驾驶员行为检测数据集 | 22600张YOLO智能驾驶数据集适用于疲劳驾驶预警、分心行为识别与目标检测研究一、数据集概述本数据集面向计算机视觉目标检测任务专为驾驶员行车状态识别模型训练、验证与测试设计共包含约22600张高质量标注图像覆盖13类驾驶员行为状态。该数据集可广泛应用于智能驾驶辅助、疲劳与分心驾驶预警、车联网安全监控等场景适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。随着智能驾驶技术和车联网的快速发展利用计算机视觉技术实现驾驶员行为状态的自动识别已成为提升行车安全、降低交通事故率的重要手段。本数据集针对驾驶员行为检测场景中姿态多样、光照变化复杂、细微行为区分难度大等问题进行专项构建可为智能座舱监控系统与驾驶安全预警设备提供高质量数据支撑。数据集下载通过网盘分享的文件驾驶员行为检测-13类链接: https://pan.baidu.com/s/1834r-SWIKHyjOMi7WuP2Ww?pwd5rr1提取码: 5rr1二、数据集基本信息项目内容数据集名称驾驶员行为检测数据集数据规模约22600张高质量标注图像任务类型目标检测Object Detection检测目标13类驾驶员行为状态类别数量nc13类标注方式Bounding Box目标框标注数据格式YOLO标准格式数据来源真实驾驶场景与模拟采集数据划分Train / Valid / Test适配模型YOLOv5、YOLOv7、YOLOv8、YOLOv10、YOLOv11、YOLOv12、Faster R-CNN等三、数据集类别说明本数据集为多类别细粒度目标检测数据集共设置13个检测类别覆盖驾驶员正常驾驶、分心行为、疲劳状态三大类行为状态类别划分精细贴合智能驾驶辅助实际需求。类别配置nc:13names:-other-safe_driving-texting-talking_phone-operating_radio-drinking-reaching_back-grooming-talking_passenger-eyes_closed-yawning-nodding_drowsy-eyes_open类别详情类别ID类别名称英文名称类别说明0其他other其他未明确分类的驾驶员行为1安全驾驶safe_driving驾驶员正常专注驾驶无明显分心或疲劳2发短信texting驾驶员手持手机发短信/操作手机3打电话talking_phone驾驶员手持手机通话4操作收音机operating_radio驾驶员操作收音机/多媒体设备5饮水drinking驾驶员饮水/进食行为6伸手向后reaching_back驾驶员向后伸手取物7梳妆化妆grooming驾驶员整理仪容/化妆8与乘客交谈talking_passenger驾驶员转头与乘客交谈9闭眼eyes_closed驾驶员眼睛闭合疲劳征兆10打哈欠yawning驾驶员打哈欠疲劳征兆11点头瞌睡nodding_drowsy驾驶员点头打瞌睡重度疲劳12睁眼eyes_open驾驶员眼睛睁开正常状态13类设计从行为类型和疲劳状态两个维度完整覆盖驾驶员行为谱系安全基准安全驾驶基准行为分心行为发短信、打电话、操作收音机、饮水、伸手向后、梳妆化妆、与乘客交谈疲劳状态闭眼、打哈欠、点头瞌睡、睁眼疲劳检测参照兜底类其他类别划分精细对疲劳、分心等细微行为区分有一定挑战适合多类别行为检测算法研究与模型优化。四、数据集结构说明数据集采用标准YOLO目录结构组织已按训练集、验证集、测试集进行科学划分结构清晰便于直接接入主流检测框架。