基于Dlib＆YOLOv5的疲劳驾驶和分心行为检测系统（哈欠＆喝水＆抽烟＆打电话检测）深度学习，Python，OpenCV，PyQT

已于 2024-03-21 14:59:27 修改
阅读量1.3k 收藏 9
点赞数 8
文章标签： YOLO 深度学习 python
于 2024-03-07 11:18:13 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/weixin_44805644/article/details/136528582
版权

联系扣扣：1626245217

演示视频：https://www.bilibili.com/video/BV1eD421j7zy/?spm_id_from=333.999.0.0&vd_source=b68c16e2de94acf010fb2e70eb676424
开发技术环境： Pycharm + Python + PyQt5 + OpenCV + YOLOv5，
系统通过驾驶员前方摄像头采集的驾驶行为实时图像，可以输出并显示该驾驶员的驾驶行为结果，将视频和结果显示在上位机界面上，对不文明驾驶行为和疲劳驾驶发出预警，统计出不文明驾驶的结果，并将不文明行为存储到数据库中。
系统主程序由Python编写，人脸检测使用的是基于Haar积分图的AdaBoost的方法，该算法能够快速，高效的实现人脸检测，对于检测出的人脸使用基于dlib的人脸特征点检测，标注出眼睛和嘴唇位置，根据眼睛和嘴唇的实时长宽比判断驾驶员是否疲劳。本文还使用了基于YOLOv5的目标检测算法，实时检测画面中的手机、香烟、水瓶等物品，判断驾驶员是否有不文明驾驶行为。
联系扣扣：1626245217

