本设计目标在于利用Matlab强大的图像处理能力和实用便捷的编程方法，通过处理包含人脸的视频帧系列图像，灰度积分投影技术的眼睛定位方法，进而利用perclos计数，计算眨眼率，从而得到比较准确的疲劳状况。

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。

可以作为ANSYS 疲劳应力分析，涵盖关于恒定振幅、比例载荷的情况. 而变化振幅、比例载荷的情况和恒定振幅、非比例载荷的情况

用不同方法对肌电图进行肌肉疲劳分析的比较

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))

结合工艺方法，研究典型缺陷损伤的修理方法，针对复合材料修补结构应力分布复杂的特点，在剩余强度衰减模型的基础上引入局部应力应变法的分析思想，建立起复合材料修补结构的疲劳寿命预测模型。通过建立修补结构的力学分析模型，在分析了修补结构的危险部位和应力集中的基础上，利用寿命预测模型，分析和讨论补片直径和补片厚度两个修补参数对修补结构疲劳寿命的影响规律。

精神疲劳是许多慢性疾病如心血管疾病、糖尿病和癌症的关键原因，然而又难以量化评估及测量，提出了一种通过智能穿戴设备检测脑力劳动者疲劳程度的工程可行性的方案。为了检测脑力疲劳程度，通过Man-Whitney U检验评估了HRV各项指标在判断精神疲劳状态的统计显著性，并使用随机森林进行特征选择以确定HRV各项指标的重要性。研究发现，最重要的HRV指标分别是NN.mean、PNN50、VLF、LF和TP。最后采用SVM、nave Bayes、KNN和逻辑回归四种机器学习算法对疲劳状态进行识别，实验证明了KNN分类器最为有效，其交叉验证准确率为75.5%和AUC为0.74。