格式，具体配置如下：nc: 4 names: [drinking, eating, mobile use, smoking]
     
  • 危险驾驶行为图像数据集——如接打电话、喝水等
    优质
    本数据集包含多种危险驾驶行为的图像样本，涵盖接电话、饮水等多种干扰驾驶员注意力的行为，旨在促进自动驾驶及辅助安全系统的研究与发展。 危险驾驶行为图像数据集包括车内监控拍摄的开车打电话、喝水等危险行为的图片。该数据集中包含2000张图像，其中1000张为RGB彩色图像，另外1000张为红外图像，并且附有txt和json格式的目标位置坐标数据。这些资料可用于驾驶员行为监测系统的开发与研究。
     
  • 基于Yolov5、Dlib和OpenCV的疲劳驾驶检测算法源代码及权重文件，涵盖驾驶员行为监测（如眨眼、打哈欠、抽烟、喝水、玩手机）
    优质
    本项目提供基于Yolov5、Dlib与OpenCV的疲劳驾驶检测算法源码及预训练模型，支持监测多种驾驶状态异常，包括眨眼、打哈欠等行为。 疲劳驾驶检测算法结合了YOLOv5和dlib技术，能够精准地标记人脸的68个关键点，并通过特定算法计算眨眼次数及打哈欠频率。此外，该系统还能利用YOLOv5的目标识别功能来辨识水瓶、手机以及香烟等物品的存在，从而监测驾驶员是否出现如频繁眨眼、张嘴打哈欠、抽烟或玩手机等一系列不良驾驶行为。 文件结构中包含model和utils两个文件夹，其中yolov5.py是主要的执行脚本，而best.pt则是YOLOv5模型所需的权重文件。运行步骤如下： 1. 执行pip install -r requirements.txt命令安装所需依赖。 2. 运行yolov5.py。 参数说明包括：Blinks（眨眼次数）、EAR（眼睛闭合程度）、dura（眨眼持续时间）、Yawning（打哈欠次数）和MAR（嘴巴张开程度）。
     
  • 基于YOLOv8的抽烟行为检测数据集，适用于训练目标检测模型
    优质
    本数据集专为基于YOLOv8的目标检测框架设计，聚焦于抽烟行为识别，旨在优化模型在监控场景中的应用效能。 抽烟的危害主要包括以下几个方面： 1. 增加患多种癌症的风险：吸烟是导致肺癌、喉癌、口腔癌、食道癌等多种恶性肿瘤的主要原因，并且会增加其他类型癌症（如肾癌、胰腺癌、膀胱癌）的发病率。 2. 损害呼吸系统功能：烟草中的有害物质刺激气管，引发咳嗽和呼吸困难等症状。长期吸烟还会导致慢性支气管炎以及肺部疾病如肺气肿等的发生概率增加。 3. 影响心血管健康：吸烟能够引起血管收缩、血压上升及动脉硬化等问题，从而提高心脏病与中风的患病几率；同时烟草中的有害成分也会使血液内产生过多的氧化脂肪物质，对心脏和血液循环系统造成进一步损害。 4. 危害生殖系统的正常运作：吸烟对于男女双方都有不利影响。男性方面表现为精子数量减少、质量下降以及生育能力减弱；女性则可能出现月经失调、提前进入更年期及难以怀孕等问题。 5. 使皮肤状况恶化并加速衰老过程：烟草中的尼古丁会导致血管收缩，从而降低肌肤的血液供应量，加快老化速度，并形成皱纹和松弛现象。此外吸烟还会导致牙齿发黄、指甲脆弱以及肤色变暗等症状出现。 6. 增加其他疾病发生的可能性：除了上述提到的各种健康问题外，长期吸烟还可能诱发糖尿病、骨质疏松症、胃食管反流病及消化性溃疡等疾病的产生。 综上所述，持续抽烟对身体健康的负面影响非常严重。通过戒除烟瘾可以显著降低这些潜在的危害风险，并有助于改善整体生活质量。