大创7/24会议记录

• 板子性能不用管，难在jetson上做出亮点
• 特征
• nano提前识别特征（预处理）
• 行人重识别所需要的特征，在分析nano可以预提取到什么特征
  • 在nano（边缘计算设备）的性能内
• 行人重识别算法：
• 面向中学，衣着特征（统一校服）无用，多重复特征
• 在中学或者小学，有哪些特殊点（其他特征）
  • 人脸
  • 发型
  • 动作
• 现有的那些适合我们，弄懂后，结合具体要求，在算法上做优化，最后在平台上实现出来
• 融合：
• 其他数据向行人重识别融合（困难，但是能优化？重识别效果）
  • 提高行人重识别的精度（传统基于生物特征），
  • 两个类似的人->考虑之前的轨迹，与当前的轨迹结合，
• or
• 行人重识别融合到其他
• 验收时候：软著、比赛->课题通过
• 进一步：论文、专利（难）
  • 问题搞透了，可申请专利，对比赛有帮助（自己完成，有技术含量）
• 无须GPS，监控固定，人为标定监控坐标即可，可以包括很多地理上客观的信息
• 只是重现别人的代码，在被提问的时候，无法回答
• 找到与现有行人重识别不同的地方，或直接应用有什么问题

嵌入式端作为多源的一源 - 分配论文阅读，找到适合的论文，集中阅读、总结