企业官网建设流程全解析

简介：基于卷积神经网络CNN的疲劳驾驶识别检测系统完整毕业设计项目，主要面向计算机相关专业学生、正在进行毕业设计或课程设计的开发者，也适合需要实战CNN目标检测与图像分类的学习者。项目以驾驶员疲劳状态为检测目标，涵盖数据准备、模型训练、评估及实时摄像头检测全流程，可帮助理解深度学习在安全驾驶场景中的落地方式。资源包共37个文件，包括16个Python源码、9个编译后的pyc文件、3个模型权重文件、5张测试图片、2个文本说明及数据集压缩包，整体大小约500MB。源码覆盖配置、数据增强、损失函数、SSD网络结构、检测与视频检测等模块，预训练权重和数据集可直接用于迁移学习与复现实验。压缩包目录结构清晰，便于按功能模块检索。资源已经过导师指导并认可，评审分98分，适合作为高起点毕设参考或实战练习项目。目前已有128人学习使用，可作为项目完成度与实用性的参考。

1. 疲劳驾驶识别检测的课题拆解：先定边界再谈CNN

拿到这个毕设标题，第一步不是打开PyCharm敲代码，而是想清楚“疲劳驾驶识别检测”到底要检测什么。市面上70%的同类课题都把这它做成一个图像二分类问题，输入一张人脸的RGB图像，输出“正常”或“疲劳”，这个方向足够完成毕设，也方便在答辩时讲清楚。涉及CNN的原因也很直接：模型需要从眼睛闭合程度、嘴巴开合状态、头部姿态这些视觉特征里自动提取模式，传统方法靠人手工设计特征（例如EAR眼纵横比、嘴巴开合比），在光照变化和遮挡面前非常脆弱。CNN方案以数据驱动的方式替代手工特征，把“特征工程”变成了“网络结构设计”，这也是本课题最有讲解价值的地方。

我接下来不会给你一份假装存在的工程包逐一注解，而是把完整的实现路径拆成三块：如何准备与增强数据集、如何用PyTorch把CNN训练跑通、如何把模型从离线文件变成能对着摄像头实时出结果的检测系统。路径走完，你手里会是一个结构清楚、答辩能讲、代码能跑的高分毕设骨架。

2. CNN在疲劳识别里的模型选型与数据集组织

2.1 二分类还是三分类：先看摄像头能拍到什么

疲劳驾驶检测在算法层面通常有三种粒度：粗粒度只有“正常/疲劳”两个状态；中粒度把疲劳拆成“正常/打哈欠/闭眼”；细粒度直接输出PERCLOS（单位时间内眼睛闭合时间占比）等连续指标。我的建议是毕设做二分类或三分类，不要碰PERCLOS回归。

原因很实际：疲劳是一个过程状态，而“打哈欠”和“闭眼”是疲劳的两个强表征。如果做二分类，你只需要一个神经元的输出；如果做三分类，网络在特征层会更早地分离出“嘴部形态”和“眼部形态”，这会让模型的中间特征有可解释性，答辩时你可以把特征图拿出来当素材。但三分类要求数据集必须包含打哈欠和闭眼的独立标注，很多公开数据集的标注质量不足以支撑这个粒度，所以更稳妥的组合是：模型输出二分类，但损失函数基于两个语义通道的预测结果做融合。

2.1.1 主流的两个公开数据集怎么选

公开层面最常用的是NTHU Drowsy Driver Detection Dataset和YawDD（Yawning Detection Dataset），两者都提供视频片段而非单张图片，你需要自己抽帧。NTHU包含不同人种、戴眼镜/不戴眼镜、不同光照场景，样本量对于二分类足够；YawDD更偏嘴巴状态，打哈欠样本非常充足，但闭眼样本偏弱。我一般会把两个数据集的抽帧结果合并使用，而不是死磕某一个。

还有一个可行路线是自采数据：找同学对着摄像头录3到5分钟视频，每人分别录“正常说话”“低头闭眼”“张嘴打哈欠”三个动作，然后每3到5帧抽一帧保存。这样得到的自采集样本虽然数量少，但场景和答辩现场演示时的环境最接近，实测时不容易翻车。合并策略建议是公开数据7成、自采数据3成，避免模型在公开测试集上过拟合。

