Advertisement

危险驾驶行为图像数据集——如接打电话、喝水等

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


简介:
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • ——
    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。
  • 员疲劳及抽烟、)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。
  • 员疲劳及检测(抽烟、)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。
  • 车内涵盖、饮及转头场景
    优质
    该车内驾驶员行为图像集包含丰富多样的日常驾驶情景,如接听电话、喝水和转动头部等动作,为研究与提升行车安全提供了宝贵的数据资源。 车内驾驶员行为图像集涵盖了打手机、喝水、转身等多种情景,样本数量约为2万左右。
  • 基于YOLOv8的DMS检测(抽烟、、吃东西)+
    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。
  • MTCNN_CNN_检测:本项目旨在识别闭眼、哈欠、吸烟及,...
    优质
    简介:该项目利用MTCNN与CNN模型结合的技术,专注于识别包括驾驶员闭眼、打哈欠、吸烟和使用手机在内的多种危险驾驶行为,以提高道路安全。 本项目旨在识别驾驶员的多种手势行为,包括闭眼、张嘴打哈欠以及吸烟和打电话等动作,并能判断7种情绪状态及眨眼情况,以实现危险驾驶检测功能。数据集涵盖了闭眼、睁眼、闭嘴、打哈欠和使用电话等多种情形。
  • 基于Yolov8的DMS系统:员抽烟、和吃东西分心检测++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:检测员抽烟、和吃东西分心++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)。
  • 检测:运用SSD目标检测算法识别闭眼、开口及吸烟
    优质
    本项目采用SSD目标检测算法,旨在实时监测驾驶员是否存在闭眼、张口以及吸烟、接电话等潜在危险行为,以提高行车安全。 运行环境:1. Python 3.7.4 2. Pytorch 1.4.0 3. python-opencv 预训练的权重文件为 vgg_16,具体的配置请参考 Config.py 文件。 训练代码执行方式: - 训练时使用命令 `python Train.py` - 单张图片测试使用命令 `python Test.py` 目前进度如下: 1. PERCLOS计算完成 2. 眨眼频率计算完成 3. 打哈欠检测及计算完成 4. 疲劳检测完成 5. 人脸情绪检测完成 6. 口罩检测完成 网络性能指标:准确率82.18% 主要文件说明: - ssd_net_vgg.py: 定义 class SSD 的代码。 - Train.py: 训练代码。 - voc0712.py: 数据集处理代码(注意,此文件名未更改)。 - loss_function.py: 损失函数定义的脚本。 - detection.py: 处理检测结果的代码,将SSD返回的结果转换为opencv可以使用的格式。
  • 检测器:运用SSD目标检测算法识别闭眼及、抽烟,基于PER...
    优质
    简介:本项目研发了一种利用SSD目标检测技术的危险驾驶行为监测系统,能有效识别驾驶员打手机、吸烟和闭眼等高风险动作,并提出相应的预警措施以保障行车安全。 运行环境:1. Python 3.7.42, PyTorch 1.4.0, OpenCV 预训练的权重文件为 vgg_16,具体的配置请参见 Config.py 文件。 - 训练命令: python Train.py - 单张图片测试: python Test.py - 视频检测: python camera_detection.py 目前进度: 1. PERCLOS计算完成 2. 眨眼频率计算完成 3. 打哈欠检测及计算完成 4. 疲劳检测完成 5. 人脸情绪检测完成 网络检测性能:准确率82.18% 主要文件说明: - ssd_net_vgg.py: 定义 SSD 类的文件 - Train.py: 训练代码 - voc0712.py: 数据集处理代码(未修改文件名,需要改的话其他相关代码也要相应改动) - loss_function.py: 损失函数定义