YOLO26在疲劳驾驶识别中的应用：多类别面部状态检测（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）

斌擎人工智能官方账号

743人浏览 · 2026-04-16 12:39:10

斌擎人工智能官方账号 · 2026-04-16 12:39:10 发布

摘要

疲劳驾驶是导致交通事故的重要原因之一，基于视觉的驾驶员状态监测系统对于预防疲劳驾驶具有重要意义。本研究基于YOLO26目标检测算法，构建了一个针对驾驶员面部状态的疲劳识别检测系统。系统共包含4个检测类别：打哈欠(Yawn)、闭眼(close)、正常睁眼(open)和未打哈欠(noYawn)。数据集规模为训练集13719张、验证集1380张、测试集1147张。

详细功能展示视频

https://www.bilibili.com/video/BV1jnoKBpEUv/?spm_id_from=333.1387.upload.video_card.click&vd_source=8279e3d5f4d5d4f0cb2bf5c842393764https://www.bilibili.com/video/BV1jnoKBpEUv/?spm_id_from=333.1387.upload.video_card.click&vd_source=8279e3d5f4d5d4f0cb2bf5c842393764 https://www.bilibili.com/video/BV1jnoKBpEUv/

功能模块

✅ 用户登录注册：支持密码检测，密码加密。

✅ 图片检测：可对图片进行检测，返回检测框及类别信息。

✅ 支持选择检测目标：可以选择一个或者多个类目的目标进行检测

✅参数实时调节（置信度和IoU阈值）

✅ 视频检测：支持视频文件输入，检测视频中每一帧的情况。

✅ 摄像头实时检测：连接USB 摄像头，实现实时监测。

✅日志记录：日志标签页记录操作和错误信息，带时间戳

✅结果保存模块：支持图片/视频/摄像头检测结果保存

1、用户管理模块

功能	描述
用户注册	用户名、密码、确认密码、邮箱（选填）注册，密码SHA256加密存储
用户登录	用户名密码验证，自动跳转主界面
用户数据存储	JSON文件存储用户信息（密码加密、注册时间、邮箱）
登录状态	主界面显示当前登录用户名

2、界面与交互模块

功能	描述
玻璃效果界面	半透明毛玻璃背景，圆角边框，现代化视觉风格
无边框窗口	自定义标题栏，支持窗口拖动、最小化、最大化、关闭
响应式布局	主窗口三栏布局（左侧控制区、中央显示区、右侧信息区）
状态栏	显示设备信息、模型状态、当前用户、实时时间

3、检测源管理模块

功能	描述
图片检测	支持JPG/JPEG/PNG/BMP格式图片载入
视频检测	支持MP4/AVI/MOV/MKV格式视频载入
摄像头检测	实时调用摄像头（默认ID 0）进行检测
检测源切换	下拉菜单切换三种检测模式，自动更新界面状态

4、检测参数配置模块

功能	描述
置信度阈值	滑动条调节（0-100%，步长1%），实时显示当前值
IoU阈值	滑动条调节（0-100%，步长1%），实时显示当前值
类别选择	动态生成检测类别复选框，支持全选/取消全选
参数同步	参数实时同步到检测器核心

5、YOLO检测核心模块

功能	描述
模型加载	加载`best.pt`模型文件，自动检测GPU可用性，支持CPU/GPU切换
多模式检测	图片检测、视频检测、摄像头实时检测
检测线程	基于QThread的多线程处理，避免界面卡顿
检测结果	返回目标类别、置信度、边界框坐标
FPS计算	实时计算处理帧率
进度反馈	视频处理进度条实时更新

6、结果显示模块

功能	描述
实时画面	中央区域显示检测结果图像（带标注框）
统计信息	检测状态、目标数量、FPS、处理帧数实时更新
检测列表	右侧列表显示当前帧所有检测到的目标（类别+置信度）
日志记录	日志标签页记录操作和错误信息，带时间戳
占位显示	未选择检测源时显示系统LOGO和提示文字

7、结果保存模块

功能	描述
保存开关	复选框控制是否保存检测结果
路径选择	自定义保存路径，支持图片/视频格式自动识别
自动命名	保存文件自动添加时间戳（`detection_result_20240101_120000.jpg`）
视频保存	支持检测结果视频录制（MP4格式）
手动保存	工具栏保存按钮可随时保存当前画面
保存反馈	保存成功弹窗提示，日志记录保存路径

8、工具栏功能

功能	描述
图片按钮	快速切换到图片检测模式并打开文件选择器
视频按钮	快速切换到视频检测模式并打开文件选择器
摄像头按钮	快速切换到摄像头检测模式
保存按钮	手动保存当前显示画面

9、辅助功能

功能	描述
错误处理	统一错误弹窗提示，日志记录错误详情
资源清理	检测停止时自动释放摄像头、视频文件、视频写入器资源
时间显示	状态栏实时显示系统时间
模型状态	状态栏显示模型加载状态和当前设备（CPU/GPU）

