当前位置： 首页 > news >正文

[C#][winform]基于yolov5的驾驶员抽烟打电话安全带检测系统C#源码+onnx模型+评估指标曲线+精美GUI界面

news 2025/7/22 9:30:26

【重要说明】

该系统以opencvsharp作图像处理,onnxruntime做推理引擎，使用CPU进行推理，适合有显卡或者没有显卡windows x64系统均可，不支持macOS和Linux系统，不支持x86的windows操作系统。由于采用CPU推理，要比GPU慢。为了适合大部分操作系统我们暂时只写了CPU推理源码，GPU推理源码后期根据需要可能会调整，目前只考虑CPU推理，主要是为了照顾现在大部分使用该源码是学生，很多人并没有显卡的电脑情况。

【算法介绍】

基于YOLOv5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，旨在提高驾驶安全性。该系统利用YOLOv5算法，这是一种基于深度学习的目标检测算法，特别适用于实时目标检测任务。

在驾驶员抽烟、打电话、安全带检测系统中，YOLOv5算法通过将图像分割成网格并对每个网格进行分类，同时回归框的边界框参数，从而在单个前向传递中实现目标检测。为了训练这一系统，需要构建一个包含大量标注图像的数据集，这些图像应覆盖各种驾驶环境下，司机抽烟、打电话以及未系安全带的实例。

在实际应用中，该系统可以通过预置的摄像头或监控系统来实时获取图像或视频流，对输入图像进行处理和分析，通过YOLOv5模型检测驾驶员的行为，并判断是否存在抽烟、打电话或未系安全带等分心或违规行为。如果检测到这些行为，系统可以触发警报、发送通知或采取其他适当的措施，以提醒驾驶员纠正分心行为或违规行为，从而降低事故风险。

此外，该系统还需要考虑隐私保护和合规性相关的问题，确保系统的合法性和有效性。通过不断优化算法性能、扩大高质量数据集规模以及在实际应用中平衡技术与法律伦理考量，该系统将在减少交通事故、保障驾驶安全方面发挥重要作用。

【效果展示】

【测试环境】

windows10 x64系统
VS2019
netframework4.7.2
opencvsharp4.8.0
onnxruntime1.16.3

【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

【训练信息】

参数值
训练集图片数11932
验证集图片数2393
训练map73.8%
训练精度(Precision)82.2%
训练召回率(Recall)69.8%

验证集每个类别精度统计

类别

MAP0.5(单位：%)

