# 人物专注性检测
## 项目快速预览
![快速预览](images/1620298460804.gif?raw=true"快速预览")
## 1.0版本
在征得原作者的同意之后，进行了部分修改，得到V1.0版本
主要不同地方为：
1、疲劳检测中去掉了点头行为的检测，仅保留闭眼检测和打哈欠检测。
2、Yolov5的权重进行了重新训练，增加了训练轮次。
3、前端UI进行了修改，精简了部分功能。
## 项目介绍
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，具体效果可以观看演示视频。
## 致谢
十分感谢原作者的支持和帮助，本项目很大部分都基于源项目，项目所使用的数据集也由原作者提
供。
基于深度学习的驾驶员分心驾驶行为（疲劳+危险行为）预警系统使用YOLOv5+Deepsort实现驾驶员的危险驾驶行为的预警监测.zip （87个子文件） 
Yolov5-deepsort-driverDistracted-driving-behavior-detection 
演示视频.MP4 21.72MB
myfatigue.py 4KB myframe.py 1KB mydetect.py 4KB weights shape_predictor_68_face_landmarks.dat 95.08MB best.pt 13.71MB main.py 8KB ui_mainwindow.py 7KB utils google_utils.py 5KB loss.py 9KB metrics.py 9KB autoanchor.py 7KB general.py 22KB wandb_logging log_dataset.py 2KB wandb_utils.py 7KB activations.py 2KB google_app_engine Dockerfile 846B app.yaml 186B
additional_requirements.txt 109B plots.py 17KB datasets.py 42KB __pycache__ datasets.cpython-39.pyc 31KB plots.cpython-39.pyc 15KB general.cpython-39.pyc 17KB google_utils.cpython-39.pyc 3KB torch_utils.cpython-39.pyc 11KB metrics.cpython-39.pyc 7KB torch_utils.py 12KB .git index 6KB HEAD 21B refs heads V1.0 41B tags remotes origin HEAD 30B objects pack pack-0ec126c8dd046f10eaa1d328ff2dbd7619208d7c.rev 1KB pack-0ec126c8dd046f10eaa1d328ff2dbd7619208d7c.pack 245.16MB pack-0ec126c8dd046f10eaa1d328ff2dbd7619208d7c.idx 9KB info description 73B packed-refs 238B info exclude 240B logs HEAD 235B refs heads V1.0 235B remotes origin HEAD 235B hooks post-update.sample 189B sendemail-validate.sample 2KB prepare-commit-msg.sample 1KB commit-msg.sample 896B pre-receive.sample 544B update.sample 4KB pre-commit.sample 2KB pre-rebase.sample 5KB applypatch-msg.sample 478B fsmonitor-watchman.sample 5KB push-to-checkout.sample 3KB pre-applypatch.sample 424B pre-push.sample 1KB pre-merge-commit.sample 416B config 352B mainwindow.ui 6KB models hub yolov5x6.yaml 2KB anchors.yaml 3KB yolov5-p2.yaml 2KB yolov5-panet.yaml 1KB yolov5s6.yaml 2KB yolov3.yaml 2KB yolov5-p6.yaml 2KB yolov5-p7.yaml 2KB yolov5l6.yaml 2KB yolov5m6.yaml 2KB yolov3-spp.yaml 2KB yolov3-tiny.yaml 1KB yolov5-fpn.yaml 1KB export.py 4KB yolov5m.yaml 1KB yolov5s.yaml 1KB yolov5l.yaml 1KB common.py 13KB experimental.py 5KB __pycache__ experimental.cpython-39.pyc 6KB common.cpython-39.pyc 14KB yolov5x.yaml 1KB yolo.py 13KB images 
1620298460804.gif 7.29MB __pycache__ mydetect.cpython-39.pyc 3KB myframe.cpython-39.pyc 1KB ui_mainwindow.cpython-39.pyc 3KB fatigue.cpython-39.pyc 3KB myfatigue.cpython-39.pyc 2KB README.md 1KB资源评论
hyai：）2024-05-09资源很不错，内容和描述一致，值得借鉴，赶紧学起来！
qq_371465762024-12-11这个资源内容超赞，对我来说很有价值，很实用，感谢大佬分享~
m明月Java3
- 粉丝: 2w+
- 资源: 153
最新资源
- 使用深度学习预测低压网络的电压分布 低电压(LV)电路的能量分布将发生变化，而以前的被动适应和-“忘记”的网络管理方法将是低效的，以确保其有效运行 需要一种自适应的方法，包括对电路风险的预测
- 小型六轴机器人样机，可二次开发，脉冲加方向，仪嘉控制器，
- 基于扩展卡尔曼滤波EKF和模型预测控制MPC，自动泊车场景建模开发，文复现 MATLAB（工程项目线上支持）
- （工程项目线上支持）横向控制，稳定性控制，直接横摆力矩控制 汽车电子稳定性控制建模仿真 包括模型和说明书 DYC, ESP
- 低成本dsp变频器方案，有C语言源码，编译码，PCB图纸，物料清单
- 三维重建程序～基于多视图几何的三维重建 代码特点： 1.使用osmbundler进行特征点提取与匹配； 2.使用cmvs进行稀疏点云的生成； 3.使用pmvs进行稠密点云的生成； 4.用户界面使用py
- 电动汽车动力系统整车仿真，具有双向DCDC变器实现能量反馈，可带异步电机，永磁同步电机仿真，应用最大转矩电流比控制加独特的弱磁控制策略
- 基于OpenCV的口罩识别系统 相关技术：python，opencv，pyqt （请自行安装向日葵远程软件，以便提供远程帮助） 软件说明：读取用户设备的摄像头，可实时检测画面中的人的口罩佩戴情况，并给
- matlab程序 研究方向：综合能源系统，微电网，主从博弈，合作，非合作博弈相关方向，多时间尺度
- 研究考虑综合需求响应和碳交易机制的冷、热、电、气4种能源形式的综合能源系统，系统内含能源设备主要包括光伏电源、风力机组、燃气轮机和燃气锅炉；储能系统主要包括储电设备蓄电池、储热设备蓄热槽；能量转设备包
- 研究考虑综合需求响应和碳交易机制的冷、热、电、气4种能源形式的综合能源系统，系统内含能源设备主要包括光伏电源、风力机组、燃气轮机和燃气锅炉；储能系统主要包括储电设备蓄电池、储热设备蓄热槽；能量转设备包
- labview自动化贴合设备程序 labview自动化贴合设备程序，包括上下CCD标定算法，9点标定，整机贴合精度0.1mm，边缘抓取全套源代码，标准架构，快速上手，其他项目快速适用
- system_ftnn_gbid.mp3
- stm32真实企业项目1，源码原理图PCB图，感谢已经拿后的多位客户，你们愿意为学习投资，节省时间 包含源码，原理图设计和pcb 项目要求与网上搜的那些开发板的例程完全不在一个级别，也不是那些凑合性质
- 提供基于comsol中相场方法模拟多孔介质两相驱替（水气、油水等等）的算例（也可以定做水平集驱替的算例），可在此基础上学会利用comsol软件进行两相流驱替的模拟，拓展研究，具体参考算例附后 附赠基
- C#，C#程序实例，C#与西门子，C#与西门子PLC通讯，C#与S7-200SMART以太网通讯，C#与西门子PLC通讯，原生Socket通讯，异步通讯，多线程操作，连接PLC数量没有限制，占用内存少
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
