APP下载

基于联邦学习的司机驾驶状态识别

2021-02-27胡宇翔高琛谭北海

现代计算机 2021年35期
关键词:实验模型

胡宇翔,高琛,谭北海

(1.广东工业大学自动化学院,广州 510006;2.广州蔚驰科技有限公司,广州 511455)

0 引言

随着经济的持续增长,运输需求也在增长,交通行业正在迅速发展。交通行业凭借其独特的优势,帮助实现现代化和提高了人民的生活水平。但随之出现的是频繁发生的交通事故。

随着世界各地的公路数量和汽车数量的急剧增加,交通事故发生的概率也在迅速增加,导致了许多的人员伤亡和经济方面的损失。针对这些问题,需要采取相关有效措施减少交通事故的发生。根据相关数据显示,事故频繁发生的一个很重要的原因是驾驶员在驾驶过程中的疏忽[1]。为了减少交通事故的发生,汽车制造商引进了各种在保证汽车安全方面对生命安全起着重要作用的安全保护设备,随着对汽车安全的重视,汽车安全将不可避免地成为研究领域的热点。近年来,安全辅助驾驶的相关研究工作受到了世界各国的广泛关注。目前,许多厂家致力于对车道偏离警告和保持车辆安全距离两个方向的研究和探索。目前这两个方面的技术有红外探测、雷达探测、超声波探测、激光探测、机器视觉探测等。统计数据显示,如果可以在车祸发生前警告司机危险,许多交通事故就可以减少。因此,通过驾驶辅助系统,获取司机驾驶状态,并在驾驶员不注意时提供预警,是减少交通事故的有效措施。

2017年,谷歌首先引入了联邦学习的概念。从分散的移动设备中训练……

登录APP查看全文

猜你喜欢

实验模型
一半模型
记一次有趣的实验
重尾非线性自回归模型自加权M-估计的渐近分布
做个怪怪长实验
3D打印中的模型分割与打包
NO与NO2相互转化实验的改进
实践十号上的19项实验
FLUKA几何模型到CAD几何模型转换方法初步研究
《实验流体力学》征稿简则
一个相似模型的应用