毕设 基于机器视觉的驾驶疲劳检测系统(源码+论文)

于 2024-09-08 16:46:03 发布
阅读量1.3k 收藏 26
点赞数 25
文章标签： python 毕设 毕业设计
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/iwueyqi/article/details/142029180
版权

文章目录

0 前言

🔥这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设题目缺少创新和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。

为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天要分享的是

🚩 毕业设计 基于机器视觉的驾驶疲劳检测系统(源码+论文)

🥇学长这里给一个题目综合评分(每项满分5分)

难度系数：3分
工作量：3分
创新点：4分

🧿 项目分享:见文末!

1 项目运行效果

在这里插入图片描述在这里插入图片描述
在这里插入图片描述

视频效果：

毕业设计 机器视觉驾驶疲劳检测系统

2 课题背景

为了有效监测驾驶员是否疲劳驾驶、避免交通事故的发⽣,本项目利⽤⼈脸特征点进⾏实时疲劳驾驶检测的新⽅法。对驾驶员驾驶时的⾯部图像进⾏实时监控,⾸先检测⼈脸,并利⽤ERT算法定位⼈脸特征点;然后根据⼈脸眼睛区域的特征点坐标信息计算眼睛纵横⽐EAR来描述眼睛张开程度,根据合适的EAR阈值可判断睁眼或闭眼状态;最后基于EAR实测值和EAR阈值对监控视频计算闭眼时间⽐例(PERCLOS)值度量驾驶员主观疲劳程度,将其与设定的疲劳度阈值进⾏⽐较即可判定是否疲劳驾驶。

3 Dlib人脸检测与特征提取

3.1 简介

Dlib是一个基于c++开发的开源数据工具库,其中包含了不少的机器学习的成熟算法与模型,相对于tensorflow和PyTorch,它用于图像处理以及人脸面部特征提取、分类及对比这几个方面比较具有通用性和优越性,因此,Dlib正在越来越广泛地应用在人脸识别技术领域。
Dlib具有独立使用的可移植代码。Dlib中的代码使用c++语言进行开发而成,使用独立封装,在不借助第三方数据库的情况下,可以直接移植到自己所需要设计的项目中进行使用。

3.2 Dlib优点

  • Dlib拥有全面的文档说明。作为一个开源的人脸数据库训练集,Dlib中有很多功能齐全的程序和文件,从人性化的角度而言的,Dlib在这一点上做的是非常不错的,因为它为每一个程序文档和文件都做了相对应的注释,这样开发者就可以迅速准确的调集程序文档来完成自己所需要的项目功能。

  • Dlib涵盖了支持功能完备的深度学习以及图像处理的各类算法。Dlib为开发者提供了机器深度学习的各类成熟的完备算法,并且在图像处理方面也为开发者带来了能够解决大多数实质问题的优良算法。例如基于SVM的递归和分类算法,以及专门用于面对大规模分类和递归的降维算法。当然还有能够对未知函数进行预分类和预测的相关向量机,其分类和预测训练是基于贝叶斯框架。

4 疲劳检测算法

该系统采用Dlib库中人脸68个关键点检测shape＿predictor＿68＿face＿landmarks.dat的dat模型库及视频中的人脸，之后返回人脸特征点坐标、人脸框及人脸角度等。本系统利用这68个关键点对驾驶员的疲劳状态进行检测，算法如下：

  1. 初始化Dlib的人脸检测器(HOG)，然后创建面部标志物预测；
  2. 使用dlib.get＿frontal＿face＿detector() 获得脸部位置检测器；
  3. 使用dlib.shape＿predictor获得脸部特征位置检测器；
  4. 分别获取左、右眼面部标志的索引；
  5. 打开cv2本地摄像头。

