基于深度学习的驾驶检测预警系统 道路交通事故每年都给人民的生命财产带来巨大损失,根据事故调查显示,86%的交通事故是由驾驶人员的驾驶行为不当造成。 驾驶行为识别预警控制系统基于深度学习、车联网技术,通过传感设备收集驾驶者面部表情、驾驶姿态、语音信息,并借助5G技术支撑的车辆网系统将这些样本上传至云端,利用深度学习技术评估驾驶者当前是否存在潜在的危险驾驶行为,并给以适当提示或采取强制措施,能有效降低因驾驶者自身原因带来的交通事故,同时结合云计算技术进一步降低人工智能对于硬件设备的限制。 当一种风险驾驶行为被识别后,该系统将会立即发出警报,提醒驾驶员纠正驾驶行为,避免交通事故的发生。为了进一步降低硬件要求并达到识别系统越来越智能,搭建云端服务系统,实时地传输驾驶数据进入云端进行强化学习,以解决危险驾驶行为的个性化与普遍性的矛盾。 说明 1.如果你有时间,可以查看Word----“技术文档
2022-04-30 08:50:49 21.75MB Python
1
opencv_目标检测_Opencv基于VC++开发的视频入侵检测预警程序_VC++_视频入侵检测_入侵报警
2022-04-29 09:10:23 39.63MB 视频入侵检测预 VC++ 入侵报警 opencv
安全技术-网络信息-泥石流临灾预警无线传感器网络节能问题的研究与应用.pdf
2022-04-29 09:01:17 2.42MB 安全 网络 文档资料
滑坡是由岩石、土体或碎屑堆积物构成的山坡体在重力的作用下,受到地 表水和地下水或地震等的影响,沿软弱面(滑动面)发生整体向下滑落的过程。 滑坡灾害可毁灭村镇、破坏交通,造成财产损失和人员伤亡,滑坡引发的次生 灾害还会阻塞河道、引发洪水,甚至诱发形成泥石流灾害,造成更严重损失。 我国山地环境广泛,尤其在西南地区,山地是主要的地貌形态,地质环境条件 和水文气候条件复杂多变,是我国滑坡灾害最严重的地区,频繁发生的滑坡使 得人们的生命和财产安全受到了极大的威胁。 滑坡易发性区划是通过分析影响滑坡的内在因素和外在因素,评价潜在滑 坡灾害的地理空间分布,为城市建设规划和滑坡灾害防治提供决策支持。我国 的大部分滑坡是由降雨直接诱发或与降雨有关,降雨诱发滑坡的预报预警能够 使有关部门及早制定防治措施,减少滑坡灾害的损失。 本文以典型的西部山区县域一一重庆市奉节县为研究区域,开展基于机器 学习的滑坡易发性区划与降雨诱发滑坡预报预警研究,具体研究内容和研究成 果如下: (1)采集并处理了研究区2001~2016年发生的1520个滑坡数据以及地质 构造、地形地貌、降雨、人类活动等数据,分析了研究区滑坡灾害的
2022-04-27 16:05:40 16.17MB 机器学习 人工智能
基于信息化的风险预警平台构建与应用
2022-04-27 09:10:32 570KB 文档资料
IoT_FloodMonitoring NodeJS + NodeMCU ESP8266洪水预警系统
2022-04-22 21:01:09 5.84MB HTML
1
Opencv基于VC++开发的视频入侵检测预警程序.rar
2022-04-21 14:05:30 37.21MB Opencv VC++
人工智能-项目实践-创新大赛-基于python的用户贷款风险预测 融360与平台上的金融机构合作,提供了近7万贷款用户的基本身份信息、消费行为、银行还款等数据信息,需要参赛者以此建立准确的风险控制模型,来预测用户是否会逾期还款。 ##解决方案概述## 本题很多关键属性被脱敏处理,比如时间戳和所有金额的值,这个对我们进行特征构造带来很多的影响,损失了很多业务信息。不过对于参赛者都是公平的,因而我们构造了大量的统计特征,根据模型及线上反馈最佳特征大多来自用户浏览行为browse_history和bill_detail,此外发现放款时间也是个强力特征,详细见代码部分。这里只放了我个人的代码,队友的特征工程很多类似的,也有一些独特之处,这里说几个思路:bill_detail表的特征按放款时间分为放款前放款后分别统计(还可以尝试多划分几个时间窗再统计)、基于熵的分箱处理(特征离散化,熊掌整理了思路见:最优分箱.docx)、排序特征、组合特征等,有兴趣可以自己去实现。模型方面,我本人主要玩了xgboost和lightgbm,队友也基本上是xgboost、RandomForest,在玩Stack
2022-04-21 13:05:22 19.06MB 人工智能 python 贷款风险预测 风险预警
Opencv基于VC++开发的视频入侵检测预警程序 Opencv基于VC++开发的视频入侵检测预警程序
2022-04-19 19:07:59 37.2MB Opencv基于VC++开发的视
摘要:本发明公开了一种基于人工智能决策树的GPS遥感洪水预测方法,包括如下步骤:S1、读取GPS卫星原始观测值;S2、原始观测值的预处理;S3、采用历元间的伪距差、载波相位差和历元时间间隔的信息生成洪水探测量,所述洪水探测量包括第一探测量和第二探测量;S4、采用基于人工智能决策树算法建立分卫星分频率的洪水探测模型;S5、联合GPS双频信号的第一探测量和第二探测量对洪水进行探测,并根据探测阈值将结果进行标记;S6、根据探测结果进行洪水预警或对洪水探测模型更新迭代。采用基于人工智能决策树算法建立高精度的洪水探测模型,深度挖掘探测量和其它辅助特征参数之间的相关性,降低误探率,保证洪水探测的精准度和稳定性。
2022-04-19 17:05:32 1.09MB 人工智能 算法 决策树 机器学习