项目一：物料堆放识别算法

使用场景：

城市路边经常存在铁架、纸箱等乱堆放的场景的监控视频；

具体需求：

1、算法识别区域：可根据业务需要，手动划定视频中的全部或部分区域为算法检测区域，非算法检测区域算法不检测；
2、算法使用要求：需在光线充足、无明显遮挡、目标检测物大小适宜且肉眼清晰可辨的条件下使用；
3、算法目标检测物：铁架、纸箱；
4、算法描述：支持实时分析检测监控区域内是否出现目标检测物，若出现，算法需立即以json的形式输出带有报警标志、报警截图的结果。
5、每种算法需通过文字及流程图方式明确输出算法实现逻辑。

性能&功能指标：

1、GPU算法，抽帧策略对CPU资源的占用需尽量低；每种算法对显存的占用小于1.7GB；
2、算法识别准确率不低于90%，召回率目标为不低于88%
3、分析速度满足：支持10QPS

交付文件:

Linux SDK（C++实现）

开发要求：

1、开发规范：https://github.com/ExtremeMart/dev-docs
2、开发周期：20天

项目二：沿街晾晒识别算法

背景描述：

为了维护良好的市容市貌，进一步进行公园，园区等公共场所进行市容管理，对沿街晾晒现象开展了一系列的管理措施。

现场图片：

具体需求：

1.识别场景：乡镇公路街道，小区街道，步行街
2.识别对象：乡镇公路街道，小区街道，步行街沿街晾晒的衣物，被褥
3.输入：摄像头取像

识别逻辑

摄像头对沿街道路两旁进行监测，识别到有人员晾晒行为，告警沿街晾晒

性能&功能指标：

1.算法性能：20qps
2.算法要求：单帧
3.最小识别尺寸：60*60像素，多识别（多对象）
4.实时性：实时性不高
5.部署方式：本地化部署  

6.提供（含标注）训练数据（ 前期不少于500张）
7.所拍摄的环境清晰无遮挡物，光线明亮均匀，拍摄角度较为规范。
8.训练数据--定点摄像头拍摄的图片（需要对训练收集一定的规范，例如光线，角度要摄像头摆设角度在60度到80度之间）。
9.摄像头拍摄像素要求200w以上，分辨要求1080P。

软硬件&交付要求

1.运行在X86架构（酷睿i系列芯片和至强系列芯片，显卡支持RTX、GTX、Tesla）
2.需求为Linux SDK（C++实现）
3.算法部署：支持私有化部署

开发要求

1.开发规范：https://github.com/ExtremeMart/dev-docs
2.开发周期：25天
3.线下开发

如果觉得有用，就请分享到朋友圈吧！