基于dlib检测和随机森林分类的驾驶员危险驾驶（人脸）检测

已于 2022-08-01 21:22:15 修改
阅读量831 收藏 10
点赞数 1
分类专栏： python 算法 CV 文章标签： 随机森林 算法 机器学习
于 2022-06-15 21:17:49 首次发布
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/qq_45819091/article/details/125247106
版权
python 同时被 3 个专栏收录
8 篇文章 3 订阅
订阅专栏
CV
6 篇文章 0 订阅
订阅专栏
算法
2 篇文章 0 订阅
订阅专栏

        前提：这篇文章的源头喃，是为了公司的一个训练营里交的实战报告，因为当时也赶时间，所以弄的挺马虎的，但也是一次实践了。想深入了解，或者看一下代码效果的，可以在gitee上找到我的源码，也是有中文注释的。（图像数据集的链接在下面哈）

danger_drive detection: 危险驾驶检测分类，从数据创建到逻辑推理和算法实现。

目录

项目背景

方法逻辑

数据处理

 模型构建与选择

代码函数简述

 模型评价

 效果展示

项目背景

        为了在车辆驾驶员处于疲劳驾驶或不专心驾驶等危险驾场景驶时，对驾驶员进行提醒，我们需要对当前驾驶员的驾驶状态进行一个识别分类。

方法逻辑

        通过人脸识别，获取驾驶员前脸，当没有识别到前脸时，认为驾驶员没有观察前方车况，识别到前脸后，再识别出人脸的特征标识点，包括左、右眼睛，嘴巴等轮廓标识点，利用眼睛的轮廓标识点判断当前驾驶员眼睛的闭合度，连续低于设定的阈值认为当前处于闭眼状态，利用嘴巴的轮廓标识点判断当前驾驶员嘴巴的打开程度，连续高于某个阈值认为是处于打哈欠状态。基于前面获得的各种状态数据输入分类模型来获得当前是否危险驾驶和危险驾驶的严重性。

数据处理

        原始数据集是网上公共的疲劳驾驶图像数据集 ：疲劳驾驶行为数据集 - 飞桨AI Studio，我将其分为了训练集和测试集两部分，训练集2475张，测试集439张。就没有弄验证集哈

        对图像人脸识别并编码进行逻辑判断得到分类模型训练数据文件data.txt 和分类模型测试数据文件datatest.txt。如下图所示，每一行表示当前一张图片的数据，总共有7个，前5个是模型输入数据，分别表示眼睛轮廓长宽比，被认为是眼的次数，嘴巴轮廓长宽比，被认为是打哈欠的次数，前脸丢失检测的次数，这样的数据不仅包含了当前帧图像的信息，也包括了之前图像的信息；后两个是模型输出真值，分别表示处于危险驾驶，处于非常危险驾驶状态，当都为0表示不是危险驾驶状态。下图是一个部分data.txt的示例

295d885f274048a8bd8aa338680f7f73.png

 模型构建与选择

         前脸以及脸部轮廓标识点识别选择了Dlib人脸识别开源库，Dlib保持着很好的更新节奏，文档也写得相当清晰，是一个优秀的人脸识别开源库。用它来得到我们分类模型的输入数据是一个不错的选择。

        因为该数据输入与输出间逻辑性较强，分类模型选择了随机森林分类模型，它是含有多个决策树的分类器，具有训练速度快，抗过拟合能力强的特点。我用sklearn开源库搭建了随机森林分类模型。

