基于机器学习的危险驾驶检测系统研究
2026.09.23点击：
摘要：探究机器学习相关理论及技术基础,设计并实现一个基于机器学习的危险驾驶检测系统。系统使用YOLOv8模型去对分心驾驶行为进行预训练,通过加载预训练模型对分心行为进行检测,通过Dlib库去提取所需的人眼特征,再根据EAR算法判断眼晴的闭合程度,闭合到一定程度达到一定时长来判断驾驶状态是否疲劳。前端采用Pуqt5框架对界面进行设计,采用CSS样式对界面进行渲染,使界面能对数据进行可视化展示。所设计危险驾驶检测系统页面简洁美观,功能齐全,能够实时检测驾驶员的状态,用户能够便捷、高效地进行检测任务等优点。
关键词： 危险驾驶;检测系统;YOLOv8;
基金资助： 广西嵌入式技术与智能系统重点实验室开放基金（2020-2-11）； 《DSP原理与应用》课程内容改革课程校级教学综合改革立项项目；
DOI： 10.20153/j.issn.2096-9759.2026.06.021
专辑： 信息科技;工程科技Ⅰ辑;工程科技Ⅱ辑
专题： 安全科学与灾害防治;公路与水路运输;汽车工业;计算机软件及计算机应用;自动化技术
分类号： TP181;TP391.41;U463.6;U492.8
- 上一篇：无人机通信中物理层无线安全传输技术研究 2026/9/23
- 下一篇：基于边缘计算的图书馆海量异构数据协同缓存方法 2026/9/22