Dlib库68个特征点模型如图所示：
在这里插入图片描述

4.1 眼睛检测算法

基于EAR算法的眨眼检测，当人眼睁开时，EAR在某个值域范围内波动，当人眼闭合时，EAR迅速下降，理论上接近于0。当EAR低于某个阈值时，眼睛处于闭合状态；当EAR由某个值迅速下降至小于该阈值，再迅速上升至大于该阈值，则判断为一次眨眼。为检测眨眼次数，需要设置同一次眨眼的连续帧数。眨眼速度较快，一般1～3帧即可完成眨眼动作。眼部特征点如图：

在这里插入图片描述

EAR计算公式如下：
在这里插入图片描述
当后帧眼睛宽高比与前一帧差值的绝对值(EAR)大于0.2时，认为驾驶员在疲劳驾驶。（68点landmark中可以看到37-42为左眼，43-48为右眼）
在这里插入图片描述
右眼开合度可以通过以下公式：
在这里插入图片描述
眼睛睁开度从大到小为进入闭眼期，从小到大为进入睁眼期，计算最长闭眼时间(可用帧数来代替)。闭眼次数为进入闭眼、进入睁眼的次数。通过设定单位时间内闭眼次数、闭眼时间的阈值判断人是否已经疲劳了。

相关代码：

# 疲劳检测，检测眼睛和嘴巴的开合程度

from scipy.spatial import distance as dist
from imutils.video import FileVideoStream
from imutils.video import VideoStream
from imutils import face_utils
import numpy as np  # 数据处理的库 numpy
import argparse
import imutils
import time
import dlib
import cv2
import math
import time
from threading import Thread

def eye_aspect_ratio(eye):
    # 垂直眼标志（X，Y）坐标
    A = dist.euclidean(eye[1], eye[5])  # 计算两个集合之间的欧式距离
    B = dist.euclidean(eye[2], eye[4])
    # 计算水平之间的欧几里得距离
    # 水平眼标志（X，Y）坐标
    C = dist.euclidean(eye[0], eye[3])
    # 眼睛长宽比的计算
    ear = (A + B) / (2.0 * C)
    # 返回眼睛的长宽比
    return ear

4.2 打哈欠检测算法

基于MAR算法的哈欠检测，利用Dlib提取嘴部的6个特征点，通过这6个特征点的坐标(51、59、53、57的纵坐标和49、55的横坐标)来计算打哈欠时嘴巴的张开程度。当一个人说话时，点51、59、53、57的纵坐标差值增大，从而使MAR值迅速增大，反之，当一个人闭上嘴巴时，MAR值迅速减小。

嘴部主要取六个参考点，如下图：
在这里插入图片描述
计算公式：
在这里插入图片描述
通过公式计算MAR来判断是否张嘴及张嘴时间，从而确定驾驶员是否在打哈欠。阈值应经过大量实验，能够与正常说话或哼歌区分开来。为提高判断的准确度，采用双阈值法进行哈欠检测，即对内轮廓进行检测：结合张口度与张口时间进行判断。Yawn为打哈欠的帧数，N为1 min内总帧数，设双阈值法哈欠检测的阈值为10%，当打哈欠频率Freq>10%时，则认为驾驶员打了1个深度哈欠或者至少连续2个浅哈欠，此时系统进行疲劳提醒。

相关代码：

# 疲劳检测，检测眼睛和嘴巴的开合程度

from scipy.spatial import distance as dist
from imutils.video import FileVideoStream
from imutils.video import VideoStream
from imutils import face_utils
import numpy as np  # 数据处理的库 numpy
import argparse
import imutils
import time
import dlib
import cv2
import math
import time
from threading import Thread

def mouth_aspect_ratio(mouth):  # 嘴部
    A = np.linalg.norm(mouth[2] - mouth[10])  # 51, 59
    B = np.linalg.norm(mouth[4] - mouth[8])  # 53, 57
    C = np.linalg.norm(mouth[0] - mouth[6])  # 49, 55
    mar = (A + B) / (2.0 * C)
    return mar

