哈喽各位小伙伴，欢迎继续更新AI智能交通视觉实战系列！
在道路交通事故统计中，疲劳驾驶、闭眼瞌睡、低头分心、打电话玩手机，是引发重大交通事故的核心诱因。传统车载设备仅能简单测速、提醒安全带佩戴，无法实时监测驾驶员状态，预警能力薄弱。
今天为大家带来基于YOLOv8的智能疲劳驾驶检测预警系统，属于车载安全领域超高热度毕设与落地项目。本系统通过摄像头实时捕捉驾驶员面部状态，精准识别闭眼、打哈欠、低头、玩手机、不看前方等危险行为，实时弹窗告警，从源头规避驾驶风险。
全文代码完整可跑、逻辑严谨、功能闭环，适配课程设计、本科毕设、智能交通科创项目，拓展性极强，答辩展示效果拉满。
一、项目背景与研究意义
随着私家车、货运车辆保有量持续增长，道路交通安全压力逐年提升。长途驾驶、夜间驾驶极易出现驾驶员疲劳、注意力不集中、违规操作等问题。人工监控成本高、滞后性强，传统车载安防设备智能化程度低，无法实现主动预警。
基于深度学习的疲劳驾驶检测系统，依托机器视觉技术实时监测驾驶员面部及行为状态，实现全天候、无间断、全自动智能监测，及时对危险驾驶行为发出预警，有效降低交通事故发生率，具备极高的社会价值与工程应用价值。
二、系统核心实现功能
•实时读取车载摄像头视频流，持续捕捉驾驶员画面
•精准识别多种危险驾驶状态：闭眼瞌睡、打哈欠、低头分心、手持手机
•实时绘制目标检测框、行为类别、置信度分值
•智能防抖判定，避免瞬时眨眼、小动作造成的误预警
•危险状态触发实时文字告警、蜂鸣提示
•自动记录危险驾驶日志，留存监测数据
•支持本地视频、摄像头、车载RTSP视频流多场景推理
三、核心技术原理
1. YOLOv8轻量化检测算法
本项目采用YOLOv8s轻量化检测模型，相比传统卷积神经网络，兼具高精度与高推理速度，适配车载设备低算力场景。模型通过海量驾驶员场景数据集，自主学习人脸、眼部、嘴部、手机等关键特征，精准区分正常驾驶与疲劳、分心驾驶行为。
2. 时序防抖判定机制
人体正常眨眼、短暂低头属于正常行为，无需预警。系统设置连续帧判定逻辑，仅当疲劳、分心行为持续一定帧数后，才触发告警，彻底解决瞬时动作误检、误报问题，提升系统稳定性。
3. 多行为分类识别逻辑
系统独立识别四类高危驾驶行为，分类精准、互不干扰，可针对性输出不同告警提示，实现精细化安全监测。
四、环境依赖配置
一键安装全套运行依赖，兼容Windows、Linux系统，适配车载端推理环境：
bash
pip install ultralytics opencv-python numpy -i https://pypi.tuna.tsinghua.edu.cn/simple |
五、数据集类别配置
本项目数据集聚焦驾驶员高危行为，共设置5类识别目标，贴合实际车载监测场景：
•0：正常驾驶
•1：闭眼瞌睡
•2：打哈欠
•3：低头分心
•4：手持手机
数据集包含白天、夜间、逆光、弱光、车载晃动等复杂场景，经过数据增强处理，保证模型鲁棒性。
数据集配置文件 driver.yaml：
yaml
path: ./drivers_data
train: images/train
val: images/val
names:
0: normal
1: close_eye
2: yawn
3: head_down
4: phone
|
六、模型训练完整代码
专属车载场景调参，适配人脸微小特征检测，有效提升疲劳行为识别精度：
python
from ultralytics import YOLO
# 加载预训练权重
model = YOLO("yolov8s.pt")
# 模型训练
results = model.train(
data="driver.yaml",
epochs=90,
imgsz=640,
batch=8,
device=0,
patience=18,
mosaic=1.0,
mixup=0.1
)
|
七、实时预警完整推理代码（带防抖+告警+日志）
集成防抖防误报、蜂鸣告警、日志记录功能，工程化完整代码，可直接运行：
python
import cv2
import time
import winsound
from datetime import datetime
from ultralytics import YOLO
# 加载训练好的疲劳驾驶检测模型
model = YOLO("driver_best.pt")
# 类别映射
class_names = [
"正常驾驶",
"闭眼瞌睡",
"打哈欠",
"低头分心",
"手持手机"
]
# 告警配置
CONF_THRESH = 0.4
WARN_CONTINUE_FRAME = 4 # 连续4帧触发告警
warn_count = 0
last_warn_time = 0
cool_time = 6
# 写入告警日志
def write_warn_log(msg):
t = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
with open("driver_warn_log.txt", "a", encoding="utf-8") as f:
f.write(f"[{t}] 预警提示：{msg}\n")
# 蜂鸣告警
def beep_warn():
winsound.Beep(600, 400)
# 开启摄像头
cap = cv2.VideoCapture(0)
while cap.isOpened():
ret, frame = cap.read()
if not ret:
break
results = model(frame, conf=CONF_THRESH)
is_danger = False
danger_msg = ""
for box in results[0].boxes:
x1, y1, x2, y2 = box.xyxy[0].cpu().numpy()
conf = float(box.conf[0])
cls_idx = int(box.cls[0])
label = class_names[cls_idx]
# 绘制检测框
if cls_idx == 0:
cv2.rectangle(frame, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2)
else:
cv2.rectangle(frame, (int(x1), int(y1)), (int(x2), int(y2)), (0, 0, 255), 2)
is_danger = True
danger_msg = label
text = f"{label} {conf:.2f}"
cv2.putText(frame, text, (int(x1), int(y1)-10),
cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 0), 2)
# 防抖逻辑
if is_danger:
warn_count += 1
else:
warn_count = 0
# 触发告警
now = time.time()
if warn_count >= WARN_CONTINUE_FRAME and (now - last_warn_time) > cool_time:
last_warn_time = now
beep_warn()
write_warn_log(danger_msg)
# 屏幕告警文字
if warn_count >= WARN_CONTINUE_FRAME:
cv2.putText(frame, "DANGER! PLEASE FOCUS ON DRIVING", (60, 70),
cv2.FONT_HERSHEY_SIMPLEX, 1.1, (0, 0, 255), 3)
cv2.imshow("YOLOv8疲劳驾驶智能预警系统", frame)
if cv2.waitKey(1) & 0xFF == ord("q"):
break
cap.release()
cv2.destroyAllWindows()
|
八、项目创新点与答辩亮点
•场景实用性极强：聚焦交通安全刚需场景，贴合车载智能监测主流发展方向，项目落地价值高
•多维度行为识别：同时监测瞌睡、打哈欠、低头、玩手机四类高危行为，覆盖绝大多数驾驶风险
•智能防抖优化：通过连续帧时序判定，解决传统单帧检测误报率高的行业痛点
•软硬件适配性强：轻量化模型推理速度快，可适配车载嵌入式设备部署
•数据可溯源：自动生成告警日志，可用于驾驶行为分析、安全复盘
九、高阶拓展功能（毕设加分进阶）
•新增语音播报预警，替代蜂鸣提示，更贴合车载使用场景
•增加车速联动判定，高速状态下提升检测灵敏度
•开发Web后台，远程查看驾驶状态与告警记录
•统计每日危险驾驶次数，生成安全驾驶分析报表
•模型量化压缩，部署至车载单片机、树莓派边缘设备
十、常见问题与解决方案
•夜间弱光识别不准：增加暗光数据集、开启图像亮度增强、适当降低置信度阈值
•频繁误报：调高连续判定帧数、优化数据集、过滤无效干扰样本
•人脸小目标漏检：提升训练分辨率、开启多尺度训练
•视频画面卡顿：降低推理分辨率、使用GPU加速、精简冗余代码
十一、项目总结
本期完整实现了基于YOLOv8的疲劳驾驶智能预警系统，完成多类危险驾驶行为识别、防抖智能判定、声光告警、日志记录全功能开发。
项目场景热门、技术成熟、功能完善、拓展空间充足，兼具创新性与实用性，是智能交通、人工智能、计算机视觉专业的高分毕设优选项目，答辩展示直观、亮点丰富、极易出彩。
下期预告
下期更新终章进阶项目：YOLOv8多目标追踪+越界统计+轨迹分析系统，安防项目终极完整版，实现目标轨迹留存、跨线计数、区域越界告警！