驾驶员行为检测-13类/ ├── train │ ├── images │ └── labels ├── valid │ ├── images │ └── labels ├── test │ ├── images │ └── labels └── data.yaml各数据集作用如下train/images labels训练集图像与标签用于模型参数学习与特征提取valid/images labels验证集图像与标签用于超参数调优、早停监控及防止过拟合test/images labels测试集图像与标签用于最终模型性能评估与泛化能力测试。标注文件为同名.txt格式每行格式为类别索引 x_center y_center width height坐标均为归一化值配套data.yaml已配置好类别名称与数量可直接适配YOLO系列等目标检测框架。五、数据集核心优势1. 聚焦智能座舱驾驶员监控本数据集以驾驶员行为检测为核心任务所有图像聚焦于驾驶座舱视角下的驾驶员行为采集覆盖多种驾驶行为状态。类别设计贴近智能驾驶辅助与安全监控实际需求更利于训练出针对驾驶员行为的高精度识别模型。覆盖场景包括不同车型驾驶座舱不同驾驶时段日间/夜间不同光照条件不同驾驶员个体差异不同驾驶环境能够有效提升模型的实际部署效果。2. 完整的行为与疲劳状态谱系13类标签从行为类型和疲劳状态两个维度形成完整覆盖行为类型维度安全基准安全驾驶分心行为发短信、打电话、操作收音机、饮水、伸手向后、梳妆化妆、与乘客交谈疲劳状态维度疲劳征兆闭眼、打哈欠、点头瞌睡正常参照睁眼兜底类其他覆盖从正常驾驶到分心、疲劳的完整行为谱系为智能驾驶辅助系统提供全面的行为感知基础。3. 大规模的样本量总计约22600张高质量图像样本量充足覆盖不同光照、车型与驾姿。大规模数据为深度学习模型的充分训练提供了坚实基础有效保障模型的收敛性与泛化能力。4. 高质量的细粒度标注所有图像均经过高质量人工精准标注边界框规整、无漏标/错标以驾驶员头部/上半身为目标进行框选标注13类行为判别标准统一清晰对疲劳、分心等细微行为进行专项标注满足高精度细粒度检测模型训练需求有效保证模型训练质量。5. 即用型数据组织标准目录结构多类别配置无需复杂预处理下载即可直接用于模型训练降低使用门槛。配套data.yaml已配置好类别名称与数量一键启动训练。6. 适中的难度设计数据集对疲劳、分心等细微行为区分有一定挑战包含不同光照、姿态与场景变化适合多类别行为检测算法研究与模型调优练习。六、适用场景疲劳驾驶与分心驾驶预警部署于智能座舱监控系统实时检测驾驶员闭眼、打哈欠、点头瞌睡等疲劳状态及分心行为触发分级预警。智能座舱行为识别作为智能座舱系统的核心感知模块全面理解驾驶员行为状态为个性化交互与安全辅助提供决策依据。车联网安全监控在车联网体系中实现驾驶员行为的远程监测与数据分析支撑车队管理与安全运营。驾驶培训与考核辅助在驾驶培训与考核中客观记录驾驶员行为状态辅助教学评估与安全评价。自动驾驶接管准备监测驾驶员状态确保在需要人工接管时驾驶员具备足够的注意力与反应能力。教学科研用于多类别目标检测、行为识别研究等科研场景。七、适用研究方向本数据集可广泛应用于以下研究领域驾驶员行为识别与监测研究13类疲劳驾驶检测研究分心驾驶检测研究多类别目标检测研究智能座舱与车载视觉研究YOLO系列模型优化研究轻量化检测模型与边缘部署研究域适应与跨车型泛化研究时序行为分析与预警研究车联网与智能交通研究八、总结驾驶员行为检测数据集包含约22600张高质量标注图像采用标准YOLO格式构建专注于驾驶员行为状态的检测与识别任务。数据集覆盖安全驾驶、发短信、打电话、操作收音机、饮水、伸手向后、梳妆化妆、与乘客交谈、闭眼、打哈欠、点头瞌睡、睁眼、其他13类核心行为类别具有样本量大、类别精细、场景多样等特点可广泛应用于疲劳驾驶预警、分心行为识别、智能座舱监控、驾驶培训考核等领域是开展驾驶员行为检测算法研发与智能驾驶辅助系统建设的优质数据资源。