10、数据校验模块

功能	描述
注册验证	用户名长度≥3，密码长度≥6，密码一致性检查，邮箱格式验证
协议确认	注册前需勾选同意用户协议
文件校验	模型文件存在性检查，文件大小验证（≥6MB）
输入非空	登录/注册时必填项非空检查

引言

随着汽车保有量的持续增长和交通运输业的快速发展，疲劳驾驶已成为引发交通事故的主要风险因素之一。据统计，约20%的严重交通事故与驾驶员疲劳状态相关。疲劳会导致驾驶员反应时间延长、注意力下降、判断能力减弱，严重威胁道路交通安全。因此，开发能够实时、准确地监测驾驶员疲劳状态的智能系统具有重要的社会意义和应用价值。

近年来，随着计算机视觉和深度学习技术的飞速发展，基于视觉的非接触式疲劳检测方法逐渐成为研究热点。其中，YOLO(You Only Look Once)系列目标检测算法因其检测速度快、精度高的特点，在实时驾驶员监测系统中展现出巨大潜力。本研究基于YOLO26算法，构建了一个能够同时检测驾驶员眼部状态(睁眼/闭眼)和嘴部状态(打哈欠/未打哈欠)的多类别疲劳识别系统，为后续的疲劳预警提供技术支撑。

背景

疲劳驾驶检测技术发展历程

疲劳驾驶检测技术的研究可追溯至20世纪90年代，其发展经历了三个主要阶段：

第一阶段：生理信号检测阶段
早期研究主要依靠生理传感器采集驾驶员的脑电图(EEG)、心电图(ECG)、肌电图(EMG)等信号，通过分析心率变异性、脑电波变化等生理指标判断疲劳程度。这类方法准确性较高，但需要佩戴专业传感器，不仅成本高昂，而且会影响驾驶操作，难以在实际驾驶环境中推广应用。

第二阶段：车辆行为检测阶段
研究人员转而通过车辆行驶状态间接推断驾驶员疲劳程度，包括车道偏离检测、方向盘转角变化分析、车速稳定性评估等。这类方法无需接触驾驶员，但容易受到道路条件、驾驶习惯等因素干扰，误报率较高，且无法在疲劳初期及时预警。

第三阶段：计算机视觉检测阶段
随着深度学习技术的突破，基于视觉的疲劳检测方法成为主流。通过车载摄像头采集驾驶员面部图像，利用计算机视觉算法分析眼部开合度、嘴部状态、头部姿态、视线方向等特征，实现非接触式疲劳监测。PERCLOS(眼部闭合时间百分比)作为公认有效的疲劳指标，被广泛应用于各类检测系统中。

基于YOLO的疲劳检测研究现状

YOLO系列算法凭借其端到端的检测框架和高效的实时性能，在疲劳检测领域得到广泛应用。现有研究主要集中在以下几个方面：

眼部状态检测：通过检测眼睛的开合程度判断疲劳状态，典型特征是闭眼持续时间超过正常眨眼阈值。
嘴部状态检测：通过检测打哈欠的频率和持续时间评估疲劳程度，通常结合嘴部纵横比(MAR)进行量化分析。
多特征融合检测：综合眼部、嘴部、头部姿态等多个特征，通过机器学习或深度学习模型进行疲劳等级分类。

然而，现有研究仍面临诸多挑战：复杂光照条件下的检测鲁棒性问题、多类别状态的同时检测精度问题、真实驾驶场景中的实时性要求等。特别是在多类别检测中，各类别样本的不均衡分布往往导致模型性能差异显著，这也是本研究中需要重点解决的问题。

疲劳驾驶检测的现实意义

从社会效益来看，一套可靠的疲劳驾驶检测系统能够：

显著降低因疲劳驾驶引发的交通事故率
保障驾驶员和乘客的生命安全
降低交通事故造成的经济损失
促进智能交通系统的发展和完善

从技术发展来看，本研究积累的经验和发现的问题将为后续研究提供参考，推动疲劳检测技术向更精准、更实用的方向发展。

数据集介绍

数据集规模与划分

本研究所使用的数据集包含驾驶员面部状态的图像样本，共计16246张。数据集按照以下比例进行划分：

训练集：13719张图像，占比84.4%，用于模型训练和参数更新
验证集：1380张图像，占比8.5%，用于模型调优和超参数选择
测试集：1147张图像，占比7.1%，用于最终性能评估

