FriendInNeed APK

Usiamo algoritmo unico ML con i dati dei sensori per decidere se la caduta accadere.
Applicazione raccoglie sensori (accelerometro e giroscopio) di dati e controlli se l'accelerazione raggiunta soglia di caduta. Poi applicazione preparare i dati dei sensori per ultimi due secondi (durata massima di caduta) e invia la richiesta al backend. Su lui backend abbiamo servizio di pitone Flask con TensorFlow per l'apprendimento automatico. Attualmente usiamo profonda Neural Network Classificatore che ci dà la precisione di circa 80%. Quindi il lato back-end può decidere in modo più preciso e accurato se la persona in realtà è caduto a terra e ha bisogno di aiuto. Applicazione ottiene risposta e ora sa che dovrebbe informare lista di amici predefiniti e scelti dal messaggio di allarme contenente le coordinate GPS e chiamare aiuto. Abbiamo anche un certo periodo di inattività, dopo l'applicazione ha ottenuto risposta dal server e prima che in realtà invia messaggi di allarme - si avverte caduta utente rilevato e dimostra contatore del timer che potrebbe essere annullato con pulsante o qualsiasi mossa significativa. In entrambi i casi abbiamo anche riconsegniamo dati del sensore al server, ma questa volta in formato etichetta (perché l'utente lo contrassegna come falso positivo nel caso in cui si annulla conto alla rovescia) - e in questo modo vengono raccolti i dati di riqualificare rete su base giornaliera.