相应的演示效果如下：

在这里插入图片描述

4.3 点头检测算法

基于HPE算法的点头检测

HPE(Head Pose Estimation,HPE)算法步骤：2D人脸关键点检测，3D人脸模型匹配，求解3D点和对应2D点的转换关系，根据旋转矩阵求解欧拉角。检测过程中需要使用世界坐标系(UVW)、相机坐标系(XYZ)、图像中心坐标系(uv)和像素坐标系(xy)。一个物体相对于相机的姿态可以使用旋转矩阵和平移矩阵来表示。

  • 平移矩阵：物体相对于相机的空间位置关系矩阵，用T表示；
  • 旋转矩阵：物体相对于相机的空间姿态关系矩阵，用R表示。

因此必然少不了坐标系转换。如图所示：
在这里插入图片描述
于是世界坐标系(UVW)、相机坐标系(XYZ)、图像中心坐标系(uv)和像素坐标系(xy)四兄弟闪亮登场。相对关系如下：
世界坐标系转换到相机坐标：
在这里插入图片描述
相机坐标系转换到像素坐标系：
在这里插入图片描述
像素坐标系与世界坐标系的关系为：
在这里插入图片描述
图像中心坐标系转换到像素坐标系：
在这里插入图片描述
得到旋转矩阵后，求欧拉角：
在这里插入图片描述
设定参数阈值为0.3，在一个时间段，如10 s内，当低头欧拉角|Pitch|≥20°或者头部倾斜欧拉角|Roll|≥20°的时间比例超过0.3时，则认为驾驶员处于瞌睡状态，发出预警。
在这里插入图片描述
相关效果展示：
在这里插入图片描述

5 PyQt5

5.1 简介

Qt是一个跨平台的 C++ 开发库，主要用来开发图形用户界面程序(GUI)，当然也可以开发不带界面的命令行程序。
但Qt 是纯 C++ 开发的，PyQt5是基于图形程序框架Qt5的Python语言实现，由一组Python模块构成。

  • QLabel控件：用来显示文本或图像。

  • QLineEdit窗口控件：提供了一个单页面的单行文本编辑器。

  • QTextEdit窗口控件：提供了一个单页面的多行文本编辑器。

  • QPushButton窗口控件：提供了一个命令按钮。

  • QRadioButton控件：提供了一个单选钮和一个文本或像素映射标签。

  • QCheckBox窗口控件：提供了一个带文本标签的复选框。

  • QspinBox控件：允许用户选择一个值，要么通过按向上/向下键增加/减少当前显示值，要么直接将值输入到输入框中。

  • QScrollBar窗口控件：提供了一个水平的或垂直的滚动条。

  • QSlider控件：提供了一个垂直的或水平的滑动条。

  • QComboBox控件：一个组合按钮，用于弹出列表。

  • QMenuBar控件：提供了一个横向菜单栏。

  • QStatusBar控件：提供了一个适合呈现状态信息的水平条，通常放在QMainWindow的底部。

  • QToolBar控件：提供了一个工具栏，可以包含多个命令按钮，通常放在QMainWindow的顶部。

  • QListView控件：可以显示和控制可选的多选列表，可以设置ListMode或IconMode。

  • QPixmap控件：可以在绘图设备上显示图像，通常放在QLabel或QPushButton类中。

  • Qdialog控件：对话框窗口的基类。

  • QWidget是所有用户界面类的基类，它能接收所有的鼠标、键盘和其他系统窗口事件。没有被嵌入到父窗口中的Widget会被当作一个窗口来调用，当然，它也可以使用setWindowFlags(Qt.WindowFlags)函数来设置窗口的显示效果。QWidget的构造函数可以接收两个参数，其中第一个参数是该窗口的父窗口；第二个参数是该窗口的Flag，也就是- Qt.WindowFlags。根据父窗口来决定Widget是嵌入到父窗口中还是被当作一个独立的窗口来调用，根据Flag来设置Widget窗口的一些属性。

