基于机器学习和人类心理学预防自杀的发生内含数据集-含说明书(可运行).zip

# 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。