2.1.2 数据增强的边界条件

疲劳识别场景里，数据增强的策略要克制，不能像ImageNet分类那样激进。随机水平翻转是最安全的；随机亮度扰动放在光照差异大的时候有效；随机旋转只放±10度，再大会把眼睛和嘴巴的相对位置关系破坏掉。最不要用的是随机擦除和重度色彩抖动，前者会直接把眼睛区域擦掉，后者会让肤色失真是常见误用。增强的幅度原则上要保证人类肉眼仍然能够分辨出这个人的“清醒”还是“疲劳”，如果增强后连人都看不出状态，网络学到的一定是伪特征。

2.2 网络结构怎么定：ResNet18与MobileNetV2的取舍

CNN结构图是这个方向检索最多的内容，但对毕设来说，重点不是自己画一个新结构，而是懂得在成熟结构里选一个并讲清理由。基线我推荐ResNet18：它只有11M参数左右，在GPU上训练一轮很快，且残差连接的设计能让梯度顺畅回传，容错率高。MobileNetV2参数更少、推理更快，但精度在公开数据集上比ResNet18略低，适合放在“后期优化”章节里讲。

下表是我习惯使用的选型判断依据，你可以直接写进毕业设计的系统设计章节：

2.2.1 输入尺寸的决定：64x64为何够用

疲劳识别不是细粒度分类，不需要像人脸识别那样保留高分辨率纹理。把输入分辨率定为64x64是一个在特征充分性与计算量之间比较平衡的选择。理由有两点：第一，闭眼和打哈欠都是大尺度动作，眼睛区域哪怕只有12x12像素也足够卷积核捕捉到眼睑缝隙；第二，分辨率降下来之后，整个训练集可以整体放进显存，训练迭代速度显著加快，这对毕设周期是重要的。如果你用ResNet18的默认适配尺寸224x224，训练时间会变为4倍以上，收益几乎看不出来。

2.2.2 为什么不直接上YOLO做检测

YOLO系模型在做的是目标检测，输出的是框坐标加类别；本课题如果先做人脸检测再做人脸分类，那检测部分可以复用OpenCV自带的人脸级联器或者MTCNN，而不需要端到端训练检测模型。上来就调到YOLOv5训练自己的数据集，意味着你要额外准备几千张带框标注的人脸数据，这些标注工作量和论文创新点不匹配。常见的一线做法是：检测用OpenCV的Haar Cascade或DNN模块，分类用自己训练的小CNN，检测和分类解耦，这样每一块的错误定位都容易排查。

2.3 目录结构与数据划分的工程化约定

训练之前先把数据目录按ImageFolder格式组织好，这是PyTorch的默认数据组织方式，避免后面为数据加载写额外的解析逻辑：

dataset/ ├── train/ │ ├── normal/ # 正常状态图片 │ └── fatigue/ # 疲劳状态图片 ├── val/ │ ├── normal/ │ └── fatigue/ └── test/ ├── normal/ └── fatigue/

验证集必须保证里面的人与训练集的人不重复。疲劳识别领域存在一个知名陷阱：模型记忆的是“张某的眼睛特征”而不是“闭合状态”，跨人验证时准确率会从95%跌到70%。所以划分数据集时，先按身份分组，再用sklearn.model_selection.GroupShuffleSplit进行划分，这是一个加分项，答辩时主动说出来会让老师觉得你懂评估方法。

