基于yolov10的驾驶员抽烟打电话安全带检测系统python源码+pytorch模型+评估指标曲线+精美GUI界面

【算法介绍】

基于YOLOv10的驾驶员抽烟、打电话、安全带检测系统是一种先进的驾驶行为监测系统。该系统利用YOLOv10算法的高效性和准确性，实现对驾驶员行为的实时检测与识别。

YOLOv10是一种最新的实时物体检测模型，其通过深度学习技术，如卷积神经网络（CNN），从输入图像中识别出驾驶员是否存在抽烟、打电话以及未系安全带等行为。系统首先利用预训练的卷积层捕获图像中的关键特征，然后将图像划分为网格，每个网格负责检测一定区域内的对象，并对每个网格单元预测可能存在的行为类别及其边界框。最后，通过非极大值抑制（NMS）减少重复检测框，并根据置信度和重叠度筛选最终的检测结果。

该系统具有高精度和高实时性的特点，能够在不影响驾驶体验的前提下，实时分析驾驶室内的情况。当检测到驾驶员存在抽烟、打电话或未系安全带等分心或危险行为时，系统会通过声音、震动或视觉警告等方式及时提醒驾驶员，从而降低交通事故的风险。

此外，该系统的数据集经过专业标注，包含丰富的驾驶环境图片和视频片段，特别强调分心行为和未系安全带情况的多样性。通过不断优化算法性能、扩大数据集规模以及深入研究行为识别策略，该系统在减少交通事故、保障驾驶安全方面将发挥更加显著的作用。

【效果展示】

【测试环境】

windows10
anaconda3+python3.10
torch==2.0.1+cu117
yolov10

【模型可以检测出类别】

{0: 'cigarette', 1: 'phone', 2: 'seatbelt'}

【相关数据集(非本文训练的数据集)】

https://download.csdn.net/download/FL1623863129/89319046

【部分实现源码】

import os
import sys
from PyQt5 import QtCore, QtGui, QtWidgets
from PyQt5.QtCore import QThread, pyqtSignal
from PyQt5.QtGui import QImage, QPixmap
from PyQt5.QtWidgets import QFileDialog, QLabel, QApplication
import image_rc
import threading
import cv2
import numpy as np
import time
from Yolov10Detector import *
 
 
class Ui_MainWindow(QtWidgets.QMainWindow):
    signal = QtCore.pyqtSignal(str, str)
 
    def setupUi(self):
        self.setObjectName("MainWindow")
        self.resize(1280, 728)
        self.centralwidget = QtWidgets.QWidget(self)
        self.centralwidget.setObjectName("centralwidget")
        self.detector=None
        self.weights_dir = './weights'
 
        self.picture = QtWidgets.QLabel(self.centralwidget)
        self.picture.setGeometry(QtCore.QRect(260, 10, 1010, 630))
        self.picture.setStyleSheet("background:black")
        self.picture.setObjectName("picture")
        self.picture.setScaledContents(True)
        self.label_2 = QtWidgets.QLabel(self.centralwidget)
        self.label_2.setGeometry(QtCore.QRect(10, 10, 81, 21))
        self.label_2.setObjectName("label_2")
        self.cb_weights = QtWidgets.QComboBox(self.centralwidget)
        self.cb_weights.setGeometry(QtCore.QRect(10, 40, 241, 21))
        self.cb_weights.setObjectName("cb_weights")
        self.cb_weights.currentIndexChanged.connect(self.cb_weights_changed)
 