Darcy_Israfel
关注
  • 8
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
基于YOLOV5的人物专注性检测系统源码，含疲劳检测和分心行为检测
02-06
该项目为人物专注性检测，分为两个检测部分，疲劳检测和分心行为检测。 疲劳检测部分，使用Dlib进行人脸关键点检测，然后通过计算眼睛和嘴巴的开合程度来判断是存在否闭眼或者打哈欠，并使用Perclos模型计算疲劳程度。 分心行为检测部分，使用Yolov5，检测是否存在玩手机、抽烟、喝水这三种行为。 使用方法 依赖：YoloV5、Dlib、PySide2 直接运行main.py，即可使用本程序，具体效果可以观看演示视频
YOLOv5+dlib+pyqt5疲劳驾驶数据集和疲劳驾驶检测识别系统源码.zip
04-21
YOLOv5+dlib+pyqt5疲劳驾驶数据集和疲劳驾驶检测识别系统源码.zip
查阅文献《基于改进yolov5的驾驶员分心驾驶检测》
qq_45352009的博客
09-05 345
针对问题：分心驾驶行为分类有限和时间信息忽视在yolov5中引入Ghost模块，采用线性变换代替部分常规卷积进行特征提取来轻量化网络模型。快速检测结合头部姿态估计设计逻辑算法融入yolov5中，可以判断驾驶员头部是否存在大幅度偏转，喝水，打电话等行为。可以解决驾驶行为类别有限问题。
【yolov8&yolov5驾驶员抽烟-打电话-喝水-吃东西检测&疲劳驾驶检测&分心驾驶检测】
小秋的博客
04-27 1078
YOLOv8和YOLOv5是深度学习中用于目标检测的先进算法，它们在实时性和准确性方面表现出色，适用于各种视频监控和图像处理应用，包括驾驶员行为监测。这些算法通过单次前向传播即可预测图像中的目标位置和类别，使得它们非常适合于实时检测任务，如监测驾驶员是否在抽烟、打电话、喝水或吃东西等分心行为。例如，通过分析人脸和手部的位置关系、嘴部区域是否有烟雾特征等，可以判断驾驶员是否在抽烟或打电话。此外，模型可以被训练以识别手持物品（如手机、水瓶或食物）的动作，从而检测驾驶员是否在执行这些可能分散注意力的行为。
基于深度学习的驾驶员分心驾驶行为（疲劳+危险行为）预警系统使用YOLOv5+Deepsort实现驾驶员的危险驾驶行为的预警监测
2301_76484015的博客
03-08 1011
该项目为人物专注性检测，分为两个检测部分，疲劳检测和分心行为检测。疲劳检测部分，使用Dlib进行人脸关键点检测，然后通过计算眼睛和嘴巴的开合程度来判断是存在否闭眼或者打哈欠，并使用Perclos模型计算疲劳程度。分心行为检测部分，使用Yolov5，检测是否存在玩手机、抽烟、喝水这三种行为。
基于dlib，OpenCV，YOLOv5的疲劳驾驶与分心驾驶检测系统（附带效果展示）
从事厨房信息化行业，万能对接所有点餐系统，kds，智能控菜，酒店协调软件
03-25 270
self.thread_signal.emit({'type':'msg','value':time.strftime('%Y-%m-%d %H:%M:%S ', time.localtime()) + u"眨眼"})通过EAR值的改变来判断眨眼与否，并统计一个时间周期内（这里设置的时间周期为10s）的眨眼次数，并设定一个阈值。68点人脸检测模型的下载链接：http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2。
Dlib库人脸识别例程的迁移应用。用于目标检测。
qq_24631105的博客
10-13 670
用Dlib库的fhog_object_detector_ex.cpp做了一个打电话手势检测器，其实只是目标检测，可以用于任何目标检测。 相关代码可以从这里获得，欢迎学习。 https://github.com/SishangLi/call_gesture_recoginzer.git...
基于Opencv Dlib的疲劳驾驶检测识别系统python源码+文档说明（高分毕业设计）.zip
03-23
基于Opencv Dlib的疲劳驾驶检测识别系统python源码+文档说明（高分毕业设计）.zip已获导师指导并通过的高分毕业设计项目，也可作为课程设计和期末大作业，下载即用无需修改，项目完整确保可以运行。文件介绍如下： ...
基于Python+OpenCVdlib的疲劳驾驶检测系统源码+数据集+详细文档（高分毕业设计）.zip
最新发布
05-18
基于Python+OpenCVdlib的疲劳驾驶检测系统源码+数据集+详细文档（高分毕业设计）基于Python+OpenCVdlib的疲劳驾驶检测系统源码+数据集+详细文档（高分毕业设计）基于Python+OpenCVdlib的疲劳驾驶检测系统源码+数据集...
基于深度学习的驾驶员分心驾驶行为（疲劳+危险行为）预警系统使用YOLOv5+Deepsort实现驾驶员的危险驾驶.zip
03-12
基于深度学习的驾驶员分心驾驶行为（疲劳+危险行为）预警系统使用YOLOv5+Deepsort实现驾驶员的危险驾驶.zip项目介绍该项目为人物专注性检测，分为两个检测部分，疲劳检测和分心行为检测。 疲劳检测部分，使用Dlib...
【避坑记录】小白的yolov5和face_recognition环境配置
madderscientist的博客
09-16 2194
py小白配置yolov5和face_recognition踩坑过程以及解决记录，附使用方法
疲劳驾驶检测系统-YOLOv8/YOLOv7/YOLOv5-疲劳检测、分心检测、玩手机、抽烟、喝水检测(毕业设计)
weixin_44944382的博客
07-18 9763
本项目通过YOLOv8/YOLOv7/YOLOv5、Dlib和PySide2实现了一个疲劳驾驶检测系统，可为一些同学的课设、大作业等提供参考。该项目分为两个部分，疲劳检测和抽烟、玩手机、喝水分心行为检测。
基于YoloV5和MTCNN的Perclos方法检测疲劳（遇到困难重重，暂时不更新该主题了）
newsahara的博客
