AidLux智慧社区AI实战训练

• 主要目标

围绕智慧社区基本定义、场景需求理解、算法设计实现、边缘设备部署等核心要点，利用边缘设备AidLux，带大家完成智慧社区里面的两个典型场景：高空抛物和车牌识别的算法开发，以及在边缘设备上的部署。

• 主要内容

1. 智慧社区的各类场景算法的划分；
2. 智慧社区项目落地方式；
3. 边缘设备在智慧社区中的应用场景；
4. 高空抛物场景算法设计及实现；
5. 车牌数据集整理及训练；
6. 车牌识别算法部署及验证。

• 小作业

尝试调试不同的参数，来看看对算法结果的影响，如背景建模方法，这里采用的是knn方法，也可以试试高斯混合建模；还有sort追踪中的max_age, min_hits等参数，大家尝试完后，最好准备至少两个不同超参对比视频，并能检测到高空抛物行为（视频中能追踪到高空抛物物体）。

Knn背景建模算法结合了无参数概率密度估计+KNN分类思想。首先是无参数概率密度估计，是指在不方便建立样本分布模型的情况下，与之相反的就是有参数概率密度估计；而 MOG2就是明确的建立了混合高斯模型，然后根据一定的优化目标求取模型参数，估计其概率密度分布。

1. 高斯混合建模MOG2实现

1. Sort追踪算法参数调整实现

1. 演示视频1

   小作业

2. 演示视频2

   小作业3

• 大作业

尝试将其改成视频读取的方式，并拍个路边车牌的视频，或者找个车辆行驶的视频，使用我们的pipeline实现视频的车牌识别功能(注，同时记得修复中文显示)。

1. 增加PIL图像中文显示调用方式

1. 修改函数调用方式

1. 增加视频调用方式

1. 演示视频1（中文字符识别）

   大作业1

2. 演示视频2 （视频读取方式显示）

   大作业2

• 心得体会

通过AidLux智慧社区AI实战训练课程的学习，掌握了智慧社区基本定义、面向应用场景的算法设计及实现、移动端部署测试等等，印象深刻的是自己查阅背景建模、目标识别等相关基础理论，动手实践了相关代码实现及参数调整，课程内容安排比较合理，通过作业实践了相关技巧，通过查阅网站资源掌握了opencv图片显示中文字符方法，收获颇丰。

感谢大刀老师、助教老师精心课程准备，谢谢！