Advertisement

MTCNN_CNN_危险驾驶检测：本项目旨在识别闭眼、打哈欠、吸烟及接打电话等行为，...

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

简介：
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • MTCNN_CNN_危险驾驶检测：本项目旨在识别闭眼、打哈欠、吸烟及接打电话等行为，...
    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。
     
  • 危险驾驶行为检测：运用SSD目标检测算法识别闭眼、开口及吸烟打电话等行为
    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。
     
  • 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
     
  • 实时驾驶行为识别及驾驶安全监测——实现对开车时打电话和打哈欠的即时检测
    优质
    本项目专注于开发实时驾驶行为识别系统，旨在通过先进的计算机视觉技术监测驾驶员在驾车过程中的危险行为，如接打电话或打哈欠，并立即发出警告以保障行车安全。 实时驾驶行为识别与驾驶安全检测-实现了开车打电话、打哈欠的实时识别 实现开车打电话及打哈欠的实时识别对于提升道路安全性至关重要。以下将简要介绍构建此类系统的方法，并概述代码运行的主要步骤，但不包含具体代码细节。 #### 1. 环境搭建 选择合适的操作系统（推荐Linux或Windows），确保有足够的计算资源以支持深度学习模型的训练和推理过程。安装必要的软件包如Python环境、PyTorch或TensorFlow等用于构建神经网络架构，并使用OpenCV处理视频流数据，同时选用dlib或其他面部特征检测库来辅助识别特定行为。 #### 2. 数据准备 首先收集大量包含驾驶员正常驾驶状态以及做出打电话和打哈欠动作的视频片段作为训练集。确保每个类别都有充足的样本数量以提高模型的学习效率与准确性；然后对这些数据进行标注，明确标识出哪些帧对应于哪一种具体的行为表现形式。 通过上述步骤可以构建一个有效的系统来实时检测驾驶员在驾驶过程中的关键行为特征，并据此提供相应的安全预警服务。
     
  • 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。
     
  • 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。
     
  • 抽烟检测，通话时检测，打哈欠检测，偏头和低头检测，眨眼及闭眼检测
    优质
    这款软件能够智能检测吸烟行为、通话状态以及疲劳迹象（如打哈欠、头部姿势异常、眨眼频率），确保安全与专注。 抽烟检测要求被测者真的在抽烟（烟需点燃）。此外还有打电话检测、打哈欠检测、闭眼和眨眼检测以及左右偏头的检测。
     
  • MATLAB眼部疲劳检测【包含人眼检测、打哈欠识别、大纲及GUI】.zip
    优质
    本资源提供一套全面的眼部疲劳检测方案，包括精准的人眼定位与追踪技术、打哈欠动作识别算法，并附带详细的大纲和用户界面设计，助力研究者深入分析眼部疲劳成因。 大家好，本课题是基于MATLAB GUI可视化平台的疲劳驾驶检测研究。我们采用perclos算法进行分析。整个流程包括：视频分帧处理、对每一帧图像通过肤色识别技术定位人脸位置、去除干扰区域、使用灰度积分法确定人眼位置，并统计闭眼和睁眼的画面数量，然后根据perclos定理计算闭眼频率，以此判断是否处于疲劳状态。如果系统检测到驾驶员出现疲劳驾驶的情况，则会发出警报声进行提醒。本课题包括详细的论文提纲内容。
     
  • 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）。