车祸事故项目 道路交叉口经常发生交通事故。 一个能够在发生事故时发出警告的系统是对事故做出快速响应的必要条件。 我们的项目能够检测到尤其在道路交叉口发生的“ T”形事故。 在项目中，通过查看被检测对象的坐标相交来进行事故检测。 Darknet YOLO V3用于事故检测。 通过查看汽车，摩托车，自行车和公共汽车的坐标来进行事故检测。 该算法在白天碰撞视频期间在单车道道路上的“ T”形碰撞中正常工作。 该项目是在Ubuntu 18.04操作系统上开发的。 在您自己的计算机上运行项目 在计算机上安装 。 将将Darknet构建后创建的“ darknet.so”文件粘贴到项目目录中，并将文件名更改为“ libdarknet.so”。 创建虚拟环境（Python 3.6） 上传所需的库可在requirements.txt 。 在项目目录中时， pip install -r requirem

最近的研究预测，到2030年，交通事故将成为全球第五大死因。 由于驾驶员的精神状态、道路状况、天气状况、交通和违反交通规则等特征的复杂组合，如今很难确定交通事故的根本原因。 交通事故造成的死亡和驾驶员伤害的成本对社会产生了很大的影响。 如今，机器学习技术在道路事故领域的应用越来越受欢迎。 机器学习分类器的部署取代了传统的数据挖掘技术，以产生更高的结果和准确性。 这项工作对使用机器学习领域的与事故预测相关的各种现有工作进行了调查。

3D交通事故 用ThreeJs模拟交通事故 问题 如果浏览器下载文件而不是打开文件，则需要清除Cookie数据

TensorFlow对象检测API 创建能够在单个图像中定位和识别多个对象的准确的机器学习模型仍然是计算机视觉中的核心挑战。 TensorFlow对象检测API是一个基于TensorFlow的开源框架，可轻松构建，训练和部署对象检测模型。 在Google，我们当然已经发现此代码库可满足我们的计算机视觉需求，并且希望您也能这样做。 欢迎对代码库做出贡献，如果您觉得此API有用，我们很乐意听取您的意见。 最后，如果您将TensorFlow对象检测API用于研究出版物，请考虑引用以下内容： "Speed/accuracy trade-offs for modern convolutional object detectors." Huang J, Rathod V, Sun C, Zhu M, Korattikara A, Fathi A, Fischer I, Wojna Z, Son

此数据集已从维基百科收集。此数据集包含火车事故数据 file/opensearch/documents/92839/train-accident.csv