类别定义与说明

数据集共包含4个检测类别，具体定义如下：

Yawn（打哈欠）
- 定义：嘴部大幅度张开，持续时间超过正常说话张嘴时间
- 特征：嘴部纵横比显著增大，通常伴随面部肌肉紧张
- 意义：打哈欠是疲劳的典型生理反应，持续打哈欠往往预示着深度疲劳
close（闭眼）
- 定义：眼睛完全闭合，眼睑覆盖瞳孔区域
- 特征：眼部纵横比接近于零，且持续时间超过正常眨眼阈值(通常>0.5秒)
- 意义：闭眼是判断驾驶员是否进入微睡眠状态的关键指标
noYawn（未打哈欠）
- 定义：嘴部处于正常闭合或说话状态，无明显的大幅度张开
- 特征：嘴部纵横比维持在正常范围内
- 意义：作为打哈欠的负样本，帮助模型区分正常嘴部状态和疲劳状态
open（睁眼）
- 定义：眼睛处于正常睁开状态，瞳孔清晰可见
- 特征：眼部纵横比达到正常值范围
- 意义：作为闭眼的负样本，用于检测驾驶员正常视觉状态

训练结果

2、各类别检测性能分析

1. PR 曲线（`BoxPR_curve.png`）

3、召回率与置信度分析

1. 召回率曲线（`BoxR_curve.png`）

4、精确率与置信度分析

1. 精确率曲线（`BoxP_curve.png`）

Ultralytics YOLO26

概述

Ultralytics YOLO26 是 YOLO 系列实时对象检测器的最新演进，从头开始专为边缘和低功耗设备而设计。它引入了简化的设计，消除了不必要的复杂性，同时集成了有针对性的创新，以实现更快、更轻、更易于访问的部署。

YOLO26 的架构遵循三个核心原则：

简洁性: YOLO26是一个原生的端到端模型，直接生成预测结果，无需非极大值抑制（NMS）。通过消除这一后处理步骤，推理变得更快、更轻量，并且更容易部署到实际系统中。这种突破性方法最初由清华大学的王傲在YOLOv10中开创，并在YOLO26中得到了进一步发展。
部署效率： 端到端设计消除了管道的整个阶段，从而大大简化了集成，减少了延迟，并使部署在各种环境中更加稳健。
训练创新：YOLO26 引入了MuSGD 优化器，它是SGD 和MUON的混合体——灵感来源于 Moonshot AI 在 LLM 训练中Kimi K2的突破。该优化器带来了增强的稳定性和更快的收敛，将语言模型中的优化进展转移到计算机视觉领域。
任务特定优化：YOLO26 针对专业任务引入了有针对性的改进，包括用于 Segmentation 的语义分割损失和多尺度原型模块，用于高精度 姿势估计 的残差对数似然估计 (RLE)，以及通过角度损失优化解码以解决 旋转框检测 中的边界问题。

这些创新共同提供了一个模型系列，该模型系列在小对象上实现了更高的精度，提供了无缝部署，并且在 CPU 上的运行速度提高了 43% — 使 YOLO26 成为迄今为止资源受限环境中最实用和可部署的 YOLO 模型之一。

主要功能

DFL 移除
分布式焦点损失（DFL）模块虽然有效，但常常使导出复杂化并限制了硬件兼容性。YOLO26 完全移除了 DFL，简化了推理过程，并拓宽了对边缘和低功耗设备的支持。
端到端无NMS推理
与依赖NMS作为独立后处理步骤的传统检测器不同，YOLO26是原生端到端的。预测结果直接生成，减少了延迟，并使集成到生产系统更快、更轻量、更可靠。
ProgLoss + STAL
改进的损失函数提高了检测精度，在小目标识别方面有显著改进，这是物联网、机器人、航空影像和其他边缘应用的关键要求。
MuSGD Optimizer
一种新型混合优化器，结合了SGD和Muon。灵感来自 Moonshot AI 的Kimi K2，MuSGD 将 LLM 训练中的先进优化方法引入计算机视觉，从而实现更稳定的训练和更快的收敛。
CPU推理速度提升高达43%
YOLO26专为边缘计算优化，提供显著更快的CPU推理，确保在没有GPU的设备上实现实时性能。
实例分割增强
引入语义分割损失以改善模型收敛，以及升级的原型模块，该模块利用多尺度信息以获得卓越的掩膜质量。
精确姿势估计
集成残差对数似然估计(RLE)，以实现更精确的关键点定位，并优化解码过程以提高推理速度。
优化旋转框检测解码
引入专门的角度损失以提高方形物体的检测精度，并优化旋转框检测解码以解决边界不连续性问题。

常用标注工具

假设您现在准备好进行标注。有几种开源工具可以帮助简化数据标注流程。以下是一些有用的开放标注工具：

Label Studio：一个灵活的工具，支持各种标注任务，并包含用于管理项目和质量控制的功能。 CVAT：一个强大的工具，支持各种标注格式和可定制的工作流程，使其适用于复杂的项目。 Labelme：一个简单易用的工具，可以快速标注带有多边形的图像，非常适合简单的任务。 LabelImg: 一款易于使用的图形图像标注工具，特别适合以 YOLO 格式创建边界框标注。

用于实例分割的 LabelMe 标注工具