基于dlib和深度学习的驾驶员疲劳分心行为监测系统

本项目设计了一款基于 dilb 和深度学习的疲劳分心行为监测系统。该系统通过摄像头实时监测驾驶司机行为图像并进行算法处理，能够同时识别出驾驶员是否处于疲劳状态或是否有抽烟、打手机、喝水分心行为，并进行语音警报提醒，并在这一基础上增加多种功能，旨在保障驾驶安全。系统主界面分为疲劳分心行为检测、交通安全宣传、交通事故大数据展示这 3 个模块。用户仅需轻触界面上的按钮，即可轻松切换并查看各项功能，体验流畅且便捷。各模块设计清晰，重点突出，整体和谐。其中行为检测功能监测到疲劳及分心异常行为时，发送语音警报及企业微信警报功能也会随着触发。       本作品使用Dlib库进行人脸关键点检测，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；通过 PERCLOS 算法判断人的疲劳状态。利用yolov5深度学习训练模型来预测是否存在分心行为。系统不仅检测成本低廉，而且计算量相对较小，反应迅速，成功融合了疲劳检测与分心行为检测两大功能。针对不同驾驶行为，系统会播放相应的语音警报，以引起驾驶员的注意。我们还实现了与企业微信的无缝对接，使得系统能够与移动端进行便捷交互。在系统界面上，我们还增设了页面跳转和大数据展示功能，为用户提供更加丰富多样的使用体验。