3. 用PyTorch在本地把CNN训练全流程跑通

3.1 搭建数据管线：从文件夹到Tensor

确认安装好PyTorch、TorchVision、OpenCV、Matplotlib后，第一步是把数据管线写出来。下面这段代码是训练的起点，它从目录读图，做预处理和数据增强，并生成供模型训练用的batch。

import torch from torchvision import datasets, transforms from torch.utils.data import DataLoader # 训练集：数据增强策略持克制，翻转+小角度旋转+亮度扰动 train_transform = transforms.Compose([ transforms.Resize((72, 72)), # 先稍放大，再随机裁剪回64x64，有轻微平移增强效果 transforms.RandomCrop(64), transforms.RandomHorizontalFlip(p=0.5), transforms.ColorJitter(brightness=0.15, contrast=0.15), # 不要动色相和饱和度 transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ]) # 验证集：只做Resize与Normalize，不做任何随机增强 val_transform = transforms.Compose([ transforms.Resize((64, 64)), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ]) train_dataset = datasets.ImageFolder(root='dataset/train', transform=train_transform) train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True, num_workers=4, pin_memory=True) val_dataset = datasets.ImageFolder(root='dataset/val', transform=val_transform) val_loader = DataLoader(val_dataset, batch_size=32, shuffle=False)

关于参数选择：RandomCrop(64)前先把图片Resize到72，相当于在缩放图上随机取64x64的区域，这会带来最大约12%的平移扰动，对人脸轻微偏出画面中心的情况有正面作用。num_workers按本机CPU核心数设置，Windows上建议设为0或2，设太大可能出现重复数据加载的警告。该数据管线的错误排查重点是查看ImageFolder是否按字母顺序将两个类索引为0和1，打印train_dataset.classes确认即可。

3.2 搭建网络与训练循环：用主干替换最后一层

基于TorchVision加载预训练ResNet18（需联网下载权重），把最后的全连接层改为二分类输出。这里有一个很多教程不会提的点：训练时要把stem层和block层冻结还是解冻。完整项目里摘掉人脸的案例经验是解冻所有层效果更好，因为ImageNet预训练特征是面向通用物体的，而闭眼睁眼是细粒度纹理差异，低层特征也需要针对性微调。所以这里不冻结任何层，只是把学习率设低，初始阶段就能看到相对稳定的收敛。

import torch.nn as nn import torch.optim as optim from torchvision import models # 加载在ImageNet上预训练的ResNet18 model = models.resnet18(weights=models.ResNet18_Weights.IMAGENET1K_V1) # 将最后的全连接层替换为适合二分类的结构 num_features = model.fc.in_features model.fc = nn.Sequential( nn.Dropout(0.3), nn.Linear(num_features, 2) ) model = model.cuda() criterion = nn.CrossEntropyLoss() # 学习率1e-4，配合余弦退火调度器，pytorch官方实现里这种配比在小数据集上最稳 optimizer = optim.Adam(model.parameters(), lr=1e-4, weight_decay=1e-4) scheduler = optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=20)

这里有两个关键设计点。Dropout(0.3)加在全连接层前，能缓解小数据集上的过拟合，但不能设太高，0.5以上在特征已经比较稀疏时反而会让训练不充分。weight_decay=1e-4是L2正则，它配合Dropout共同控制模型容量。如果答辩时被问“为什么过拟合”，你会说出这两层正则的设计逻辑就已经合格。

训练主循环的写法要能把每个epoch的loss和val_acc记录到列表里，方便后面画曲线。额外建议是每个epoch结束时用当前模型跑一遍验证集，但也别每轮都打印全部指标，只保留loss和top1准确率足够。保存模型时有两个文件要保留：best_model.pth（按验证集准确率保存的最优权重）和last_model.pth（最终轮权重），前者用于测试与部署。

best_acc = 0.0 for epoch in range(20): model.train() running_loss = 0.0 for inputs, labels in train_loader: inputs, labels = inputs.cuda(), labels.cuda() optimizer.zero_grad() outputs = model(inputs) loss = criterion(outputs, labels) loss.backward() optimizer.step() running_loss += loss.item() * inputs.size(0) model.eval() correct = 0 total = 0 with torch.no_grad(): for inputs, labels in val_loader: inputs, labels = inputs.cuda(), labels.cuda() outputs = model(inputs) _, predicted = torch.max(outputs, 1) total += labels.size(0) correct += (predicted == labels).sum().item() val_acc = correct / total if val_acc > best_acc: best_acc = val_acc torch.save(model.state_dict(), 'best_model.pth') print(f'Epoch {epoch+1}: loss {running_loss/len(train_loader.dataset):.4f}, ' f'val acc {val_acc:.4f}')