代码函数简述

3f9d8d6596d24d4d8b0901ec8d002ce5.png

 fc6ca778b84745a38f2f642e83df38ea.png

 模型评价

30f4a4c01407434f92747795055385aa.png

 效果展示

模型可视化：

4个决策树组成的随机森林模型

5189cfc6c1544aa7b1c5e740101ec15f.png

80e39cceec654d118fa947296d3984f4.png

Figure1 l连续丢失前脸检测

c375245501004be9ab887bd2dd493a11.png

Figure2  多次被判断为打哈欠或闭眼后仍然存在闭眼

d825385cd6624f1daa8bb34f120c8368.png

Figure3多次被判断为打哈欠或闭眼后仍然存在打哈欠

fengguiyu99
关注
  • 1
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
人脸检测数据集-trainning-data-faces
04-11
kaggle2018年的已标注人脸检测数据集，文件内包括标签文件label_train.txt和图片数据文件db_train.raw。
【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 9976
🔥 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🧿。...
毕业设计：基于深度学习的危险驾驶(抽烟、打电话)检测系统 人工智能 python 计算机视觉
毕设帮助,疑难解答,欢迎打扰!
01-09 1503
毕业设计-基于深度学习的危险驾驶检测系统的计算机毕业设计。危险驾驶行为是导致交通事故的主要原因之一，传统的检测方法存在诸多限制。该系统利用深度学习和计算机视觉技术，能够实时自动检测驾驶员的危险行为，如抽烟、打电话等，提高交通安全和驾驶行为规范。深度学习模型通过学习复杂特征表示，对不同姿态和背景干扰具有较强的鲁棒性。通过实时预警和驾驶行为改善，该系统有助于提高驾驶员的安全意识和行为规范，减少交通事故的风险。为计算机毕业生提供了一个创新的方向，结合了深度学习和计算机视觉技术，为毕业生提供了一个有意义的研究课题。
基于安卓的驾驶员行为监测与报警系统，疲劳检测、危险检测检测
qq_34213238的博客
02-10 1104
架构：分为前端安卓APP采集视频流实时识别 并传给后端识别引擎yolov5训练的模型做检测，判断是否存在危险驾驶行为。客户要的是具备以下功能:1.疲劳驾驶检测与报警功能：用户打开摄像头，系统对用户面部进行识别，检测是否出现疲劳驾驶状态，当检测到疲劳驾驶时，比如打哈欠、瞌睡点头，立马开启警报2.危险驾驶检测与报警功能：如检测到抽烟、玩手机，立马开启警报3.安全带检测与报警功能：检测到没带安全带，立马开启警报4.摄像头遮挡检测与报警功能：检测到摄像头遮挡，立马开启警报。
大型车辆危险驾驶行为监测系统一体化设计及实现
07-01
大型车辆的驾驶行为监控系统设计与开发，分为硬件和软件部分
基于OpenPose与随机森林的驾驶员检测系统，包含姿态检测与疲劳检测（含模型）
最新发布
06-07
基于OpenPose与随机森林的驾驶员检测系统，包含姿态检测与疲劳检测（含模型） main.py 为程序执行入口 get_train.py 为OpenPose提取姿态特征文件，数据集来源为Kaggle网站上State Farm Distracted Driver ...
python 基于dlib库的人脸检测的实现
01-02
国外身份证项目新增需求，检测出身份证正面的人脸。最开始考虑mobilenet-ssd，经同事提醒，有现成的人脸库dlib，那就用传统方法尝试一下。 dlib安装 dlib的安装小费一波周折，我的python版本是3.6，直接pip install...
基于人脸关键点检测的驾驶员睡意检测系统
12-26
驾驶员注意力不集中或者分心是道路交通...然而人脸关键点检测方法根据是否需要参数化模型可分为以下两类，基于参数化形状模型的方法和基于非参数形状模型的方法。目前，最为常用的是基于非参数形状模型的深度学习方法。
基于Python卷积神经网络人脸识别驾驶员疲劳检测与预警系统设计
05-18
本实验从人脸朝向、位置、瞳孔朝向、眼睛开合度、眨眼频率、瞳孔收缩率等数据入手，并通过这些数据，实时地计算出驾驶员的注意力集中程度，分析驾驶员是否疲劳驾驶和及时作出安全提示。 视觉疲劳检测原理：因为人...
基于dlib模型的疲劳驾驶检测系统的设计与实现
06-07
为了有效预防疲劳驾驶引发的交通事故，本文开发了一种基于 dlib 模型的疲劳驾驶检测系统。研究表明，疲劳状态常常表现为人体面部表情中的眨眼、打哈欠和点头等行为。本系统通过提取驾驶员面部的68个特征点及其坐标，...
司机疲劳驾驶检测中人脸图像的快速人眼定位
05-09
一种疲劳检测的算法 司机疲劳驾驶检测中人脸图像的快速人眼定位
人脸数据集：CFP
11-07
人脸数据集CFP：CFP consists of 500 subjects each with 10 frontal and 4 profile images. The evaluation protocol includes frontal-frontal (FF) and frontal-profile (FP) face verification, each having 10 folders with 350 same-person pairs and 350 different-person pairs
疲劳驾驶监测数据集.zip
05-04
