基于yolov5+PyQt5实现危险驾驶行为检测源码(带GUI界面)+训练好的模型+数据集+评估指标曲线+操作使用说明.7z 危险驾驶行为检测：打哈欠、闭眼、抽烟、打电话、疲劳驾驶检测 带gui界面、yolov5算法、训练好的模型、评估指标曲线、使用方法教程、项目说明 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

会议论文，疲劳监测，睡眠监测，有助于

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。

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))

matlab疲劳驾驶检测。通过定位眼睛，进而统计睁眼，闭眼的比例，判别是否疲劳，方法是perclos。也可以二次开发为通过眼睛，嘴巴两个特征参数的综合判定。

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。 这是基于百度飞浆EasyDL框架完成司机疲劳驾驶检测，只需要少量的图片就可以训练出精度较高的模型，通过QT编写界面，软件从摄像头里读取实时图像数据进行识别。 识别到模型后，会进行计数，在界面上显示出来。比如：带安全带、未带口罩、疲劳驾驶。疲劳驾驶是通过打哈欠的方式标注模型，识别驾驶员是否张大嘴打哈欠。 代码部分思路： （1）通过QT的UI设计工具，设计出好看的界面，设置背景图，控件的布局，QT里UI文件是.ui为后缀。 （2）软件界面上有开启摄像头的按钮，打开摄像头之后，会实时读取摄像头的图像数据，然后调用EasyDL的模型进行识别。 （3）识别到对应标注的模型之后，可以进行语音提示，并且在界面进行计数显示。

毕业设计论文-利用脑电波来检测疲劳驾驶的系统设计

基于图像处理的防疲劳驾驶测试.doc

疲劳驾驶检测 matlab 没用