安全驾驶检测系统,为你的回家路保驾护航

之前“重庆公交车坠河”事件引起了全国人民的关注,使得交通安全问题再度成为公众关注的热点话题。小喵也针对交通事故做了调查,结果真是触目惊心。2016年全国交通事故发生总数达到212846起,造成226430人受伤,63093万人死亡,竟然同冰岛的全国人口数相当。在这些冰冷的数据背后,是一条条鲜活的生命,有效保障人民的交通安全,成为所有人的共同愿景。

 

在这些交通事故中,有很大一部分为疲劳驾驶、开车“低头族”造成的。疲劳驾驶状态下,驾驶员闭眼的1秒,事故率陡然升高;“低头族”看一眼微信的2秒内,可能就终结了一个人的生命。国家也出台了相关法规整治酒后驾车与开车“低头族”的问题,但是由此引发的事故仍旧屡见不鲜,提出更加高效的解决办法就显得更加迫切了。

 

科技的进步推动着社会的发展,前些年开始流行的“互联网+”为人们的生活提供了极大的便利,而近年开始成为热点的人工智能又开始同产业结合,改变人们的生活。就安全驾驶的问题而言,驾驶检测系统在AI的大背景下应运而生,改变着每个驾驶员的生命之路。

 

安全驾驶检测系统,是基于对各类交通图片数据的识别,通过深度学习,实现智能的对安全驾驶进行提醒与警告。其功能包括行人碰撞预警、前车碰撞预警、车道偏离预警、疲劳驾驶检测、盲区检测预警、夜视辅助系统等诸多功能,来保证驾驶安全。

 

行人碰撞预警系统(Pedestrian Collision Warning),基于计算机视觉的图像算法,检测行驶车道上静态和动态的行人,提前预警,防止行人碰撞事故的发生。

 

前车碰撞预警系统(Forward Collision Warning),它通过感应和计算在行驶过程中车辆与前车的距离来判断潜在的碰撞风险,并立即发出警示。

 

车道偏离预警(Lane Departure Warning),通过ADAS算法监测车辆在车道中的位置,当车辆压线或者即将压线时向司机发出警告,防止因车道偏离造成的交通事故发生。

 

疲劳驾驶监测(Driver Fatigue Monitor),通过视觉传感器对人的眼睑眼球的几何特征和动作特征、眼睛的凝视角度及其动态变化、头部位置和方向的变化等进行实时检测和测量,对疲劳驾驶行为进行预警。

 

盲区监测预警(Blind Spot Monitor),通过在驾驶者视觉盲区覆盖安装摄像头,帮助驾驶者看清盲区的路况信息,对盲区潜在碰撞进行预警。

 

夜视辅助系统(Night Vision),是一种源自军事用途的汽车驾驶辅助系统。在这个系统的帮助下,驾驶者在夜间或弱光线的驾驶过程中将获得更高的预见能力,能够针对潜在危险向驾驶者提供更加全面准确的信息或发出早期警告。

 

安全驾驶的功能,实现的基础是各类海量的图片数据,诸如各类驾驶员的图片资料、车辆行驶状况图片、车道线识别图片、信号灯图片、行人图片信息都是确保系统正常运转的基础,如果在数据环节出现错误,Uber无人车的车祸便是典型案例。

 

点我科技正是为无人驾驶与安全驾驶系统提供高质量数据服务的专业数据服务商,丰富的数据采集经验,涵盖了无人驾驶所需的全部领域,为安全驾驶系统提供数据基础,从根基层面保障驾驶安全。同时同各个人工智能厂商的合作,积累了丰富的数据经验,获得了广泛的好评。龙猫数据正在成长为数据行业的的领跑者,服务AI产业,筑基智慧生态。