  • QMainWindow（主窗口）一般是应用程序的框架，在主窗口中可以添加所需要的Widget，比如添加菜单栏、工具栏、状态栏等。主窗口通常用于提供一个大的中央窗口控件（如文本编辑或者绘制画布）以及周围的菜单栏、工具栏和状态栏。QMainWindow常常被继承，这使得封装中央控件、菜单栏，工具栏以及窗口状态变得更容易，也可以使用Qt Designer来创建主窗口。

5.2相关界面代码

#部分代码
from PyQt5.QtCore import QTimer, QThread, pyqtSignal, QRegExp, Qt
from PyQt5.QtGui import QImage, QPixmap, QIcon, QTextCursor, QRegExpValidator,QPainter
from PyQt5.QtWidgets import *
from PyQt5.uic import loadUi
from ui.untitled import Ui_Form
from core2 import CoreUI
from dataRecord import DataRecordUI
from dataManage import DataManageUI

from ui.pic import Ui_Form1
from PyQt5 import QtCore
import sys
import os
from PyQt5 import QtGui
from PyQt5 import QtCore
from PyQt5.QtWidgets import *
from PyQt5.QtCore import *
from PyQt5.QtGui import *
import sys
class Main(CoreUI,QMainWindow):
	def __init__(self):
		super(Main, self).__init__()
		qssStyle = open(os.path.join('sip/123.qss')).read()
		self.setStyleSheet(qssStyle)

		self.setWindowFlag(QtCore.Qt.FramelessWindowHint)#设置无边框  但是按键得重新设置了
		#self.startWebcamButton()
		self.startWebcamButton.setStyleSheet(
			"startWebcamButton{color:black}"
			"startWebcamButton:hover{color:red}"
			"startWebcamButton{background-color:rgb(180,180,180)}"
			"startWebcamButton{border:2px}"
			"startWebcamButton{border-radius:10px}"
			"startWebcamButton{padding:2px 4px}"
			"startWebcamButton{font-size:14pt}")
		self.pushButton.setStyleSheet(
			"#pushButton {color:rgb(255,255,255);border-image:url(sip/anniu.png);text-aligh:left;font-size:18px;font-weight:bold;};"
		)
		self.pushButton_2.setStyleSheet(
			"#pushButton_2 {color:rgb(255,255,255);border-image:url(sip/anniu.png);text-aligh:left;font-size:18px;font-weight:bold;};"
		)
		self.pushButton_3.setStyleSheet(
			"#pushButton_3 {color:rgb(255,255,255);border-image:url(sip/anniu.png);text-aligh:left;font-size:18px;font-weight:bold;};"
		)
		self.pushButton_4.setStyleSheet(
			"#pushButton_4 {color:rgb(255,255,255);border-image:url(sip/anniu.png);text-aligh:left;font-size:18px;font-weight:bold;};"
		)
		#self.setStyleSheet("color:white")#颜色全变
		self.pushButton_4.clicked.connect(QCoreApplication.instance().quit)
	def closewin(self):
		self.close()

	def mouseMoveEvent(self, e: QMouseEvent):  # 重写移动事件
		self._endPos = e.pos() - self._startPos
		self.move(self.pos() + self._endPos)

	def mousePressEvent(self, e: QMouseEvent):
		if e.button() == Qt.LeftButton:
			self._isTracking = True
			self._startPos = QPoint(e.x(), e.y())

	def mouseReleaseEvent(self, e: QMouseEvent):
		if e.button() == Qt.LeftButton:
			self._isTracking = False
			self._startPos = None
			self._endPos = None

	def paintEvent(self, a0: QtGui.QPaintEvent) -> None:
		painter = QPainter(self)
		pixmap = QPixmap("sip/5.jfif")
		painter.drawPixmap(self.rect(), pixmap)
		#self.setupUi(self)
	'''def open(self):
		path = r"sip/new"
		QDesktopServices.openUrl(QUrl.fromLocalFile(path))'''
class Child(DataRecordUI,QMainWindow):
	def __init__(self):
		super(Child, self).__init__()
		self.setWindowFlag(QtCore.Qt.FramelessWindowHint)
		qssStyle = open(os.path.join('sip/123.qss')).read()
		self.setStyleSheet(qssStyle)
		#self.setupUi(self)
	def OPEN(self):
			self.show()
	def closewin(self):
		self.close()
	def returnmain(self):