驾驶员行为检测数据集 | 22600张YOLO智能驾驶数据集适用于疲劳驾驶预警、分心行为识别与目标检测研究一、数据集概述本数据集面向计算机视觉目标检测任务专为驾驶员行车状态识别模型训练、验证与测试设计共包含约22600张高质量标注图像覆盖13类驾驶员行为状态。该数据集可广泛应用于智能驾驶辅助、疲劳与分心驾驶预警、车联网安全监控等场景适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。随着智能驾驶技术和车联网的快速发展利用计算机视觉技术实现驾驶员行为状态的自动识别已成为提升行车安全、降低交通事故率的重要手段。本数据集针对驾驶员行为检测场景中姿态多样、光照变化复杂、细微行为区分难度大等问题进行专项构建可为智能座舱监控系统与驾驶安全预警设备提供高质量数据支撑。数据集下载通过网盘分享的文件驾驶员行为检测-13类链接: https://pan.baidu.com/s/1834r-SWIKHyjOMi7WuP2Ww?pwd5rr1提取码: 5rr1二、数据集基本信息项目内容数据集名称驾驶员行为检测数据集数据规模约22600张高质量标注图像任务类型目标检测Object Detection检测目标13类驾驶员行为状态类别数量nc13类标注方式Bounding Box目标框标注数据格式YOLO标准格式数据来源真实驾驶场景与模拟采集数据划分Train / Valid / Test适配模型YOLOv5、YOLOv7、YOLOv8、YOLOv10、YOLOv11、YOLOv12、Faster R-CNN等三、数据集类别说明本数据集为多类别细粒度目标检测数据集共设置13个检测类别覆盖驾驶员正常驾驶、分心行为、疲劳状态三大类行为状态类别划分精细贴合智能驾驶辅助实际需求。类别配置nc:13names:-other-safe_driving-texting-talking_phone-operating_radio-drinking-reaching_back-grooming-talking_passenger-eyes_closed-yawning-nodding_drowsy-eyes_open类别详情类别ID类别名称英文名称类别说明0其他other其他未明确分类的驾驶员行为1安全驾驶safe_driving驾驶员正常专注驾驶无明显分心或疲劳2发短信texting驾驶员手持手机发短信/操作手机3打电话talking_phone驾驶员手持手机通话4操作收音机operating_radio驾驶员操作收音机/多媒体设备5饮水drinking驾驶员饮水/进食行为6伸手向后reaching_back驾驶员向后伸手取物7梳妆化妆grooming驾驶员整理仪容/化妆8与乘客交谈talking_passenger驾驶员转头与乘客交谈9闭眼eyes_closed驾驶员眼睛闭合疲劳征兆10打哈欠yawning驾驶员打哈欠疲劳征兆11点头瞌睡nodding_drowsy驾驶员点头打瞌睡重度疲劳12睁眼eyes_open驾驶员眼睛睁开正常状态13类设计从行为类型和疲劳状态两个维度完整覆盖驾驶员行为谱系安全基准安全驾驶基准行为分心行为发短信、打电话、操作收音机、饮水、伸手向后、梳妆化妆、与乘客交谈疲劳状态闭眼、打哈欠、点头瞌睡、睁眼疲劳检测参照兜底类其他类别划分精细对疲劳、分心等细微行为区分有一定挑战适合多类别行为检测算法研究与模型优化。四、数据集结构说明数据集采用标准YOLO目录结构组织已按训练集、验证集、测试集进行科学划分结构清晰便于直接接入主流检测框架。