详细内容或原文请订阅后点击阅览
使用亚马逊重新认知提高自行车安全
为了更好地保护自己，许多骑自行车的人开始使用安装在自行车前后的相机骑行。在这篇博客文章中，我将演示一种机器学习解决方案，骑自行车的人可以用来更好地识别近距离呼叫。该解决方案的体系结构使用亚马逊重新认知来检测录制的自行车骑行视频中的车辆。然后，它分析视频，以确定在法律要求的3英尺安全距离内，是否有任何车辆过往骑自行车的人。该解决方案会自动生成这些危险传球事件的视频片段，然后可以与当局共享，以帮助提高自行车手的安全。
来源:亚马逊云科技 _机器学习骑自行车是一种保持健康，享受自然并与朋友和熟人建立联系的有趣方式。但是，骑行变得越来越危险，尤其是在骑自行车的人和汽车共享道路的情况下。根据NHTSA的数据，在美国，在交通事故中，平均有883人骑自行车丧生，每年平均报告约45,000人受伤的撞车事故。虽然自行车的总死亡人数仅占美国所有交通死亡人数的2％以上，但作为一名骑自行车的人，被大型SUV或卡车推开的道路仍然令人恐惧。为了更好地保护自己，许多骑自行车的人开始使用安装在自行车前或后部的相机骑行。在这篇博客文章中，我将演示一种机器学习解决方案，骑自行车的人可以用来更好地识别近距离呼叫。
根据NHTSA全世界的许多美国各州和国家都有某种三英尺法律。三英尺法律要求机动车在通过自行车时提供约3英尺（1米）的距离。为了促进路上的安全性，骑自行车的人越来越多地记录他们的游乐设施，如果他们遇到没有适当的安全距离的危险情况，他们可以向当地执法部门提供相遇的视频以帮助纠正行为。但是，在录制多小时的录制中，找到一次遇到的遇到时间很耗时，通常需要专业的视频技能来产生短暂的相遇片段。
3英尺法为了解决其中一些问题，我使用Amazon Rekognition Video分析开发了一个简单的解决方案。亚马逊重新认知可以检测标签（本质上是对象）和视频中检测到该对象的时间戳。亚马逊重新认知可用于快速查找录制的骑行视频中出现的任何车辆。
Amazon Rekognition 可以检测标签解决方案概述
解决方案概述下图显示了解决方案的结构。
解决方案的步骤是：