		self.pushButton.clicked.connect(main.show)
		self.pushButton.clicked.connect(ch.hide)
	def paintEvent(self, a0: QtGui.QPaintEvent) -> None:
		painter = QPainter(self)
		pixmap = QPixmap("sip/5.jfif")
		painter.drawPixmap(self.rect(), pixmap)

class Child1(DataManageUI,QMainWindow):
	def __init__(self):
		super(Child1,self).__init__()
		self.setWindowFlag(QtCore.Qt.FramelessWindowHint)
		qssStyle = open(os.path.join('sip/123.qss')).read()
		self.setStyleSheet(qssStyle)
	def OPEN(self):
		self.show()
	def closewin(self):
		self.close()
	def returnmain(self):

		self.pushButton.clicked.connect(main.show)
		self.pushButton.clicked.connect(ch1.hide)
	def paintEvent(self, a0: QtGui.QPaintEvent) -> None:
		painter = QPainter(self)
		pixmap = QPixmap("sip/5.jfif")
		painter.drawPixmap(self.rect(), pixmap)

class help(Ui_Form,QWidget):
	def __init__(self):
		super(help,self).__init__()
		self.setWindowFlag(QtCore.Qt.FramelessWindowHint)
		self.setupUi(self)
		qssStyle = open(os.path.join('sip/123.qss')).read()
		self.setStyleSheet(qssStyle)
		'''qssStyle1 = open(os.path.join('sip/123.qss')).read()
		self.setStyleSheet(qssStyle1)'''
	def OPEN(self):
		self.show()
	def returnmain(self):
		self.pushButton.clicked.connect(main.show)
		self.pushButton.clicked.connect(Help.hide)
	def paintEvent(self, a0: QtGui.QPaintEvent) -> None:
		painter = QPainter(self)
		pixmap = QPixmap("sip/5.jfif")
		painter.drawPixmap(self.rect(), pixmap)

class add(Ui_Form1,QWidget):
	def __init__(self):
		super(add,self).__init__()
		#self.setWindowFlag(QtCore.Qt.FramelessWindowHint)
		self.setupUi(self)
		self.setWindowFlag(QtCore.Qt.FramelessWindowHint)
		qssStyle = open(os.path.join('sip/123.qss')).read()
		self.setStyleSheet(qssStyle)
		#qssStyle = open(os.path.join('123.qss')).read()
		self.pushButton.clicked.connect(self.close)
		#self.setStyleSheet(qssStyle)
	def OPEN(self):
		self.show()
	def paintEvent(self, a0: QtGui.QPaintEvent) -> None:
		painter = QPainter(self)
		pixmap = QPixmap("./sip/5.jfif")
		painter.drawPixmap(self.rect(), pixmap)

if __name__ =="__main__":
	#QtCore.QCoreApplication.setAttribute(QtCore.Qt.AA_EnableHighDpiScaling)
	app = QApplication(sys.argv)
	main = Main()
	ch = Child()
	ch1 = Child1()
	Help = help()
	ADD=add()
	main.show()
	#main.setStyleSheet("{border-image:url(sip/background.jpg)}")
	main.pushButton.clicked.connect(main.hide)
	main.pushButton.clicked.connect(ch.OPEN)
	main.pushButton_2.clicked.connect(main.hide)
	main.pushButton_2.clicked.connect(ch1.OPEN)
	main.pushButton_3.clicked.connect(main.hide)
	main.pushButton_3.clicked.connect(Help.OPEN)
	main.pushButton_11.clicked.connect(ADD.OPEN)
	ch.pushButton.clicked.connect(ch.returnmain)
	ch1.pushButton.clicked.connect(ch1.returnmain)
	Help.pushButton.clicked.connect(Help.returnmain)
	#ADD.pushButton.clicked.connect(ADD.close)
	sys.exit(app.exec_())

