FriendInNeed APK

Kami menggunakan algoritma ML unik dengan data sensor untuk memutuskan apakah jatuh terjadi.
Aplikasi mengumpulkan sensor (accelerometer dan giroskop) data dan memeriksa apakah akselerasi mencapai ambang kejatuhan. Maka aplikasi mempersiapkan data sensor selama dua detik terakhir (durasi max jatuh) dan mengirimkan permintaan ke backend. Pada dia backend kami memiliki layanan python Flask dengan TensorFlow untuk Machine Learning. Saat ini kami menggunakan Jauh Neural Network Classifier yang memberi kami akurasi sekitar 80%. Jadi sisi backend dapat memutuskan dengan cara yang lebih tepat dan akurat jika orang benar-benar jatuh ke tanah dan membutuhkan bantuan. Aplikasi mendapat respon dan sekarang tahu itu harus memberitahukan daftar teman yang telah ditetapkan dan dipilih oleh pesan alarm yang berisi koordinat GPS dan memanggil bantuan. Kami juga memiliki beberapa periode tidak aktif, setelah aplikasi mendapat respon dari server dan sebelum benar-benar mengirimkan pesan alarm - itu memberitahukan pengguna jatuh terdeteksi dan menunjukkan waktu counter yang bisa dibatalkan tombol atau langkah penting dengan. Dalam kedua kasus kami juga mengirim ulang data sensor ke server tapi kali ini dalam format label (karena pengguna menandai sebagai false positive dalam kasus dia membatalkan penghitung waktu mundur) - dan dengan cara ini kita mengumpulkan data untuk melatih jaringan setiap hari.