Hệ Thống Phát Hiện Buồn Ngủ

Hệ thống phát hiện buồn ngủ real-time sử dụng YOLOv8 và Deep Learning.

📖 Tổng Quan

Mục Tiêu

Phát hiện sớm dấu hiệu buồn ngủ để cảnh báo kịp thời, giảm thiểu tai nạn giao thông và tai nạn lao động.

Ứng Dụng

• 🚗 Cảnh báo tài xế khi lái xe
• 🏭 Giám sát công nhân vận hành máy móc
• 🚛 Theo dõi tài xế đường dài

---

🎯 Phương Án Kỹ Thuật

Kiến Trúc Hệ Thống

Camera → Preprocessing → YOLOv8 Model → Detection → Alert/Display

Model: YOLOv8m

Thông số:

• Parameters: 25.8M
• Model Size: 50MB
• Input: 640x640x3
• Output: Bounding boxes + Classes (awake/drowsy)

Tại sao chọn YOLO:

• Real-time: 30-60 FPS (GPU)
• Độ chính xác cao: 94.27% mAP
• Single-stage: Nhanh và hiệu quả
• Dễ deploy

Dataset

• Tổng số: 3,050 ảnh
  • Training: 2,439 ảnh (80%)
  • Test: 611 ảnh (20%)
• Classes: 2 classes (awake, drowsy)
• Format: YOLO format (txt)

Training

Hyperparameters:

epochs = 20
batch_size = 32
image_size = 640
optimizer = 'AdamW'
learning_rate = 0.001

Data Augmentation:

• Rotation: ±10°
• Translation: ±10%
• Scaling: ±20%
• Horizontal flip: 50%

Per-class:

• Awake: 89.0% mAP50, 80.4% mAP50-95
• Drowsy: 93.3% mAP50, 85.1% mAP50-95

Performance

Device	FPS	Time/Frame
GPU (RTX 3060)	42 FPS	24ms
CPU (i7)	8 FPS	125ms

---

🏗️ Cấu Trúc Dự Án

Drowsiness-Detection/
├── config.py              # Cấu hình tập trung
├── Detect/                # Detection scripts
│   ├── dtrt.py           # Real-time webcam
│   ├── detect_video.py   # Video processing
│   └── img_detect.py     # Batch images
├── Scripts/               # Utilities
├── data/                  # Dataset (images + labels)
├── runs/                  # Training results
└── main.ipynb            # Training notebook

---

🔧 Tính Năng Chính

Đã Hoàn Thành ✅

• Real-time detection qua webcam
• Video file processing
• Batch image processing
• CUDA/CPU auto-detection
• Configuration management
• Error handling
• FPS counter và statistics

Sắp Tới 🚧

• Alert âm thanh khi drowsy
• Tracking thời gian buồn ngủ
• Statistics dashboard
• Multi-face detection
• Web interface

---

📊 So Sánh Phương Pháp

Phương pháp	Độ chính xác	Tốc độ	Robust
Eye Aspect Ratio	70-80%	Rất nhanh	Thấp
Facial Landmarks	75-85%	Trung bình	Trung bình
CNN Classification	85-90%	Chậm	Cao
YOLO (Ours)	94%+	Nhanh	Cao

---

💻 Yêu Cầu Hệ Thống

Minimum

• Python 3.8+
• 4GB RAM
• Webcam
• CPU: Intel i5+

Recommended

• Python 3.12
• 8GB RAM
• GPU: NVIDIA GTX 1660+ (6GB VRAM)
• Webcam 1080p

Dependencies

torch==2.3.0
torchvision==0.18.0
ultralytics>=8.3.0
opencv-python==4.10.0.84
numpy>=1.26.0

---

📚 Tài Liệu

• HUONG_DAN_SU_DUNG.md - Hướng dẫn chi tiết cách chạy
• QUICKSTART.md - Quick start 5 phút
• DOCS.md - Giải thích các files

📘 Xem hướng dẫn sử dụng: HUONG_DAN_SU_DUNG.md