篇幅有限，更多详细设计见设计论文

6 最后

项目包含内容

在这里插入图片描述

1万4千字 完整详细设计论文
在这里插入图片描述

🧿 项目分享:见文末!

iwueyqi
关注
基于YOLOv8深度学习的疲劳驾驶检测系统：UI界面 + YOLOv8 + 数据集的实现
m0_52343631的博客
10-17 616
数据集准备：收集和标注疲劳驾驶相关的数据集。模型训练：使用YOLOv8对数据进行训练，完成疲劳驾驶状态的检测。UI设计与实现：通过Tkinter库设计用户界面，实现图像加载和实时检测功能。系统部署：将训练好的模型集成到应用中，进行实际测试。
疲劳驾驶检测
01-05
matlab编写程序，通过定位人眼，嘴巴，检测驾驶员是否处于疲劳状态，运行简单，界面清晰
基于机器视觉的疲劳驾驶检测
qq_31065851的博客
06-14 1万+
一、疲劳驾驶特征提取 眼睛闭合的频率和持续时间在某种程度上可以反映疲劳的状态。卡内基梅隆研究所经过反复试验和论证，提出了度量疲劳的物理PERCLOS。PERCLOS定义为一定时间内眼睛的闭合程度，它已经成为度量疲劳状态的一种科学有效的方法。当一定时间间隔内眼睛闭合所占的时间比例超过15%时即认为是疲劳状态。PERCLOS方法通过眼睛闭合所占的时间比例进行疲劳驾驶的判定。但是，眼睛的大小因人而异，眼...
基于深度学习的驾驶员疲劳监测系统的设计与实现
qq_3191153580的博客
10-14 2484
越来越多的消费者都体验到了驾驶员疲劳监测系统带来的对安全的提升。根据国际标准化组织（ ISO ）的定义，疲劳驾驶指的是驾驶员在驾驶时，将自身注意力分散的指向与正常驾驶不相干的行为，如瞌睡点头、打哈欠、向后座拿东西等行为，疲劳驾驶是一个常见的并极其危险的行为。另外dlib中的提供的这些模型都是已经训练好的，我们可以到官方demo下载，demo给出了在一些benchmark中的效果，也可以自己训练得到这些模型，当然前提是你需要有GPU，并且要求很大量的数据以及丰富的调参经验，这些也都是深度学习中的点。
基于深度学习的疲劳驾驶检测算法
09-27
针对现有疲劳驾驶检测算法实用性差或准确率低的问题, 本文提出了一种基于深度学习的疲劳驾驶检测算法. 首先, 使用 HOG (Histogram of Oriented Gradient) 特征算子检测人脸的存在; 其次, 利用特征点模型实现人脸的对齐, 同时实现眼睛、嘴巴区域的分割; 最后通过深度卷积神经网络提取驾驶员的眼部疲劳特征, 并融合驾驶员嘴部的疲劳特征进行疲劳预警. 大量的实验表明, 该方法在疲劳驾驶检测的准确率、实时性等方面都取得明显的性能提升.
【毕业设计】深度学习疲劳检测 驾驶行为检测 - python opencv cnn
HUXINY的博客
08-12 1万+
🔥 这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设题目缺少创新和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天要分享的是🚩 **基于深度学习加驾驶疲劳与行为检测 **🥇学长这里给一个题目综合评分(每项满分5分)难度系数：4分工作量：3分创新点：5分🧿。...
基于深度学习的AI疲劳检测系统
DeepAIedu的博客
11-14 7447
​疲劳检测的原理是根据人体疲劳状态下的特征检测，和正常状态下的特征检测做对比。在做疲劳检测之前，首先需要分析人体在疲劳状态下与正常状态下的特征有哪些不同的的表现，这些不同的表现可以通过哪些数值具体的量化出来，然后通过这些量化后的不同数值来判断属于哪种行为；最后根据获取的各种行为综合判断属于疲劳状态或者正常状态。 场景分析 通过对现有的疲劳检测场景分析，以及对疲劳特征的研究，判断人体属于疲劳或者非疲劳状态的方法可以分为主动检测和被动检测，主动检测需要检测者配合才能进行，操作也..