all

73

cigarette

60

phone

72

seatbelt

87

【部分实现源码】 

using OpenCvSharp;
using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Diagnostics;
using System.Drawing;
using System.IO;
using System.Linq;
using System.Text;
using System.Threading;
using System.Threading.Tasks;
using System.Windows.Forms;namespace FIRC
{public partial class Form1 : Form{public bool videoStart = false;//视频停止标志string weightsPath = Application.StartupPath + "\\weights";//模型目录string labelTxt= Application.StartupPath + "\\weights\\class_names.txt";//类别文件Yolov8Manager detetor = new Yolov8Manager();//推理引擎public Form1(){InitializeComponent();CheckForIllegalCrossThreadCalls = false;//线程更新控件不报错}private void LoadWeightsFromDir(){var di = new DirectoryInfo(weightsPath);foreach(var fi in di.GetFiles("*.onnx")){comboBox1.Items.Add(fi.Name);}if(comboBox1.Items.Count>0){comboBox1.SelectedIndex = 0;}else{tssl_show.Text = "未找到模型,请关闭程序，放入模型到weights文件夹!";tsb_pic.Enabled = false;tsb_video.Enabled = false;tsb_camera.Enabled = false;}}private void Form1_Load(object sender, EventArgs e){LoadWeightsFromDir();//从目录加载模型}public string GetResultString(Result result){Dictionary<string, int> resultDict = new Dictionary<string, int>();for (int i = 0; i < result.length; i++){if(resultDict.ContainsKey( result.classes[i]) ){resultDict[result.classes[i]]++;}else{resultDict[result.classes[i]]=1;}}var resultStr = "";foreach(var item in resultDict){resultStr += string.Format("{0}:{1}\n",item.Key,item.Value);}return resultStr;}private void tsb_pic_Click(object sender, EventArgs e){OpenFileDialog ofd = new OpenFileDialog();ofd.Filter = "*.*|*.bmp;*.jpg;*.jpeg;*.tiff;*.tiff;*.png";if (ofd.ShowDialog() != DialogResult.OK) return;tssl_show.Text = "正在检测中...";Task.Run(() => {var sw = new Stopwatch();sw.Start();Mat image = Cv2.ImRead(ofd.FileName);detetor.Confidence =Convert.ToSingle(numericUpDown1.Value);detetor.IOU = Convert.ToSingle(numericUpDown2.Value);var results=detetor.Inference(image);var resultImage = detetor.DrawImage(OpenCvSharp.Extensions.BitmapConverter.ToBitmap(image), results);sw.Stop();pb_show.Image = resultImage;tb_res.Text = GetResultString(results);tssl_show.Text = "检测已完成!总计耗时"+sw.Elapsed.TotalSeconds+"秒";});}public void VideoProcess(string videoPath){Task.Run(() => {detetor.Confidence = Convert.ToSingle(numericUpDown1.Value);detetor.IOU = Convert.ToSingle(numericUpDown2.Value);VideoCapture capture = new VideoCapture(videoPath);if (!capture.IsOpened()){tssl_show.Text="视频打开失败!";return;}Mat frame = new Mat();var sw = new Stopwatch();int fps = 0;while (videoStart){capture.Read(frame);if (frame.Empty()){Console.WriteLine("data is empty!");break;}sw.Start();var results = detetor.Inference(frame);var resultImg = detetor.DrawImage(frame,results);sw.Stop();fps = Convert.ToInt32(1 / sw.Elapsed.TotalSeconds);sw.Reset();Cv2.PutText(resultImg, "FPS=" + fps, new OpenCvSharp.Point(30, 30), HersheyFonts.HersheyComplex, 1.0, new Scalar(255, 0, 0), 3);//显示结果pb_show.Image = OpenCvSharp.Extensions.BitmapConverter.ToBitmap(resultImg);tb_res.Text = GetResultString(results);Thread.Sleep(5);}capture.Release();pb_show.Image = null;tssl_show.Text = "视频已停止!";tsb_video.Text = "选择视频";});}public void CameraProcess(int cameraIndex=0){Task.Run(() => {detetor.Confidence = Convert.ToSingle(numericUpDown1.Value);detetor.IOU = Convert.ToSingle(numericUpDown2.Value);VideoCapture capture = new VideoCapture(cameraIndex);if (!capture.IsOpened()){tssl_show.Text = "摄像头打开失败!";return;}Mat frame = new Mat();var sw = new Stopwatch();int fps = 0;while (videoStart){capture.Read(frame);if (frame.Empty()){Console.WriteLine("data is empty!");break;}sw.Start();var results = detetor.Inference(frame);var resultImg = detetor.DrawImage(frame, results);sw.Stop();fps = Convert.ToInt32(1 / sw.Elapsed.TotalSeconds);sw.Reset();Cv2.PutText(resultImg, "FPS=" + fps, new OpenCvSharp.Point(30, 30), HersheyFonts.HersheyComplex, 1.0, new Scalar(255, 0, 0), 3);//显示结果pb_show.Image = OpenCvSharp.Extensions.BitmapConverter.ToBitmap(resultImg);tb_res.Text = GetResultString(results);Thread.Sleep(5);}capture.Release();pb_show.Image = null;tssl_show.Text = "摄像头已停止!";tsb_camera.Text = "打开摄像头";});}private void tsb_video_Click(object sender, EventArgs e){if(tsb_video.Text=="选择视频"){OpenFileDialog ofd = new OpenFileDialog();ofd.Filter = "视频文件(*.*)|*.mp4;*.avi";if (ofd.ShowDialog() != DialogResult.OK) return;videoStart = true;VideoProcess(ofd.FileName);tsb_video.Text = "停止";tssl_show.Text = "视频正在检测中...";}else{videoStart = false;}}private void tsb_camera_Click(object sender, EventArgs e){if (tsb_camera.Text == "打开摄像头"){videoStart = true;CameraProcess(0);tsb_camera.Text = "停止";tssl_show.Text = "摄像头正在检测中...";}else{videoStart = false;}}private void tsb_exit_Click(object sender, EventArgs e){videoStart = false;this.Close();}private void trackBar1_Scroll(object sender, EventArgs e){numericUpDown1.Value = Convert.ToDecimal(trackBar1.Value / 100.0f);}private void trackBar2_Scroll(object sender, EventArgs e){numericUpDown2.Value = Convert.ToDecimal(trackBar2.Value / 100.0f);}private void numericUpDown1_ValueChanged(object sender, EventArgs e){trackBar1.Value = (int)(Convert.ToSingle(numericUpDown1.Value) * 100);}private void numericUpDown2_ValueChanged(object sender, EventArgs e){trackBar2.Value = (int)(Convert.ToSingle(numericUpDown2.Value) * 100);}private void comboBox1_SelectedIndexChanged(object sender, EventArgs e){tssl_show.Text="加载模型:"+comboBox1.Text;detetor.LoadWeights(weightsPath+"\\"+comboBox1.Text,labelTxt);tssl_show.Text = "模型加载已完成!";}}
}

