最近几年来我国机动车的数量不断增多，驾驶人员数量的不断上涨导致交通问题发生的概率逐年增大。根据相关研究表明，驾驶员的操作行为不规范以及疲劳驾驶是引起事故发生的主要原因，因此对这两种行为进行及时的监控与预警变得越来越重要。现有的检测方法很难保证同时满足精准度与速度的需求，所以针对这两种问题本文研究内容如下。

    对于疲劳检测，首先从传统面部行为和基于深度学习检测算法研究入手，针对当前算法准确性与实时性不平衡的问题，将疲劳检测转化为目标检测的问题，最后根据疲劳判定指数检测驾驶员状态。针对驾驶员分心动作（抽烟、打电话、喝水）提出一种YOLOv5s卷积经网络的目标检测方法。

疲劳检测

当检测到驾驶员每一帧睁眼、闭眼、张嘴、闭嘴行为时，后端实时计算驾驶员 PERCLOS 值，时间设置为 150 帧判定一次。当 PERCLOS 的值超过 0.45 时驾驶员会被判定处于疲劳状态，右侧会给予红色字体预警，右侧下角边框内实时刷新驾驶员状态信息。

————————————————

              版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

原文链接：https://blog.csdn.net/weixin_51534858/article/details/136515750