推荐文章

大数据标注开启助残新模式 每年可助300名残疾人就业
当记者走进宁夏回族自治区残疾人网络就业培训基地,30多名残疾人正在导师的辅导下学习产品数据标注。据基地工作人员介绍,残疾人学员正在参加的培训是由京东事业部推出的“京东微工”数据标注项目。  “所谓‘数据标注’,通俗地说,就是‘人脑训练电脑’。”京东集团标注平台机构负责人刘雅告诉记者,由于数据标注具有简易操作、轻劳动力的特点,十分适合残障人士。参加数据标注的残障人士每天只需工作8小时,便可轻松获得100-200元人民币的收入。  据了解,此次开展的“京东微工”数据标注项目是由中国残疾人福利基金会、宁夏残联、宁夏残疾人福利基金会合作开展“集善乐业”残疾人网络就业项目之一,此项目是集互联网教育培训、定向就业为一体的残疾人精准帮扶项目。  宁夏残疾人福利基金会理事长刘继国告诉记者,此项目是以互联网培训、就业为重点,互联网就业为宗旨,带来了“集中+居家”扶贫助残新模式。此项目支持十四种工作内容,主要包括大数据业务的早期清洗、人工智能方向上的支持以及数据采集。  24岁的杨悦因右手和右脚的偏瘫,被鉴定为肢体三级残疾。屡次求职失败后,杨悦心灰意冷。2017年末,杨悦的母亲马桂英偶然得知“集善乐业”残疾人网络就业项目能帮助残疾人解决就业。抱着试一试的心态,马桂英将这个消息告诉了女儿,2018年1月,杨悦顺利通过项目的职业技能培训和考核,并被安排在京东大数据标注业务组就业。现在杨悦不仅能在家里进行工作,还能通过劳动,获得可观收入,心情也开朗了许多!  据中国残疾人福利基金会秘书长助理刘亚衡介绍,目前实测宁夏培训基地日处理相似性数据已达到35000条以上,基地数据标注的质量合格率从项目实施最初的80%上升至94.13%,已达到审核水平。  截至目前,宁夏已有近百名残疾人在京东大数据标注平台上实现网络就业,在平台就业的残疾人最高月收入可达5000元。今年宁夏还将向全区22个县市区推广此次扶贫助残新模式,努力帮助更多残疾人走上工作岗位,体验生命价值。本文来自新华网