        self.label_3 = QtWidgets.QLabel(self.centralwidget)
        self.label_3.setGeometry(QtCore.QRect(10, 70, 72, 21))
        self.label_3.setObjectName("label_3")
        self.hs_conf = QtWidgets.QSlider(self.centralwidget)
        self.hs_conf.setGeometry(QtCore.QRect(10, 100, 181, 22))
        self.hs_conf.setProperty("value", 25)
        self.hs_conf.setOrientation(QtCore.Qt.Horizontal)
        self.hs_conf.setObjectName("hs_conf")
        self.hs_conf.valueChanged.connect(self.conf_change)
        self.dsb_conf = QtWidgets.QDoubleSpinBox(self.centralwidget)
        self.dsb_conf.setGeometry(QtCore.QRect(200, 100, 51, 22))
        self.dsb_conf.setMaximum(1.0)
        self.dsb_conf.setSingleStep(0.01)
        self.dsb_conf.setProperty("value", 0.3)
        self.dsb_conf.setObjectName("dsb_conf")
        self.dsb_conf.valueChanged.connect(self.dsb_conf_change)
        self.dsb_iou = QtWidgets.QDoubleSpinBox(self.centralwidget)
        self.dsb_iou.setGeometry(QtCore.QRect(200, 160, 51, 22))
        self.dsb_iou.setMaximum(1.0)
        self.dsb_iou.setSingleStep(0.01)
        self.dsb_iou.setProperty("value", 0.45)
        self.dsb_iou.setObjectName("dsb_iou")
        self.dsb_iou.valueChanged.connect(self.dsb_iou_change)
        self.hs_iou = QtWidgets.QSlider(self.centralwidget)
        self.hs_iou.setGeometry(QtCore.QRect(10, 160, 181, 22))
        self.hs_iou.setProperty("value", 45)
        self.hs_iou.setOrientation(QtCore.Qt.Horizontal)
        self.hs_iou.setObjectName("hs_iou")
        self.hs_iou.valueChanged.connect(self.iou_change)
        self.label_4 = QtWidgets.QLabel(self.centralwidget)
        self.label_4.setGeometry(QtCore.QRect(10, 130, 72, 21))
        self.label_4.setObjectName("label_4")
        self.label_5 = QtWidgets.QLabel(self.centralwidget)
        self.label_5.setGeometry(QtCore.QRect(10, 210, 72, 21))
        self.label_5.setObjectName("label_5")
        self.le_res = QtWidgets.QTextEdit(self.centralwidget)
        self.le_res.setGeometry(QtCore.QRect(10, 240, 241, 400))
        self.le_res.setObjectName("le_res")
        self.setCentralWidget(self.centralwidget)
        self.menubar = QtWidgets.QMenuBar(self)
        self.menubar.setGeometry(QtCore.QRect(0, 0, 1110, 30))
        self.menubar.setObjectName("menubar")
        self.setMenuBar(self.menubar)
        self.statusbar = QtWidgets.QStatusBar(self)
        self.statusbar.setObjectName("statusbar")
        self.setStatusBar(self.statusbar)
        self.toolBar = QtWidgets.QToolBar(self)
        self.toolBar.setToolButtonStyle(QtCore.Qt.ToolButtonTextBesideIcon)
        self.toolBar.setObjectName("toolBar")
        self.addToolBar(QtCore.Qt.TopToolBarArea, self.toolBar)
        self.actionopenpic = QtWidgets.QAction(self)
        icon = QtGui.QIcon()
        icon.addPixmap(QtGui.QPixmap(":/images/1.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)
        self.actionopenpic.setIcon(icon)
        self.actionopenpic.setObjectName("actionopenpic")
        self.actionopenpic.triggered.connect(self.open_image)
        self.action = QtWidgets.QAction(self)
        icon1 = QtGui.QIcon()
        icon1.addPixmap(QtGui.QPixmap(":/images/2.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)
        self.action.setIcon(icon1)
        self.action.setObjectName("action")
        self.action.triggered.connect(self.open_video)
        self.action_2 = QtWidgets.QAction(self)
        icon2 = QtGui.QIcon()
        icon2.addPixmap(QtGui.QPixmap(":/images/3.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)
        self.action_2.setIcon(icon2)
        self.action_2.setObjectName("action_2")
        self.action_2.triggered.connect(self.open_camera)
 
        self.actionexit = QtWidgets.QAction(self)
        icon3 = QtGui.QIcon()
        icon3.addPixmap(QtGui.QPixmap(":/images/4.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)
        self.actionexit.setIcon(icon3)
        self.actionexit.setObjectName("actionexit")
        self.actionexit.triggered.connect(self.exit)
 
        self.toolBar.addAction(self.actionopenpic)
        self.toolBar.addAction(self.action)
        self.toolBar.addAction(self.action_2)
        self.toolBar.addAction(self.actionexit)
 
        self.retranslateUi()
        QtCore.QMetaObject.connectSlotsByName(self)
        self.init_all()

【使用步骤】
（1）首先根据官方框架https://github.com/THU-MIG/yolov10安装教程安装好yolov10环境，并安装好pyqt5
（2）切换到自己安装的yolov10环境后，并切换到源码目录，执行python main.py即可运行启动界面，进行相应的操作即可

【提供文件】
python源码
yolov10n的pytorch模型
训练的map,P,R曲线图(在weights\results.png)
测试图片（在test_img文件夹下面）

【源码下载地址】

关注下方名片并回复【firc12】即可获取下载方式

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/897049.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

