基于OpenCV的驾驶疲劳检测与预警系统设计

收藏和点赞，您的关注是我创作的动力

文章目录

• • 概要
• 一、研究背景与意义
• 二、相关技术分析
• • 2.1 PyTorch
  • 2.2 GUI
  • 2.3 BERT模型
  • 2.4 HOG算法
  • 2.5 PERCLOS介绍
  • 2.6 OpenCV
  • 2.7 YOLOv5
• 三、训练设计
• • 3.1图像集检测
  • 3.2 YOLOv5训练
  • 3.3 bert模型训练过程
• 四、系统详细设计
• • 4.1总体功能结构设计
  • 4.2面部疲劳状态检测流程
• 五、系统实现
• • 5.1 app实现打开
  • 5.2喝水检测
  • 5.3玩手机检测
  • 5.4抽烟检测
  • 5.5疲劳状态检测
• 四、 文章目录

概要

  随着交通工具的普及和道路网络的发展，交通事故已成为一个严重的社会问题。其中，驾驶疲劳是导致交通事故的主要原因之一。因此，开发一种有效的驾驶疲劳检测与预警系统对于提高交通安全水平具有重要意义。
  本课题在选用的技术方面使用HOG算法，bert模型，以及YOLOv5进行疲劳训练检测，同时导入OpenCV视频模块进行设计。运用了dlib 库进行了面部欧式距离的节点进行设计， 使用PERCLOS模块进行疲劳程度的划分和检测。在计算眼部的疲劳程度中，使用了闭眼内的帧除以整个循环内的帧，并设置不同阈值来判断疲劳状态。运用PERCLOS设置状态，利用Hog算法检测面部68个节点。与此同时运用YOLOv5对抽烟、喝水、玩手机三种不同的状态进行训练，并且将其进行定义标签。最后将计算结果和训练结果写入GUI中进行检测和设置，在链接视频时使用OpenCV进行实时检测，然后利用前期的计算结果进行实时检测。
  通过实验证明，本研究设计的驾驶疲劳检测与预警系统具有较高的准确性和可行性，可以有效地检测驾驶员的疲劳状态并及时发出警报，避免潜在的交通事故发生，对提高交通安全水平具有重要的理论和实践意义。
【关键词】疲劳驾驶；OpenCV检测；眼部检测；PERCLOS

一、研究背景与意义

  自二十一世纪以来，汽车工业发展迅速，越来越多的家庭购买汽车，汽车已成为人们日常生活中不可或缺的交通工具，但这也导致交通事故数量呈几何级增长。而在众多的交通肇事原因中，驾驶员疲劳驾驶是其中一个重要原因，驾驶疲劳是指驾驶员由于长时间驾驶或睡眠不足造成的反应能力下降，主要表现为驾驶员困倦、打瞌睡、驾驶操作失误等，但这可通过科技手段进行提前预警和预防。如果不能够及时地从疲劳状态中清醒过来，就容易导致交通事故的发生，严重危害驾驶人和其他道路用户的生命安全。美国每年发生多达10万起由驾驶疲劳引起的交通事故，导致40万人受伤，1550人死亡。在欧洲，英国交通实验室调查表明，在道路交通事故中，约有10%由驾驶疲劳所致。法国国家事故报告指出，因疲劳瞌睡导致的碰撞占了人身伤害事故的14.9%和死亡事故的20.6%。在德国高速公路上导致人员伤亡的交通事故中，大约有25%是由疲劳驾驶引起的，这个数据由德国保险公司协会推算得出。