本数据集包含了人疲劳时的一些照片，建议训练时可以把打哈欠张嘴的状态和闭眼的状态作为疲劳标准，以此来进行一个新手练习的小项目。 经过测试发现，由于原数据集中存在图片数据与标注数据不匹配的问题，故我们需要将不匹配的这部分数据删除。 代码参考如下 import os,shutil jpeg = ‘Dataset/dataset/JPEGImages’ jpeg_list = os.listdir(jpeg) anno = ‘Dataset/dataset/Annotations’ anno_list = os.listdir(anno) for pic in jpeg_list: name = pic.split(‘.’)[0] anno_name = name + ‘.xml’ print(anno_name) if anno_name not in anno_list: os.remove(os.path.join(jpeg,pic))
机器学习中的矩阵向量求导.pdf
02-06
帮助读者快速掌握矩阵、向量求导法则，主要面向矩阵、向量求导在机器学习中的应用。因此，本教程而非一份严格的数学教材，而是希望帮助读者尽快熟悉相关的求导方法并在实践中应用。
数据开源 | Magic Data开源DMS驾驶员行为数据集
weixin_47718443的博客
12-08 2781
更多开源数据欢迎访问 MagicHub 开源社区
Dlib检测器
aliuxuwhy的博客
09-28 249
Dlib检测器 Dlib检测器包括Dlib人脸特征点检测器和Dlib人脸检测器 ； 1： Dlib人脸检测器： 先创建Dlib人脸检测器 ， 返回的是个列表，用于存储矩形，有多少人脸就存储多少个矩形； 再创建Dlib人脸特征点检测器，根据矩形获得每个人脸的68个特征点的坐标，返回的是个列表，列表里存储的是元组，存储的是每个特征点的二维坐标； import cv2 import dlib img = cv2.imread('1.jpg') #格式为h , w , chanel dlib_face_dec
python检测吸烟的算法_Openpose驾驶员危险驾驶检测（抽烟打电话）
weixin_39990660的博客
12-17 1534
序目的：最近在做基于图像的驾驶员疲劳检测系统项目，其中行为检测包含驾驶员打电话和抽烟的危险行为，基于图像用之前的Dlib68特征点和opencv肤色和动态追踪图像处理已经远远达不到理想标准，我们需要获取脸部和手部关键点信息；为了精确识别打电话和抽烟或者是喝水等动作，这里引入了机器视觉中一经典开源模型——Openpose(人体姿态识别模型)。 Openpose简介正文(1)配置Openpose环境W...
危险驾驶秘籍 —— 开车前的检查清单
anyizhen6276的博客
10-16 98
每次开车前都叮嘱自己要注意安全，但又不知道如何做才能安全，不如反其道而行之，列一个危险驾驶检查清单，只要避免这条清单上所说的，开车就安全多了。 1. 开车不系安全带。 2. 醉酒开车。 3. 开斗气车。 4. 喜欢频繁变道。 5. 与前车不预留足够的安全距离。 6. 左/右转的时候不注意盲区，不打转向灯。 7. 不遵守交通规则。 8. 喜欢开快车，秀车技。 9....
智能驾驶数据集 合集
AI 数据库me
02-11 5728
智能驾驶，加速驶进未来新世界 据麦肯锡统计，至2030年智能驾驶市场将超过5000亿美元。在智能驾驶行业，根据应用场景的不同，目前较热门的领域主要集中在驾驶与泊车。 智能驾驶技术真正做到商业化落地，需要不断提高智能驾驶算法的安全性。 智能驾驶图像数据 No.1 103,300张驾驶员行为标注数据 【驾驶员行为标注数据】总数据量103,300张，车内摄像头拍摄，且采集多年龄段、多时段、多种驾驶行为...
基于dlib的人脸检测
03-26
Dlib是一个强大的C ++库，可用于许多机器学习和计算机视觉任务，包括人脸检测。下面是一个基于dlib的简单人脸检测示例： ```c++ #include <iostream> #include <dlib/opencv.h> #include <dlib/image_processing/frontal_face_detector.h> int main() { // 加载人脸检测器 dlib::frontal_face_detector detector = dlib::get_frontal_face_detector(); // 加载图像 cv::Mat img = cv::imread("test.jpg"); // 将图像转换为dlib图像类型 dlib::cv_image<dlib::bgr_pixel> dlib_img(img); // 在图像上运行人脸检测器 std::vector<dlib::rectangle> dets = detector(dlib_img); // 输出检测到的人脸数 std::cout << "Number of faces detected: " << dets.size() << std::endl; // 在图像上绘制人脸矩形框 for (auto&& det : dets) { cv::rectangle(img, cv::Point(det.left(), det.top()), cv::Point(det.right(), det.bottom()), cv::Scalar(0, 255, 0), 2); } // 显示图像 cv::imshow("Faces found", img); cv::waitKey(); return 0; } ``` 在此示例中，dlib::get_frontal_face_detector（）函数会返回一个人脸检测器，可以使用输入图像上的detect（）函数来运行它。该函数将图像转换为dlib图像类型，并返回一个vector <rectangle>，其中每个rectangle代表检测到的人脸的矩形位置。我们可以使用这些位置矩形在图像上绘制矩形框。

“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

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