# 哈克4 原因
异常 检测
我们可以在他们真正开始之前阻止马歇尔吗?
- 我们的建议,是的! 我们可以
# 如何?
1)我们计划整合,机器学习和人类心理学以实现预期的不可能。
2) IP 启用安全箱将作为我们的输入服务。
3) 我们人类是社会人性正确吗? 所以有一定的管道,其中所有我们与他人互动
取决于形势。
# 人类行为:
1)让我们以一个由名人主持的大型派对为例,人们有一定的方式进行互动。
由于这是一个高调的派对,所以肯定会有大量的摄像机在运行。
我们将从相机中获取反馈,并输入一个已经训练好的机器学习程序,该程序将包含:
一般党卫士。
2)如果一个人经历了突然的动作,不要和任何人说话,或者任何不被认为是正常的事情。
该系统将提醒安全官员,以便他们可以保留该特定人员的标记。
• 方案:
1)机器学习过程将受到监督。 正如我们将向模型提供许多党的情况,
这将作为参考模式。
2)我们将使用与安全摄像头阵列连接的OpenCV来为“测试材料”提供反馈。
3)“试验材料”将不断与数以千计的现存情况进行比较;
任何异常都会向安全部门发出警报。 提高警惕性。
# 程序:
1) 我们从编写全身识别和运动跟踪的代码开始。 但开放可用
承认哈卡斯卡德是不够好。
2)因此,我们决定仅使用运动跟踪、面部检测和面部标记进行演示。
3)该程序的目的基本上是检测特定区域的异常情况。
• 洞察力和我们面临的问题:
1)使用我们自己的视频创建数据集是一个理论概念,只有少数人在实践中实现。
这些模型都不向公众开放。
2)我们将以静态图像作为数据集来演示类似的情况,而不是框架数组或操作。
3)截至目前,我们可以根据人们的输入和相机阵列来标记他们,这些摄像头为我们提供了全方位的输入覆盖。
我们应该在任何时候都能看到一个人在做什么。
# 舒适性:
我们的来源 - 来自全国各地/世界的相机和数据。 (现有基础设施)
PROGRM - 在家里开发。
# 核查:
1)除了已经投入资金购买摄像机和监控室。
2)数据集训练方法可以随时间发展。