训练中要盯住两个信号：训练loss下降但验证acc徘徊在50%附近，说明出现严重过拟合，应降低参数量或增大增强强度；训练loss和验证acc一起不动，说明学习率过低或者损失没有下降，可以用torch.autograd检查一下梯度是否非零——Optimizer.param_groups[0][‘lr’]是排查学习率时的第一检索对象。

3.3 训练时四个必调的参数与效果差异

这些参数不要在论文里给出唯一值，要呈现调参变化的对比表，这是毕设加分项：

毕设场景里，我只建议你跑三组基线：batch_size 32 + lr 1e-4、batch_size 32 + lr 3e-4、batch_size 16 + lr 1e-4。其他组合不做实验，把时间留给后面的实时检测和界面。训练完成后输出loss曲线图和验证集准确率曲线图，这两张图在毕业论文里必须出现，它们是你训练过程可靠性的直接证据。

4. 从离线权重到摄像头实时检测的工程接线

4.1 人脸检测与关键区域裁剪的顺序

模型输出的输入尺寸是64x64的整张人脸，但实时视频流拿到的是一整帧1920x1080图像，中间必须有人脸检测环节。常见做法是先用OpenCV的Haar级联检测人脸框，再把人脸框区域裁剪出来缩放到64x64，送入CNN推理。Haar在正面人脸条件下速度很快，CPU上单帧检测约5ms，足以满足演示需求；缺点是侧脸和低头时可能漏检，所以演示时要略微正面对摄像头，属于物理层面的限定条件。

import cv2 import torch import numpy as np # 读取训练时保存的最优权重 model = models.resnet18(weights=None) model.fc = nn.Sequential(nn.Dropout(0.3), nn.Linear(model.fc.in_features, 2)) model.load_state_dict(torch.load('best_model.pth', map_location='cpu')) model.eval() face_cascade = cv2.CascadeClassifier( cv2.data.haarcascades + 'haarcascade_frontalface_default.xml' )

加载时有一个容易踩的坑：因best_model.pth里保存的是state_dict，必须在构建相同网络结构后才能load_state_dict。如果不小心加载了完整模型，用torch.load直接得到的会是dict而非module。这段代码里map_location=‘cpu’保证了没有GPU的答辩机器上也能加载，实际部署时多用CPU只这一处设置就够。

4.2 帧级推理阈值与平滑策略：别让单帧抖动毁掉演示

神经网络对单帧图像的输出是一个二分类概率，在连续视频流中直接按“概率大于0.5即报警”会频繁出现误报，原因有三类：眨眼是正常生理动作、人脸检测框抖动导致输入变化、遮挡导致置信度降低。这里需要做时间维度的平滑，常见做法是维护一个有长度限制的队列，连续N帧都判定为疲劳后，再触发报警。N的取值一般为5到10，帧率25fps时0.2-0.4秒才能触发报警，既不会漏掉打哈欠这种持续动作，也不会被单独一帧眨眼误触发，这个参数要在论文实验里给出对比。

from collections import deque # 报警判定队列，连续6帧疲劳才触发报警 decision_buffer = deque(maxlen=6) alert_threshold = 0.75 def predict_frame(frame): faces = face_cascade.detectMultiScale( frame, scaleFactor=1.1, minNeighbors=5, minSize=(48, 48) ) for (x, y, w, h) in faces: # 裁剪人脸后保持宽高比向正方形填充，避免面部拉伸变形 face_roi = frame[y:y+h, x:x+w] face_resized = cv2.resize(face_roi, (64, 64)) face_rgb = cv2.cvtColor(face_resized, cv2.COLOR_BGR2RGB) face_tensor = torch.from_numpy(face_rgb).permute(2, 0, 1).float() / 255.0 face_tensor = (face_tensor - torch.tensor([0.485, 0.456, 0.406]).view(3,1,1)) / \ torch.tensor([0.229, 0.224, 0.225]).view(3,1,1) face_tensor = face_tensor.unsqueeze(0) with torch.no_grad(): logits = model(face_tensor) prob = torch.softmax(logits, dim=1)[0, 1].item() # 类别1是疲劳 decision_buffer.append(prob > alert_threshold) if sum(decision_buffer) == decision_buffer.maxlen: cv2.putText(frame, "FATIGUE ALERT", (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 0, 255), 2) return frame