FastCFS高性能分布式文件系统集群搭建

FastCFS高性能分布式文件系统集群搭建

FastCFS – 可以跑数据库的高性能通用分布式文件系统 简介 FastCFS 是一款强一致性、高性能、高可用、支持百亿级海量文件的通用分布式文件系统，可以作为MySQL、PostgreSQL、Oracle等数据库，k8s、KVM、FTP、SMB和NFS等系统的后端存储。 FastCFS 主要特…
阅读更多...
L0G1000 Linux 基础知识

L0G1000 Linux 基础知识

1.创建虚拟机 构建完成后 按需启动，本次启动30分钟，启动完成后出现下图界面。 点击进入开发机，出现初始界面。 2. 配置SSH密钥进行SSH远程连接 2.1打开Windows PowerShell,利用 ssh-keygen -t rsa 输入命令后一路回车就可以了，…
阅读更多...
WXML-模板语法-条件渲染及列表渲染

WXML-模板语法-条件渲染及列表渲染

条件渲染： wx：if: 结合block使用wx:if： hidden： wx:if和hidden对比： 列表渲染： wx：for： 1、在.js文件中创建一个数组： 2、创建一个view使用wx：for组件&…
阅读更多...
【机器学习】并行计算（parallel computation）Part2

【机器学习】并行计算（parallel computation）Part2

Asynchronous Parallel Gradient Descent Using Parameter Server 用Parameter Server实现异步并行梯度下降 Parameter Server这种编程模型可以实现异步并行梯度下降，架构采用的是Client-Server，通信方式是Message-passing，同步方式是异步的…
阅读更多...
windows scp 免密码文件传输

windows scp 免密码文件传输

windows scp 免密码文件传输 scp 是基于ssh加密服务的一种文件传输方式，是常见的linux主机间文件传输方式，在windows中也是支持的。 配置目标： 两台windows主机间通过scp命令行传输文件梳理概念 客户端： 通过命令行实现文件传输…
阅读更多...
Mycat2安装配置

Mycat2安装配置

安装配置 安装 目前Mycat2下载地址已经不可访问，安装包可从参考资料[1]获取 下载后解压zip文件，将jar放在lib目录下 编辑配置文件 编辑conf文件夹下的prototypeDs.datasource.json 更改数据库相关信息 启动 windows环境下启动Mycat 以管理员身份运行…
阅读更多...
[论文阅读]Deep Depth Completion of a Single RGB-D Image

[论文阅读]Deep Depth Completion of a Single RGB-D Image

摘要 我们的工作目标是完成RGB-D图像的深度通道。商用级深度摄像头通常无法捕捉光滑、明亮、透明和远处表面的深度信息。为了解决这个问题，我们训练了一个深度网络，该网络以RGB图像作为输入，并预测稠密的表面法线和遮挡边界。然后&#xff0…
阅读更多...
只需15秒！这也太短了吧，单反自动拍VR就看这篇

只需15秒！这也太短了吧，单反自动拍VR就看这篇

在如今这个追求高效的时代，拍摄VR全景不再是复杂的技术挑战，而是轻松可实现的日常操作。720云相机电动云台的问世彻底颠覆了传统VR拍摄的方式，只需15秒，一键拍摄，极简流程即可呈现出令人惊叹的VR全景效果。 集成多功能…
阅读更多...
机器视觉系统硬件组成之工业相机篇

机器视觉系统硬件组成之工业相机篇

工业相机是一种非常重要的机器视觉器件，它能够将被采集的图像信息通过电路转换成电信号，再通过模数转换器（ADC）将其转化为数字信号，最后以标准的视频信号输出。工业相机在机器视觉领域得到了广泛应用，包括质…
阅读更多...
新时代AI桌宠：XGO Rider让你的办公室瞬间高大上

新时代AI桌宠：XGO Rider让你的办公室瞬间高大上

​ XGO Rider Luwu 智能打造了桌面双轮足式机器人 XGO Rider，这款全球首创的轮腿式桌面AI机器人，正在悄然改变我们的办公环境。它不仅是一个高科技玩具，更是一个能大幅提升工作效率和办公室科技感的智能助手。 XGO Rider 新时代“桌宠” micr…
阅读更多...
基于zbar的二维码识别和机器人视觉巡线，附源码，使用ROS 2与OpenCV 结合的方式，让机器人识别二维码并执行设定动作

基于zbar的二维码识别和机器人视觉巡线，附源码，使用ROS 2与OpenCV 结合的方式，让机器人识别二维码并执行设定动作

目录 前言 二维码扫描库——Zbar Zbar库的功能主要包含以下四个部分： 代码实现 运行结果 拉到文末有惊喜 前言 微信登录要扫二维码，手机支付要扫二维码，共享单车也要扫二维码。除了这些在日常生活中已经非常普及的扫码场景之外&#xf…
阅读更多...
开源OpenStack