驾驶员行为检测-13类/ ├── train │ ├── images │ └── labels ├── valid │ ├── images │ └── labels ├── test │ ├── images │ └── labels └── data.yaml各数据集作用如下train/images labels训练集图像与标签用于模型参数学习与特征提取valid/images labels验证集图像与标签用于超参数调优、早停监控及防止过拟合test/images labels测试集图像与标签用于最终模型性能评估与泛化能力测试。标注文件为同名.txt格式每行格式为类别索引 x_center y_center width height坐标均为归一化值配套data.yaml已配置好类别名称与数量可直接适配YOLO系列等目标检测框架。五、数据集核心优势1. 聚焦智能座舱驾驶员监控本数据集以驾驶员行为检测为核心任务所有图像聚焦于驾驶座舱视角下的驾驶员行为采集覆盖多种驾驶行为状态。类别设计贴近智能驾驶辅助与安全监控实际需求更利于训练出针对驾驶员行为的高精度识别模型。覆盖场景包括不同车型驾驶座舱不同驾驶时段日间/夜间不同光照条件不同驾驶员个体差异不同驾驶环境能够有效提升模型的实际部署效果。2. 完整的行为与疲劳状态谱系13类标签从行为类型和疲劳状态两个维度形成完整覆盖行为类型维度安全基准安全驾驶分心行为发短信、打电话、操作收音机、饮水、伸手向后、梳妆化妆、与乘客交谈疲劳状态维度疲劳征兆闭眼、打哈欠、点头瞌睡正常参照睁眼兜底类其他覆盖从正常驾驶到分心、疲劳的完整行为谱系为智能驾驶辅助系统提供全面的行为感知基础。3. 大规模的样本量总计约22600张高质量图像样本量充足覆盖不同光照、车型与驾姿。大规模数据为深度学习模型的充分训练提供了坚实基础有效保障模型的收敛性与泛化能力。4. 高质量的细粒度标注所有图像均经过高质量人工精准标注边界框规整、无漏标/错标以驾驶员头部/上半身为目标进行框选标注13类行为判别标准统一清晰对疲劳、分心等细微行为进行专项标注满足高精度细粒度检测模型训练需求有效保证模型训练质量。5. 即用型数据组织标准目录结构多类别配置无需复杂预处理下载即可直接用于模型训练降低使用门槛。配套data.yaml已配置好类别名称与数量一键启动训练。6. 适中的难度设计数据集对疲劳、分心等细微行为区分有一定挑战包含不同光照、姿态与场景变化适合多类别行为检测算法研究与模型调优练习。六、适用场景疲劳驾驶与分心驾驶预警部署于智能座舱监控系统实时检测驾驶员闭眼、打哈欠、点头瞌睡等疲劳状态及分心行为触发分级预警。智能座舱行为识别作为智能座舱系统的核心感知模块全面理解驾驶员行为状态为个性化交互与安全辅助提供决策依据。车联网安全监控在车联网体系中实现驾驶员行为的远程监测与数据分析支撑车队管理与安全运营。驾驶培训与考核辅助在驾驶培训与考核中客观记录驾驶员行为状态辅助教学评估与安全评价。自动驾驶接管准备监测驾驶员状态确保在需要人工接管时驾驶员具备足够的注意力与反应能力。教学科研用于多类别目标检测、行为识别研究等科研场景。七、适用研究方向本数据集可广泛应用于以下研究领域驾驶员行为识别与监测研究13类疲劳驾驶检测研究分心驾驶检测研究多类别目标检测研究智能座舱与车载视觉研究YOLO系列模型优化研究轻量化检测模型与边缘部署研究域适应与跨车型泛化研究时序行为分析与预警研究车联网与智能交通研究八、总结驾驶员行为检测数据集包含约22600张高质量标注图像采用标准YOLO格式构建专注于驾驶员行为状态的检测与识别任务。数据集覆盖安全驾驶、发短信、打电话、操作收音机、饮水、伸手向后、梳妆化妆、与乘客交谈、闭眼、打哈欠、点头瞌睡、睁眼、其他13类核心行为类别具有样本量大、类别精细、场景多样等特点可广泛应用于疲劳驾驶预警、分心行为识别、智能座舱监控、驾驶培训考核等领域是开展驾驶员行为检测算法研发与智能驾驶辅助系统建设的优质数据资源。