scaleFactor=1.1表示检测窗口每次缩放10%，该值越小检测越慢但越准，演示环境建议保持1.1。minNeighbors=5控制误检与漏检平衡，设为5能滤掉大部分非人脸区域，再调高会开始漏检戴眼镜的人。整段代码的处理流程是：先检测全部人脸，再对每张人脸裁剪、缩放、变化到与训练一致的均值和方差，最后取类别1的概率与阈值比较。注意decision_buffer的判空不要用len(decision_buffer)==6这种硬编码，要按maxlen动态取，避免后面对阈值做实验时改错。

4.3 离线评估：用精确率、召回率而不是准确率说明效果

疲劳识别正负样本通常不平衡，视频流中疲劳状态占比低，准确率会被绝大多数正常帧拉高到无意义水平。离线评估时，统计指标要同时打印三个值。精确率关心报警中有多少是真的疲劳，召回率关心真实疲劳被抓住的比例，F1是两者的调和平均。在模型评测代码中，用sklearn.metrics.classification_report和confusion_matrix即可拿到完整结果：将test目录下的所有图片跑一遍预测，收集预测标签和真实标签后直接打印。

训练集与验证集的准确率差异要控制在5个百分点以内，如果差距大于10，说明模型存在过拟合，必须先回去调数据增强和Dropout。接近毕业设计收尾时，所有实验跑完，把最终模型在test集上的结果、实时演示的of/video片段、三个状态（正常/眨眼/打哈欠）的样例帧截图整理到一起，这是写论文实验章的核心材料。

5. 把毕设从“能跑”做到“能答辩”的4个验收技巧

检测系统能跑只是及格线，下面四个技巧是毕业设计答辩前要补上的，每一处都不需要增加训练量，只需在已有结果上加工。

1. 画对系统结构图的粒度。系统结构图不要画成数据流加模块框的流水账，建议画三层：数据层放数据集采集与标注，算法层放人脸检测、CNN分类、时序平滑，应用层放报警与界面。CNN部分在图中单独标注“ResNet18骨干+全连接分类头”，老师一眼能看出你的技术选型是清晰的。架构图建议用Visio或draw.io画，不要直接贴代码注释截图。

2. 做一个单类别消融实验。训练两个模型，一个输入整脸，另一个只输入眼睛与嘴巴的区域裁剪图，对比在测试集上的差异。这个实验成本不高，但能证明你理解“疲劳线索集中在眼部和嘴部”这一领域知识，是拉开分数差距、展示分析能力的常用手法。实验结果可以做成柱状图，配上错误样本的可视化说明。

3. 用类激活图验证模型到底在看哪里。常见实现是Grad-CAM，它能够生成热力图可视化模型的注意力区域。如果疲劳样本的热力图主要集中在眼睛或嘴巴周围，说明模型学到了正确的语义特征；如果热力集中在背景或脸颊部位，说明模型学到了肤色或光照等伪特征，必须回去检查数据。这一张图放在论文里直观且专业。

4. 报一次误报率并解释原因。把所有测试视频按帧标注疲劳与正常，统计系统报警的正确次数和错误次数，计算误报率。误报率在5%以内是较好的结果，超过10%则优先调整平滑队列长度，而不是调分类阈值。这里建议画一条阈值从0.6到0.9的误报率曲线，看清阈值漂移的影响。

到最后几天，把训练命令、测试命令、演示命令分别整理成三个README片段，保证在无网络的教室里也能按步骤把demo跑起来，这比任何花哨功能都更能让你在答辩现场稳住局面。

本文还有配套的精品资源，点击获取