02-11 6729
自己的CV起步项目，有进展就会不断更新，如果有高手看到，还请不吝赐教。
基于yolov5深度学习卷积神经网络疲劳驾驶行为检测，疲劳检测。
10-12 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分咨询链接咨询链接。
YOLO v5算法详解
热门推荐
weixin_42148389的博客
01-04 3万+
1、YOLO v5网络结构 2、输入端 3、Backone网络 4、Neck网络 5、Head网络 1、YOLO v5网络结构 图 1 YOLO v5网络结构图 由上图可知，YOLO v5主要由输入端、Backone、Neck以及Prediction四部分组成。其中： (1) Backbone：在不同图像细粒度上聚合并形成图像特征的卷积神经网络。 (2) Neck：一系列混合和组合图像特征的网络层，并将图像特征传递到预测层。 (3) Head： 对图像特征进行预测，生成边界框
OpenCV+Python+Dlib面部标定、眨眼、打哈欠和疲劳检测代码
05-28
以下是一个简单的面部标定、眨眼、打哈欠和疲劳检测的Python代码，使用了OpenCV和Dlib库： ```python import cv2 import dlib import numpy as np # 初始化dlib的人脸检测器和关键点检测器 detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") # 定义常量 EYE_AR_THRESH = 0.3 # 眨眼的阈值 EYE_AR_CONSEC_FRAMES = 48 # 连续多少帧达到阈值才算眨眼 YAWN_THRESH = 18 # 打哈欠的阈值 YAWN_CONSEC_FRAMES = 24 # 连续多少帧达到阈值才算打哈欠 FRAME_COUNT = 0 # 总帧数 BLINK_COUNT = 0 # 眨眼次数 YAWN_COUNT = 0 # 打哈欠次数 # 定义函数：计算两个点之间的距离 def euclidean_dist(pt1, pt2): return np.linalg.norm(pt1 - pt2) # 定义函数：计算眼睛长宽比 def eye_aspect_ratio(eye): A = euclidean_dist(eye[1], eye[5]) B = euclidean_dist(eye[2], eye[4]) C = euclidean_dist(eye[0], eye[3]) ear = (A + B) / (2.0 * C) return ear # 定义函数：检测眨眼 def detect_blink(landmarks): global BLINK_COUNT leftEye = landmarks[36:42] rightEye = landmarks[42:48] leftEAR = eye_aspect_ratio(leftEye) rightEAR = eye_aspect_ratio(rightEye) ear = (leftEAR + rightEAR) / 2.0 if ear < EYE_AR_THRESH: BLINK_COUNT += 1 # 定义函数：检测打哈欠 def detect_yawn(landmarks): global YAWN_COUNT mouth = landmarks[48:68] yawn_dist = euclidean_dist(mouth[0], mouth[6]) if yawn_dist > YAWN_THRESH: YAWN_COUNT += 1 # 打开摄像头 cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: break FRAME_COUNT += 1 # 转换为灰度图 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 人脸检测 rects = detector(gray, 0) for rect in rects: # 关键点检测 landmarks = np.array([[p.x, p.y] for p in predictor(gray, rect).parts()]) # 绘制关键点 for i, point in enumerate(landmarks): x, y = point cv2.circle(frame, (x, y), 2, (0, 255, 0), -1) # 检测眨眼 detect_blink(landmarks) # 检测打哈欠 detect_yawn(landmarks) # 显示视频帧 cv2.imshow("Frame", frame) # 按q键退出 if cv2.waitKey(1) == ord("q"): break # 计算疲劳度 blink_rate = BLINK_COUNT / FRAME_COUNT yawn_rate = YAWN_COUNT / FRAME_COUNT fatigue = blink_rate + yawn_rate # 释放摄像头并关闭窗口 cap.release() cv2.destroyAllWindows() # 打印结果 print("Blink rate:", blink_rate) print("Yawn rate:", yawn_rate) print("Fatigue:", fatigue) ``` 这个代码使用了Dlib库进行人脸检测和关键点检测，并使用了OpenCV库进行视频捕获和显示。在关键点检测之后，我们通过计算眼睛长宽比来检测眨眼，通过计算嘴巴的张开距离来检测打哈欠。最后，我们计算眨眼率、打哈欠率和疲劳度，并输出结果。

“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 1
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