计算机毕业设计:疲劳驾驶检测识别系统 python深度学习 YOLOv5 (包含文档+源码+部署程)

1、项目介绍
基于YOLOv5的疲劳驾驶检测系统使用深度学习技术检测常见驾驶图片、视频和实时视频中的疲劳行为,识别其闭眼、打哈欠等结果并记录和保存,以防止交通事故发生。本文详细介绍疲劳驾驶检测系统实现原理的同时,给出Python的实现代码、训练数据集以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别,可对图像中存在的多个目标进行识别分类。

2、项目界面
(1)检测平台首页


(2)摄像头检测识别


(3)视频检测识别

(4)注册登录界面


3、项目说明
基于YOLOv5的疲劳驾驶检测系统应用深度学习技术检测常见驾驶过程中可能存在的疲劳驾驶行为,包括闭眼、打哈欠、正常等常见行为,以方便对驾驶员的安全驾驶进行监测分析;系统采用登录注册进行用户管理;对于图片、视频和摄像头捕获的实时画面,系统可检测画面中的疲劳驾驶行为;系统支持结果记录、展示和保存,每次检测的结果记录在表格中。对此这里给出博主设计的界面,同款的简约风,功能也可以满足图片、视频和摄像头的识别检测,

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
对于疲劳驾驶检测,你可以使用Python来进行相关的开发。以下是一个简单的示例代码,用于检测驾驶员的疲劳度: ```python import cv2 import dlib from scipy.spatial import distance def calculate_eye_aspect_ratio(eye): # 计算眼睛纵横比 A = distance.euclidean(eye[1], eye[5]) B = distance.euclidean(eye[2], eye[4]) C = distance.euclidean(eye[0], eye[3]) ear = (A + B) / (2.0 * C) return ear def detect_fatigue(frame, detector, predictor, ear_threshold): # 检测疲劳驾驶 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces = detector(gray) for face in faces: landmarks = predictor(gray, face) left_eye = [] right_eye = [] for n in range(36, 42): x = landmarks.part(n).x y = landmarks.part(n).y left_eye.append((x, y)) for n in range(42, 48): x = landmarks.part(n).x y = landmarks.part(n).y right_eye.append((x, y)) left_ear = calculate_eye_aspect_ratio(left_eye) right_ear = calculate_eye_aspect_ratio(right_eye) avg_ear = (left_ear + right_ear) / 2 if avg_ear < ear_threshold: return True return False # 加载人脸检测器和人脸特征点检测器 detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") # 打开摄像头 cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: break # 设置疲劳阈值,根据实际情况调整 ear_threshold = 0.25 if detect_fatigue(frame, detector, predictor, ear_threshold): cv2.putText(frame, "Fatigue Detected", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) cv2.imshow("Frame", frame) if cv2.waitKey(1) == ord('q'): break cap.release() cv2.destroyAllWindows() ``` 这段代码使用了dlib库进行人脸检测和人脸特征点检测,并计算了眼睛纵横比(eye aspect ratio, EAR)来判断驾驶员是否疲劳。你需要下载dlib库和shape_predictor_68_face_landmarks.dat文件,并将其放在代码同一目录下。 代码中通过摄像头实时获取图像,然后检测人脸并计算眼睛纵横比。如果眼睛纵横比小于设定的阈值,将会显示"Fatigue Detected"的提示。 请注意,这只是一个简单的示例代码,实际应用中可能需要更复杂的算法和模型来进行疲劳驾驶检测

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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