实时驾驶行为识别与驾驶安全检测-实现了开车打电话-开车打哈欠的实时识别 实现开车打电话和开车打哈欠的实时识别，对于提升驾驶安全具有重要意义。下面将简要介绍如何构建这样一个系统，并概述代码运行的主要步骤。请注意，这里不会包含具体代码，而是提供一个高层次的指南，以帮助理解整个过程。 #### 1. 环境搭建 - **选择操作系统**：推荐使用Linux或Windows，确保有足够的计算资源（CPU/GPU）来支持深度学习模型的运行。 - **安装依赖库**：包括Python环境、PyTorch或TensorFlow等深度学习框架、OpenCV用于图像处理、dlib或其他面部特征检测库等。 - **获取YOLO模型**：下载预训练的YOLO模型，或者根据自己的数据集进行微调，特别是针对特定行为如打电话、打哈欠的行为特征。 #### 2. 数据准备 - **收集数据**：收集或创建一个包含驾驶员正常驾驶、打电话和打哈欠等行为的数据集。每个类别应该有足够的样本量以确保模型的学习效果。 - **标注数据**：对数据进行标注，明确指出哪些帧属于哪种行为。可以使用像LabelImg这样的工具

研究旨在通过理论和实践相结合的方式，以眼睑闭合持续时间百分比，即PERCLOS算法为核心，收集包括眼睛、嘴部和头部在内的多个部位的疲劳信息，深入探讨驾驶人在驾驶过程中的身体状态，从而构建出一种检测疲劳的新途径。为了检测图像中的人脸位置，这里使用DLIB库提供的人脸68个关键点DAT模型进行分析。然后提取驾驶人面部的68个特征点和坐标，再利用特征点中储存的信息进行眼部张合程度比(EAR)、眼睑闭合持续时间百分比、嘴部张合程度比(MAR)和俯仰角(PITCH)的运算，按照所设条件阈值，对驾驶人的疲劳状态进行评判。该方法能在车辆行驶过程中，无直接接触的情况下，实时地对驾驶人所处的疲劳状态进行准确检测与提示。

MATLAB疲劳检测（眼部识别，可做眼部，打哈欠，偏头等，构架）设计 (13)设计

线课堂学生注意力识别数据集，主要检测对象为：长时间闭眼、打哈欠、凝视远方，一共19000多张线上课堂图片 线课堂学生注意力识别数据集，主要检测对象为：长时间闭眼、打哈欠、凝视远方，一共19000多张线上课堂图片 线课堂学生注意力识别数据集，主要检测对象为：长时间闭眼、打哈欠、凝视远方，一共19000多张线上课堂图片

1. 双击dsm.exe可打开演示程序，使用电脑摄像头测试（或电脑接接USB摄像头） 2. 双击test.bat可通过传参数的方式调用dsm.exe检测sample目录对应的测试视频 3. demo.mp4为运行效果 4. 本程序使用了opencv4.11库 5. 本程序使用VS2019开发 6. 本程序为x64版本 7. 功能：Driver State Monitoring，即驾驶员状态监测 8. 详细功能：人为遮挡、姿态异常、打哈欠、打电话、抽烟、分神、闭眼检测 注：若您的电脑无法运行，请安装VS2019运行库再试

大家好，本课题为基于MATLAB GUI可视化平台的疲劳驾驶检测。采用的是perclos算法。流程基本为：视频分帧，对每帧进行基于肤色的人脸定位，去除干扰区域，灰度积分算法进行人眼定位，统计闭眼睁眼帧数，利用perclos定理统计闭眼频率，从而得出结果是否疲劳。如果疲劳则会发出滴滴滴滴的警报声。带论文提纲。

抽烟检测需要真的在抽烟（烟得点燃），打电话检测，打哈欠检测，闭眼、眨眼检测，左右偏头检测