基于YOLOv5与DeepSORT的驾驶员分心行为与疲劳预警系统研究

基于YOLOv5与DeepSORT的驾驶员分心行为与疲劳预警系统研究

随着交通事故的频发，驾驶员的疲劳与分心行为已成为导致事故的主要因素之一。为此，本文提出了一种基于深度学习的驾驶员分心驾驶行为（疲劳与危险行为）预警系统，旨在实时监测驾驶员的驾驶状态，及时预警潜在危险。

项目信息

编号：PDV-99
大小：104M

运行条件

Python开发环境：

• PyCharm的安装包：PyCharm: Python IDE for Professional Developers
• PyCharm的历史安装包：PyCharm: Python IDE for Professional Developers
• Anaconda的安装包：Anaconda | Start Coding Immediately
• Python开发版本：Python==3.9

需要安装依赖包：

• pip install PyQt5== 5.15.11
• pip install Pillow==9.5.0
• pip install opencv-python==4.5.2.52
• pip install torch==1.9.1
• pip install torchvision==0.10.1
• pip install numpy== 1.24.1
• pip install matplotlib==3.9.2

项目介绍

随着交通事故的频发，驾驶员的疲劳与分心行为已成为导致事故的主要因素之一。为此，本文提出了一种基于深度学习的驾驶员分心驾驶行为（疲劳与危险行为）预警系统，旨在实时监测驾驶员的驾驶状态，及时预警潜在危险。系统结合了YOLOv5与DeepSORT技术，利用YOLOv5进行驾驶员和关键驾驶区域的目标检测，并通过DeepSORT实现驾驶员的实时跟踪，确保行为识别的准确性与连续性。

系统分为两个主要检测模块：疲劳检测与分心行为检测。疲劳检测部分使用Dlib进行人脸关键点检测，通过计算眼睛和嘴巴的开合程度，分析驾驶员是否存在疲劳驾驶行为。分心行为检测部分结合驾驶员的头部动作与视线偏离等特征，监测驾驶员是否出现危险分心行为。实验结果表明，所提系统能够有效识别驾驶员的疲劳与分心行为，具有较高的准确率和实时性，为驾驶安全提供了一种有效的预警手段。

运行效果