NCV63-预警平台技术红皮书，关于NC63下预警和后台任务的开发部署等等

基于深度学习的驾驶员分心驾驶行为（疲劳+危险行为）预警系统.zip该项目为人物专注性检测，分为两个检测部分，疲劳检测和分心行为检测。 疲劳检测部分，使用Dlib进行人脸关键点检测，然后通过计算眼睛和嘴巴的开合程度来判断是存在否闭眼或者打哈欠，并使用Perclos模型计算疲劳程度。 分心行为检测部分，使用Yolov5，检测是否存在玩手机、抽烟、喝水这三种行为。 使用方法 依赖：YoloV5、Dlib、PySide2 直接运行main.py，即可使用本程序。 基于深度学习的驾驶员分心驾驶行为（疲劳+危险行为）预警系统.zip该项目为人物专注性检测，分为两个检测部分，疲劳检测和分心行为检测。 疲劳检测部分，使用Dlib进行人脸关键点检测，然后通过计算眼睛和嘴巴的开合程度来判断是存在否闭眼或者打哈欠，并使用Perclos模型计算疲劳程度。 分心行为检测部分，使用Yolov5，检测是否存在玩手机、抽烟、喝水这三种行为。 使用方法 依赖：YoloV5、Dlib、PySide2 直接运行main.py，即可使用本程序。

基于深度学习的网课专注度监测预警系统源码+全部数据.zip通过对用户注意力情况监测，对用户注意力情况进行分析。根据注意力分析结果，可以对用户进行语音提示，并且将注意力分析结果通过led屏幕展示给用户。可以根据用户自身使用需求对各功能进行用户个性化设置。主要通过眼部特征、嘴部特征、头部特征三个主要的特征值来进行注意力集中情况分析。当用户眼部特征呈现出眨眼状态，根据视频中每帧图片检测眼睛长/宽的值是否大于阈值，超过一定次数范围则判断用户处于注意力不集中状态；当用户嘴部特征呈现打哈欠状态，根据张口度与张口时间，若超过阈值一定范围和次数则判断用户处于注意力不集中状态；将用户头部转换为3D模型，当用户呈现出瞌睡点头状态，根据各头部关键点位置变化计算其角度变换大小，若超过一定角度范围则判断用户处于注意力不集中状态。

系统通过火焰传感器采集数据，通过arduino接收火焰预警信号，通过wifi模块把火焰预警信号传回服务器，服务器端通过接口将预警信息发送到手机端APP，手机端APP监测到火焰预警信息立即响铃、震动、亮屏，APP支持持续预警和关闭监听预警。本案例没有借助任何一个第三方的物联网平台，所有程序全部自己搭建，通过这样一个简易的火焰预警系统，把物联网的每一个环节都已打通，形成技术闭环体系，大家如果学会此技术，可以举一反三，做出各种各样的预警系统。

基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系统源码+全部数据.zip基于深度学习的司机危险行为驾驶预警监测系

主要包括：Early-warning signals for critical transitions 、 DNB：Detecting early-warning signals for sudden deterioration of complex diseases by dynamical network biomarkers、Identifying critical transitions and their leading biomolecular networks in complex diseases、Identifying critical transitions of complex diseases based on a single sample、Quantifying critical states of complex diseases using single-sample dynamic network biomarkers、Detection for disease tipping points by landscape dynamic network 等

MATLAB源程序5 基于BP_Adaboost的强分类器设计-公司财务预警建模.zip

基于MATLAB编程的指纹识别（GUI，门禁预警）.zip

地质灾害监测预警管理信息化践行与探讨，地质灾害监测预警管理平台按照地质灾害防治业务 工作的调查、 监测、 预警、 治理、处置等业务流程闭环 管理。利用感知层获取滑坡 体变形量，通过4G无线组网 传至预警中心， 根据预警模 型预判

吉林省永吉县存在大量的斜坡地质灾害，为了给永吉县斜坡地质灾害的防治和预警提供高效直观的分析模型，将吉林省永吉县作为研究区，选取高程、坡度、坡向、剖面曲率、平面曲率、距断层距离、岩性、距河流距离、年均降雨量、地形湿度指数和植被覆盖指数等11 个评价因子，利用神经网络模型进行区域斜坡地质灾害易发性分析，再选用频率比、支持向量机模型进行对比。利用ＲOC曲线对模型的准确性进行验证分析，得出神经网络、频率比和支持向量机模型的成功率分别是91. 3%、89. 3%、90. 2%，预测率分别是87. 3%、84.3%、85. 6%。结果表明: 神经网络模型的精度最高，更适用于永吉县斜坡地质灾害的易发性评价