驾驶行为识别图像数据集 疲劳驾驶图像识别数据集 驾驶员闭眼识别 开车打盹图像识别人员疲劳状态识别图像数据集 YOLO第10332期
数据集说明
本文档为计算机视觉数据集的核心信息说明，旨在为深度学习相关研究与开发提供数据支撑参考。
数据集核心信息表
| 信息类别 | 具体内容 |
|---|---|
| 数据集类别 | 目标检测类数据集，包含 4 个核心类别：closed_eye（闭眼）、closed_mouth（闭着的嘴）、open_eye（睁眼）、open_mouth（张嘴） |
| 数据数量 | 包含 1908 张图像，为目标检测任务提供充足的标注样本基础 |
| 数据集格式种类 | 适配计算机视觉目标检测任务的标准格式，支持主流深度学习框架的数据导入与模型训练 |
| 最重要应用价值 | 1. 用于驾驶员、工业操作人员等场景的疲劳状态检测模型训练；2. 支撑人体面部关键部位状态识别相关算法研发；3. 为疲劳行为分析与预警系统的开发提供数据基础 |
数据三要素概述
一、数据集类别
核心类别聚焦人体面部关键部位状态，涵盖眼部与嘴部的开合两种基础状态，共 4 个细分类别；
类别划分精准对应疲劳行为的典型特征，闭眼、闭着的嘴常与疲劳状态相关，睁眼、张嘴则对应正常状态，为疲劳识别提供明确判断依据；
类别设置简洁且具有针对性，避免冗余类别干扰，专注服务于疲劳检测核心任务。
二、数据数量
总计 1908 张图像样本，数量规模可满足中小规模目标检测模型的训练需求，能够支撑模型初步学习面部关键部位的特征规律；
样本数量在同类疲劳检测相关数据集中处于适中水平，可用于模型的基础训练与验证，也可结合数据增强技术进一步扩展样本规模；
充足的样本量为模型泛化能力的提升提供保障，减少因样本不足导致的模型过拟合问题。
三、应用价值
疲劳检测场景：可应用于交通运输领域驾驶员疲劳监测、工业生产中操作人员疲劳状态识别，助力提升作业安全；
算法研发支撑：为面部关键部位目标检测算法的优化、改进提供真实场景下的标注数据，推动算法性能提升；
系统开发基础：作为疲劳行为分析与预警系统的核心数据支撑，帮助构建从数据输入到状态判断的完整技术链路，适用于多种需要疲劳监测的实际场景。