Python项目：基于YOLOv5的疲劳驾驶检测系统—带UI界面+讲解视频~疲劳检测
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
本商品为python代码项目及其使用说明和讲解 。注意：虚拟产品一经售出概不退款！
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
功能简介: 基于YOLOv5的疲劳驾驶检测系统使用深度学习技术检测常见驾驶图片、视频和实时视频中的疲劳行为，识别其闭眼、打哈欠等结果并记录和保存。在界面中可以选择各种图片、视频进行检测识别;可对图像中存在的多目标进行识别分类，检测速度快、识别精度高。

本商品的项目包含以下内容：
1.完整程序文件（.py等）
2.UI界面源文件、图标（.ui、.qrc、.py等）
3.测试图片、视频文件（.jpeg、.mp4、.avi等）
4.模型参数、配置文件（.weights、.cfg等）
5.项目演示视频以及项目使用说明视频（包含运行项目所需要的环境配置讲解）

功能：1.选择图片识别3.视频识别3. 摄像头实时检测

原理简介：基于视觉特征的驾驶员疲劳状态检测方法，主要是利用摄像机对驾驶状态下的驾驶员面部特征进行实时采集，然后使用基于视觉以及图像处理的方法，获取得到驾驶员的眼部、嘴部以及头部区域信息等特征信息。最后，使用一定的判别方法对提取到的驾驶员眨眼间频率，打哈欠等特征分析，对驾驶员疲劳状态进行检测。随着当前深度学习方法在目标检测方向上的应用深入，基于YOLOv5的目标检测方法具有应用的可能性与应用前景。疲劳在人体面部表情中表现出大致三个类型：打哈欠（嘴巴张大且相对较长时间保持这一状态）、眨眼（或眼睛微闭，此时眨眼次数增多，且眨眼速度变慢）等。这里使用YOLOv5识别这些数据特征，实时地分析驾驶员的疲劳驾驶行为，并及时作出安全提示。
技术特点
（1）YOLO v5算法实现，模型一键切换更新；
（2）检测图片、视频等图像中的各疲劳驾驶行为；
（3）摄像头监控实时检测，便携展示、记录和保存；
（4）支持用户登录、注册，检测结果可视化功能；
（5）提供训练数据集和代码，可重新训练模型；