项目四：基于深度学习的驾驶员疲劳检测
a_123456598的博客
05-22 1775
项目四：腾讯广告算法大赛
基于python+opencv的疲劳驾驶检测项目源码+全部数据（毕业设计）.zip
11-14
基于python+opencv的疲劳驾驶检测项目源码+全部数据（毕业设计）.zip 主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码、该项目可以直接作为...
python毕业设计基于机器视觉的害虫种类及数量检测项目源码+全部数据+PDF论文.zip
11-14
python毕业设计基于机器视觉的害虫种类及数量检测项目源码+全部数据+PDF论文.zip主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码、该项目...
人工智能深度学习-基于计算机视觉的智慧养老系统源码+详细文档说明+答辩PPT
10-26
人工智能深度学习-基于计算机视觉的智慧养老系统源码+详细文档说明+答辩PPT，该项目是个人毕设项目，答辩评审分达到98分，代码都经过调试测试，确保可以运行！欢迎下载使用，可用于小白学习、进阶。该资源主要针对...
第二十一章：项目实战-疲劳检测.zip
07-14
本资料是基于opencv做的一个疲劳检测，使用python语言写的，适合一些正在摸索opencv学习的小伙伴们
计算机视觉毕设基于深度学习的黑烟车自动识别系统源码+数据集+使用文档+论文.zip
04-28
计算机视觉毕设基于深度学习的黑烟车自动识别系统源码+数据集+使用文档+论文.zip包括了代码、数据集（带标注）、实验及结果、答辩PPT、论文。计算机视觉是深度学习炙手可热的方向之一，得益于数据、硬件的发展，...
毕业设计基于python+opencv+web+ffmpeg计算机视觉的智慧养老系统源码+答辩PPT
最新发布
10-26
毕业设计基于python+opencv+web+ffmpeg计算机视觉的智慧养老系统源码+答辩PPT，该项目是个人毕设项目，答辩评审分达到98分，代码都经过调试测试，确保可以运行！欢迎下载使用，可用于小白学习、进阶。该资源主要针对...
毕业设计 - 题目： 基于深度学习的疲劳驾驶检测 深度学习
热门推荐
HUXINY的博客
11-15 2万+
1 课题背景 关于对疲劳驾驶的研究不在少数， 不少学者从人物面部入手展开。 人类的面部包含着许多不同的特征信息， 例如其中一些比较明显的特征如打哈欠、 闭眼、 揉眼等表情特征可用来作为判断驾驶员是否处于疲劳状态的依据。 随着计算机技术的不断发展， 尤其是在人工智能相关技术勃发的今天， 借助计算机可以快速有效的识别出图片中人脸特征， 对处于当前时刻驾驶员的精神状态做出判断， 并将疲劳预警信息传达给司机， 以保证交通的安全运行， 减少伤亡事故的发生。 2 实现目标 经查阅相关文献，疲劳在人体面部表情中表现出大致
计算机视觉竞赛
CodeTutor
02-27 1934
PASCAL VOC和ImageNet ILSVRC竞赛关注于物体识别。 LSUN（Large-scale Scene Understanding Challenge）比赛：在CVPR上举办的竞赛，主要针对场景识别问题，包括场景分类、显著性预测、房间布局估计、生成caption等。
竞赛 题目： 基于深度学习的疲劳驾驶检测 深度学习
iuerfee的博客
11-10 774
🔥 优质竞赛项目系列，今天要分享的是基于深度学习的驾驶疲劳检测该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！🧿🧿。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值