Advertisement

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

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

简介：
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）。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 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YOLOv5的抽烟检测数据集
    优质
    本数据集专为优化YOLOv5模型设计，聚焦于抽烟行为的识别与分类，旨在提升公共空间监控系统的准确性和效率。 YOLOv5抽烟检测数据集已准备好，格式为txt文件，并且训练集、测试集和验证集已经划分好，可以直接用于模型训练，亲测有效。