热门文章

简单讲:互联网数据标注员是借助电脑或者移动设备对一些原始的数据进行处理,生产出满足AI公司机器学习需要数据的一群人。按照数据处理对象的不同,工作内容也会有差别,标注员的工作内容可以分为:分类;框选;注释;标记。按照所处公司的不同,标注员的工作方式也会有差别:有的人工智能公司处于对数据安全性考虑会自建标注团队,在这些公司工作的标注员可以保证自己工作内容不会出现太大变动;但一些服务于人工智能公司非专业外包公司标注员的工作则是项目制的,一个项目忙完紧接着做另一个项目,这样工作内容连续性较差,对一种类型的项目经验也不会积累的太多。就目前来说,人工智能还处于人工增长阶段,机器依然需要大量的数据进行训练,测试。标注员在当下也会一直存在,而且从业群体会越来越多,所以暂时不用担心这份职业会不会短期消失。就标注员从业来说,建议选择人工智能公司和专业的数据公司,这样可以保证自己在一个方向上了解的足够深入。就职场晋升来说,以牛牛数据为例:标注员——项目经理——项目总监——数据运营总监。首先谈谈什么是数据标注。数据标注有许多类型,如分类、画框、注释、标记等等,我们会在下面详谈。要理解数据标注,得先理解AI其实是部分替代人的认知功能。回想一下我们是如何学习的,例如我们学习认识苹果,那么就需要有人拿着一个苹果到你面前告诉你,这是一个苹果。然后以后你遇到了苹果,你才知道这玩意儿叫做“苹果”。类比机器学习,我们要教他认识一个苹果,你直接给它一张苹果的图片,它是完全不知道这是个啥玩意的。我们得先有苹果的图片,上面标注着“苹果”两个字,然后机器通过学习了大量的图片中的特征,这时候再给机器任意一张苹果的图片,它就能认出来了。这边可以顺带提一下训练集和测试集的概念。训练集和测试集都是标注过的数据,还是以苹果为例子,假设我们有1000张标注着“苹果”的图片,那么我们可以拿900涨作为训练集,100张作为测试集。机器从900张苹果的图片中学习得到一个模型,然后我们将剩下的100张机器没有见过的图片去给它识别,然后我们就能够得到这个模型的准确率了。想想我们上学的时候,考试的内容总是不会和我们平时的作业一样,也只有这样才能测试出学习的真正效果,这样就不难理解为什么要划分一个测试集了。我们知道机器学习分为有监督学习和无监督学习。无监督学习的效果是不可控的,常常是被用来做探索性的实验。而在实际产品应用中,通常使用的是有监督学习。有监督的机器学习就需要有标注的数据来作为先验经验。在进行数据标注之前,我们首先要对数据进行清洗,得到符合我们要求的数据。数据的清洗包括去除无效的数据、整理成规整的格式等等。具体的数据要求可以和算法人员确认。二、常见的几种数据标注类型1.分类标注:分类标注,就是我们常见的打标签。一般是从既定的标签中选择数据对应的标签,是封闭集合。如下图,一张图就可以有很多分类/标签:成人、女、黄种人、长发等。对于文字,可以标注主语、谓语、宾语,名词动词等。<img src="https://pic2.zhimg.com/50/v2-df93dc0a7e8a5fe387dc3774748b5f05_hd.jpg" data-caption="" data-size="normal" data-rawwidth="700" data-rawheight="400" class="origin_image zh-lightbox-thumb" width="700" data-original="https://pic2.zhimg.com/v2-df93dc0a7e8a5fe387dc3774748b5f05_r.jpg">适用:文本、图像、语音、视频应用:脸龄识别,情绪识别,性别识别2.标框标注:机器视觉中的标框标注,很容易理解,就是框选要检测的对象。如人脸识别,首先要先把人脸的位置确定下来。行人识别,如下图。<img src="https://pic2.zhimg.com/50/v2-7824903d6d840e2bb08d96b5c2fa5874_hd.jpg" data-caption="" data-size="normal" data-rawwidth="591" data-rawheight="398" class="origin_image zh-lightbox-thumb" width="591" data-original="https://pic2.zhimg.com/v2-7824903d6d840e2bb08d96b5c2fa5874_r.jpg">适用:图像应用:人脸识别,物品识别3.区域标注:相比于标框标注,区域标注要求更加精确。边缘可以是柔性的。如自动驾驶中的道路识别。<img src="https://pic3.zhimg.com/50/v2-4bc1dd2278182acf94fc426d7e6f2dc1_hd.jpg" data-caption="" data-size="normal" data-rawwidth="601" data-rawheight="377" class="origin_image zh-lightbox-thumb" width="601" data-original="https://pic3.zhimg.com/v2-4bc1dd2278182acf94fc426d7e6f2dc1_r.jpg">适用:图像应用:自动驾驶4.描点标注:一些对于特征要求细致的应用中常常需要描点标注。人脸识别、骨骼识别等。<img src="https://pic4.zhimg.com/50/v2-5e24f394516c75e45942c37ba0da85c0_hd.jpg" data-caption="" data-size="normal" data-rawwidth="583" data-rawheight="387" class="origin_image zh-lightbox-thumb" width="583" data-original="https://pic4.zhimg.com/v2-5e24f394516c75e45942c37ba0da85c0_r.jpg">适用:图像应用:人脸识别、骨骼识别5.其他标注:标注的类型除了上面几种常见,还有很多个性化的。根据不同的需求则需要不同的标注。如自动摘要,就需要标注文章的主要观点,这时候的标注严格上就不属于上面的任何一种了。(或则你把它归为分类也是可以的,只是标注主要观点就没有这么客观的标准,如果是标注苹果估计大多数人标注的结果都差不多。)三、有什么发展前途?数据标注员可以说是AI消灭了一部分工作又创造出来的一种工作。在未来AI发展良好的前提下,数据的缺口一定是巨大的。可以预见3-5年内数据标注员的需求会一直存在。至于发展,其实所谓一些熟能生巧的工作,都是有被替代掉的风险的。深度学习解决的一件事情就是熟能生巧。在这个岗位上,其实你的一些想法就代表了AI的想法,AI会根据你标注的数据进行学习,想想还是有点成就感的。数据标注可以说是AI的入门级岗位,未来可转向其他AI岗位。如项目实施顾问等,这就要求更多的工作技能,需要再工作中积累。作者:跹尘链接:https://www.zhihu.com/question/30654399/answer/264828926来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。