Advertisement

驾驶员疲劳及危险行为检测（抽烟、喝水、打电话）基于Yolov5技术

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

简介：
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 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。
     
  • 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。
     
  • 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）。
     
  • 基于深度学习的驾驶员分心与疲劳驾驶预警系统：利用YOLOv5和DeepSort检测危险行为
    优质
    本研究开发了一套基于深度学习的预警系统，采用YOLOv5进行实时目标检测及DeepSort算法跟踪，有效识别并预警驾驶员的分心与疲劳行为，提升行车安全。 基于深度学习+YOLOv5+Deepsort的驾驶员分心驾驶行为（疲劳+危险行为）预警系统+源代码+文档说明.zip是一个经过导师指导并获得高评分的大作业设计项目，适用于课程设计及期末大作业使用。该项目包含完整的源代码和详细的文档说明，可直接下载后运行无需修改。 压缩文件内包括： - 源代码：涵盖基于深度学习技术、YOLOv5目标检测以及Deepsort目标跟踪算法的驾驶员分心驾驶行为预警系统的实现细节，如数据预处理、模型构建与训练、目标识别和追踪机制等。 - 文档说明：提供项目背景信息、设计目的、方法论介绍（包括代码结构）、相关数据集详情及使用指南等内容，有助于用户深入了解并有效利用该系统。 此系统运用深度学习技术，并结合先进的目标检测和跟踪算法，旨在帮助驾驶员及时察觉分心驾驶行为，从而提高行车安全。通过研究与应用这一预警机制，可以显著增强道路行驶的安全性。
     
  • 基于安卓的驾驶员行为监测及报警系统，涵盖疲劳和危险检测
    优质
    本系统专为安卓设备设计，旨在监控驾驶员的行为状态，通过实时分析判断驾驶者的疲劳程度与潜在风险，并发出预警以保障行车安全。 Toast_dem是使用Android Studio API level 33编译打包的应用程序。后端实现部分是关键所在，加载自己的模型即可完成相关功能。
     
  • 危险驾驶检测器：运用SSD目标检测算法识别闭眼及接打电话、抽烟等行为，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
     
  • 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] ```