开源OpenStack

1.查询HCS基于OpenStack哪个版本开发 2.九大核心组件 OpenStack可以对接FC也可以对接KVM主机；（OpenStack 对接华为FusionCompute，一个集群对应 openstack 一台计算主机）-引申出nova compute 2.1nova nova两个核心组件nova contro…
阅读更多...
图的最小生成树算法--普里姆（Prim）算法和克鲁斯克尔（Kruskal）算法

图的最小生成树算法--普里姆（Prim）算法和克鲁斯克尔（Kruskal）算法

一、图的最小生成树 最小生成树（Minimum spanning tree，MST）是最小权重生成树（Minimum weight spanning tree）的简称，是一个连通加权无向图中一棵权值最小的生成树。 在一给定的无向图 G ( V , E ) G …
阅读更多...
win11环境下成功安装mamba

win11环境下成功安装mamba

文章目录 1. Mamba环境搭建2. triton安装3. causal_conv1d安装3.1 下载causal_conv1d工程文件源码3.2 修改setup.py文件3.3 安装 causal_conv1d 4. Mamba安装4.1 下载mamba工程文件源码4.2 修改setup.py文件4.3 安装 mamba 5. 查看所有成功安装的库6. 测试mamba安装是否成功6.1…
阅读更多...
软件质量管理体系，软件评审资料，资质认证资料，安全建设，数据安全及项目管理全套资料（原件参考）

软件质量管理体系，软件评审资料，资质认证资料，安全建设，数据安全及项目管理全套资料（原件参考）

软件项目质量管理体系是指一套系统化的管理方法、流程、工具和文档，旨在确保软件项目从需求分析、设计、开发、测试到部署和维护的整个生命周期中，都能达到预定的质量标准和客户期望。该体系通过明确的角色和责任、标准化的工作流程、有效的质量控制和持…
阅读更多...
MySQL（python开发)——（3）表数据的基本操作，增删改查

MySQL（python开发)——（3）表数据的基本操作，增删改查

MySQL（python开发)——（1）数据库概述及其MySQL介绍 MySQL（python开发)——（2）数据库基本操作及数据类型 MySQL—— 表数据基本操作 一、表中插入(insert)数据——增 insert into 表名 values (值1&#…
阅读更多...
springboot2.0x 和springboot 1.0 整合redis 使用自定义CacheManager 问题

springboot2.0x 和springboot 1.0 整合redis 使用自定义CacheManager 问题

问题描述： 在我们深入理解springboot2.0x的缓存机制的时候，发现在springboot1.0 和springboot2.0 中默认的序列化都是使用的jdk的 Serializer 实现这个接口，jdk自带的序列化方法，由此我们需要自己去创建自定义的RedisCacheManager…
阅读更多...
解决springboot redisTemplate lua execute hash脚本 field有转义符的问题

解决springboot redisTemplate lua execute hash脚本 field有转义符的问题

问题：使用execute，是 result redisTemplate.execute(redisScript,Collections.singletonList(hashKey), // KEYSargs.toArray()); // ARGV会存在field有转义符 发现这个方法是直接调用下图的方法 使用的序列化的方式是 template.getValueSerializer(…
阅读更多...
详解23种设计模式——第一部分：概述+创建型模式

详解23种设计模式——第一部分：概述+创建型模式

目录 1. 概述 2. 创建型模式 2.1 简单（静态）工厂模式 2.1.1 介绍 2.1.2 实现 2.2 工厂模式 2.3 抽象工厂模式 2.4 单例模式 2.4.1 饿汉模式 2.4.2 懒汉模式 2.4.3 线程安全的懒汉式 2.4.4 DCL单例 - 高性能的懒汉式 2.5 建造者模式 2.6 原…
阅读更多...
【进阶OpenCV】 （19）-- Dlib库 --人脸表情识别

【进阶OpenCV】 （19）-- Dlib库 --人脸表情识别

文章目录 表情识别一、原理二、代码实现1. 摄像头前预处理2. 计算嘴唇变化3. 绘制嘴唇轮廓4. 显示结果5. 完整代码展示 总结 表情识别 目标：识别人物的喜悦状态。 一、原理 我们在对一张人脸图片进行关键点定位后，得到每个关键点的位置： 比…
阅读更多...
最新文章

Copyright @ 2022~2023