【使用步骤】

使用步骤：
（1）首先根据官方框架yolov5安装教程安装好yolov5环境，并安装好pyqt5
（2）切换到自己安装的yolov5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
yolov5n.onnx模型（不提供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】

https://download.csdn.net/download/FL1623863129/88540396

http://www.lryc.cn/news/465774.html

相关文章：

  • 【Flutter】基础入门：开发环境搭建
  • AI学习指南深度学习篇-对比学习（Contrastive Learning）简介
  • 【蓝队技能】【规则开发1】Suricata-C2Webshell隧道
  • 全面了解 NGINX 的负载均衡算法
  • Java-继承与多态-上篇
  • 通过比较list与vector在简单模拟实现时的不同进一步理解STL的底层
  • 软件I2C的代码
  • 登录时用户名密码加密传输（包含前后端代码）
  • ai聊天对话页面-uniapp
  • 虚拟滚动列表如何实现？
  • 07_Linux网络配置与管理：命令与工具指南
  • 首个统一生成和判别任务的条件生成模型框架BiGR：专注于增强生成和表示能力，可执行视觉生成、辨别、编辑等任务
  • 【Java知识】Java进阶-服务发现机制SPI
  • 多模态技术的协同表现：从文本生成、语音合成到口型同步综合测评
  • Java最全面试题-＞Java主流框架-＞Srping面试题
  • 参编国家标准需要注意的事项有哪些？
  • 【Dash】feffery_antd_components 按钮组件的应用
  • 01 springboot-整合日志(logback-config.xml)
  • Java最全面试题-＞计算机基础面试题-＞计算机网络面试题
  • VSCode编译器改为中文
  • 前端开发设计模式——状态模式
  • 特种作业操作烟花爆竹试题分享
  • 实现prometheus+grafana的监控部署
  • 确保Spring Boot定时任务只执行一次方案
  • 【Python数据可视化】利用Matplotlib绘制美丽图表！
  • 【最新通知】2024年Cisco思科认证CCNA详解
  • 监控内容、监控指标、监控工具大科普
  • 生成文件夹 - python 实现
  • 快速了解学会python基础语言及IDLE 提供的常用快捷键
  • 【python】OpenCV—Sort the Point Set from Top Left to Bottom Right