项目选题报告答辩总结

天机组

Q：物体重叠时的精度问题？

A：目标物体重叠问题可以通过算法解决。

Q：现有市场竞争激烈。

A：首先，各行业的竞争都是激烈的，我们需要在竞争中寻求上升机会；其次，我们这是一个某种程度上偏科研的项目，会有后续不断的完善以提升竞争力。

Q：对视频分辨率有要求吗？

A：原则上，视频的分辨率越高越好。在视频分辨率较低的情况下，检测准确度会有一定下降。

日不落战队

Q：最终目标？

A：就本学期的课程目标，完成简单监控场景下的视频摘要与人车检测与跟踪。识别率……

Q：不同极端场合下的对应效果？

A：在人车密度较小的场景下，达到90%的检测跟踪准确率；人车密度较大的场景下，存在较多的……，争取达到70%

Q：BCD貌似没有介绍。

A：BCD体现在我们的博客随笔中，

像我这么能打的还有五个

Q：单单检测没有识别，对于准确率影响很大。

A：我们主要做的功能是流量统计，只要能够完成对于人、车的分类检测，就能完成我们的目标，没有识别功能并不影响我们的准确率。

Q：对于信息提取，非人类的活动，例如一个矿泉水瓶被风吹过来等问题怎么处理？

A：我们会对获得的含有动态内容的视频帧中的物体进行检测分类，将只留下含有人、车目标的视频帧。

Q：实用性不高，市场上的竞争对手强大。

A：我们的主打功能是流量统计，流量统计可以用在交通、商业等多方面，具有相当的应用价值，不能说是实用性不高。市场上确实存在许多强大的竞争对手，但我们的产品走的还是轻资产路线， 不同于市面上大多的产品都配合硬件售卖，我们的成本更低，风险更小。

洛基小队

Q：推广门槛是否过高？

A：我们基于实验室已有的项目之上确立了本项目，如果确能得到可靠的产品，或能得到实验室的帮扶。

Q：演讲中所说用某种方式进行视频摘要，请问是什么方式？

A：首先，利用“帧差法”减除静止视频帧；再次，调用人车模块的检测方法，检测含有人车内容的视频帧；最后，将获得的有效帧合成一个完整视频。

Q：能否给出计划要达到的识别率以及依据？

A：在非密集无遮蔽场景下达到95%以上的检测准确率；在密集、遮蔽的场景下（上下课时间的校门口）达到70%检测准确率；对回溯视频中视频摘要错误率（包括静态被误存，目标背景被误错过）低于10%。

Boy Next Door

Q：目前针对各路况无法给出统一的识别率。

A：我们本学期的目标是完成简单场景下的检测，对于不同路况场景必然存在不同的准确率，无法统一，这也是所有市面已有产品的通病。

Q：针对目前市场上已存在的阿里云”城市大脑“，你觉得你们的产品有什么亮点或不同的地方？

A：针对“城市大脑”，他们是将供水、供电等散落在城市的资源信息化，而我们的产品注重监控场景下流量统计等，我们两方的产品本质方向是不一样的。

Q：你们将来获取数据会不会不止通过摄像头的方式，而更多的是以传感器比如光感、温感的方式来获取数据并识别？

A：不会，我们的产品理念是“轻资产”，运用摄像头能降低我们的硬件成本，我们不需要舍弃我们的优势而退而求其次。

Massivehard

Q：监控目前主要以四轮车及行人为主，暂无法识别两轮车，因此应用场景有限制，如学校里多以电动车自行车为主，功能用处不大。

A：两轮的交通工具（例如摩托、电动、自行车等）到目前为止都是科研研究的一项难题，产品不多，而我们的产品目标致力于单一行人及四轮轿车的识别，其他功能可能会在后续继续研发。

Q：同一画面中能够捕捉到的对象上上限比较模糊。

A：这是基于密度而言的，单位密度下我们初期定在两人，轿车与摄像头架设有关，只要没有过多的重叠是不会被检测到了。

Q：希望能给出一些应用场景。

A：工业园区、公司等入口处