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?pwd=5rr1
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（nc） | 13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: 13
names:
- 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。
