智东西-自动驾驶系列课第6课课件-新造车务实派如何落地自动驾驶-小鹏汽车肖志光-

智东西-自动驾驶系列课第4课课件-低速自动驾驶专用车的技术挑战与前景-智行者联合创始人李晓飞

会议论文，疲劳监测，睡眠监测，有助于

darknet pretrained weights

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.zip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。 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.zip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。

无人驾驶车辆MPC，北理工第二版！...................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................

硬件电路开发流程，硬件开发规范，硬件开发控制，硬件学习，系统学习，防火墙

基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系

上位机采用QT设计，算法框架模型采用百度飞浆EasyDL。 资料包里包含了上位机源码、可执行文件，模型训练，数据集标注，测试效果，模型发布的教程文档，代码设计思路等。本资料属于拿到即可使用，直接完成项目设计，检测各种驾车状态。

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))