26年WP自动化 基于YOLOv8算法的危险驾驶行为识别研究13.87-AI78.16-约31895字符-全日制.pdf

WHKJ大学本科毕业设计 I 摘 要 针对疲劳犯困、手持通讯设备等危险驾驶行为是交通事故重要诱因，传统生理采集、车载传感检测方案部署繁琐、环境适应性差，原生 YOLOv8 在车内暗光、面部遮挡场景中，人眼、手部细小目标特征提取能力不足，易产生漏检误检的问题，本文从数据优化与网络改进两方面开展研究。采用 HSV 色域调整、随机翻转、多角度分级旋转联合增强算法扩充原始驾驶数据集，丰富逆光、头部偏转等稀缺场景样本；在 YOLOv8 的 Neck 各 C2f 模块后嵌入 CBAM 注意力模块，依靠通道、空间双重注意力抑制车内无关背景、强化危险目标有效特征。实验在...