基于图像驾驶员疲劳检测技术研究

利用yolov5实现车内疲劳检测

本项目采用yolov5、dlib、opencv，通过dlib的人脸检测器标出人脸关键点，统计眼睛眨眼次数，眼睛闭眼时长，打哈欠次数来实时监测驾驶员疲劳状态。同时利用yolov5目标检测算法实现喝水检测、吸烟检测和打电话检测等

基于人机交互的疲劳状态自检平台一套，可装配不同的疲劳检测算法，手动调节可用算法参数，比较不同算法组合下的疲劳检测效果

针对需要线上办公学习乃至需要虚拟同伴的广大互联网用户群体，该项目将借助虚拟形象建模、动画特效渲染等技术打造用户独一无二的桌面宠物，并利用基于卷积神经网络的深度学习和计算机视觉算法打破虚拟与现实之间的屏障。该程序主要功能是在监测到用户处于疲劳困倦状态时指令桌宠提醒用户及时调整状态，专心投入到学习工作中。此外，它还可以在用户休闲时间根据识别到用户的不同动作进行实时互动，给予用户温馨陪伴。

对于汽车夜间行驶，汽车司机常常因为疲劳驾驶而导致的车祸事件频频发生，以及近期 疫情原因，学生上网课打瞌睡问题，本技术能够实时检测目标是否处于疲劳状态，从而进行 提醒或者发出警报。而 opencv 正好可以解决此类问题，通过大量数据进行深度学习，在运 行过程中可以检测人脸是否处于疲劳的状态。此外，在此基础上安装夜视摄像头，在夜间也 可准确的识别人脸疲劳状态，实现 24 小时全天候运作。