1、项目介绍
技术栈：python语言、YOLO、Pyqt5界面、数据集

研究背景：
分心驾驶是引发交通事故的主要原因之一，传统事后监控无法及时预警，亟需一套可实时检测喝饮料、抽烟、打电话等危险行为的轻量化系统。

研究意义：
本系统基于YOLOv11/v10/v8/v5多版本对比训练，集成PyQt5图形界面，支持图片、视频、摄像头实时检测并保存结果，可为车载终端及毕业设计提供“数据集-模型-界面”完整闭环，预计误报率低于5%，显著提升行车安全性。

2、项目界面
（1）功能界面

（2）多目标检测识别

（3）多目标检测识别

（4）抽烟检测识别

（5）打电话检测识别

3、项目说明

3、项目说明
摘要：随着道路交通安全意识日益增强，如何有效预防交通事故成为社会关注重点。本文基于YOLOv11/v10/v8/v5深度学习框架，利用6157张危险驾驶行为图片训练目标检测模型，类别覆盖【喝饮料、吃东西、用手机、抽烟】，并在验证集上对比YOLOv5n、YOLOv8n、YOLOv10n、YOLO11的Precision、Recall、mAP50与mAP50-95指标，最终选择综合性能最优模型。基于此模型，使用Python与PyQt5开发图形界面系统，支持单张图片、批量图片、视频及摄像头实时检测，自动保存结果与CSV记录。系统界面简洁，操作步骤：选择文件→实时检测→下拉切换目标→一键保存，所有结果默认存入save_data目录，为危险驾驶行为预警提供轻量级、可落地的解决方案。

关键词：危险驾驶行为检测；YOLO；PyQt5；目标检测；实时预警

4、核心代码

5、源码获取方式

🍅由于篇幅限制，获取完整文章或源码、代做项目的，查看我的【用户名】、【专栏名称】、【顶部选题链接】就可以找到我啦🍅

感兴趣的可以先收藏起来，点赞、关注不迷路，下方查看👇🏻获取联系方式👇🏻