1.本项目旨在检测驾驶员在驾驶过程中可能发生的异常驾驶行为，并实时量化、评估当前的危险程度，予以驾驶员一定程度的提醒操作。具体而言，本项目主要检测驾驶员可能出现的疲劳驾驶行为和分心驾驶行为。通过为每一异常行为分配动态权重，得到了当前安全得分。根据得分，系统会在恰当时机对驾驶员予以提醒。
2.该项目的界面采用了PyQt5和PyQt-Fluent-Widgets实现，
3.该系统能够检测八种行为：<睁眼, eye_open>,<闭眼, eye_close>,<嘴巴, mouth>, <打哈欠, yawn>, <脸, face>, <抽烟, smoke>,<使用手机, phone>, <喝水, drink>。其中闭眼、打哈欠、抽烟、使用手机、喝水这五种行为被视作异常驾驶行为。检测使用了YOLOv8在自制数据集上训练的模型，模型在验证集上的PR曲线：
4.该项目主要实现了以下功能：
(1)主页：能够快速了解项目内容和主要功能。
(2)操作指南页面：用户能够通过点击翻页按钮来快速浏览系统功能操作说明。
(3)图片/视频检测页面：用户能够上传图片、图片文件夹、视频进行检测，并且能够批量导出检测结果至本地。
(4)实时检测页面：调用本地摄像头进行实时检测，具有预警功能，支持生成、导出检测日志和得分曲线。
(5)设置页面：配置日志文件夹、资源文件夹、检测结果文件夹的路径。
abnormal-driving-behavior
│ README.md
│ requirements.txt
│
├─assets
| ...
|
└─adb-detector
│ config.json # 存放系统文件夹路径
│ guide_demonstrator.py # 操作指南页面
│ home.py # 主页页面
│ main.py # 🔺程序入口，创建系统窗口
│ real_time_detector.py # 实时检测页面
│ settings.py # 设置页面
│ upload_detector.py # 图片/视频检测页面
│
├─logs # 实时检测中保存日志的文件夹
│
├─resource # 资源文件夹
│ ├─audio
│ ├─img
│ └─model_weight
│
├─result # 保存检测结果的文件夹
│ ├─file
│ ├─folder
│ └─video
|
└─utils
config.py
load_plot.py # 加载绘图数据
video_surface.py # 视频检测时抽帧
1.main.py是整个项目的运行入口，创建系统窗口。
主要会执行以下步骤：
(1)创建主页，通过创建home.py中Home实例完成。
(2)创建操作指南页面，通过创建guide_demonstrator.py中Guide_Demonstrator实例完成。
(3)创建图片/视频页面，通过创建upload_detector.py中Upload_Detector实例完成。
(4)创建实时检测页面，通过创建real_time_detector.py中RealTime_Detector实例完成。
(4)创建设置页面，通过创建settings.py中Settings实例完成。
2.项目使用YOLOv8在自制数据集上训练的模型进行检测，模型位于./adb-detector/resource/model_weight/best.pt。
可在config.json或系统中的设置页面修改路径，替换为自己训练的模型，修改后需要重启系统。
（可选阅读）
3.utils/config.py是配置系统文件夹的路径、默认值、校验方法，不要轻易修改。若要配置路径，请修改config.json文件，或直接在系统的设置页面
中点击对应按钮进行修改即可。
4.utils/video_surface.py是在图片/视频检测中抽取QMediaPlayer输出的视频帧，便于模型进行检测。
5.utils/load_plot.py能够读取.pkl文件获取PlotWidget绘图数据进行绘图，.pkl文件通过实时检测页面中保存绘图数据获得。
Windows系统下，在cmd中cd到requirements.txt所在目录下，执行以下命令，以安装项目所需包
pip install -r requirements.txt
完成后，打开项目，运行adb-detector/main.py即可
（注：程序中所用到的文件（夹）的默认路径会通过读取config.json获取，若路径报错或要修改路径，则可以修改config.json中对应条目。文件（夹）默认路径为main.py同级目录下的logs或resource等文件夹，没有则会自动创建。）
系统会为每一异常驾驶行为分配默认权重，同时每一异常行为还会拥有一个权重调整系数lamda，该系数会随异常行为持续时间的增加而增大，用来纠正驾驶员某一长时间的异常行为。
具体而言，每一异常行为都会分配一个计时器，默认状态下，计时器为停止状态。当某种异常行为发生时，该异常行为的计时器将会启动，并每3秒检测一次该异常行为是否仍在持续。若仍在持续，则权重放大系数会从0以0.2的步长逐渐增加至1后停止。
故lamda = min(0.2 * count, 1)，异常行为实际权重为(1 + lamda) * weight。
