1、 深度學習算法
綜合運用識別、檢測、追蹤和視頻結(jié)構(gòu)化分析，將視頻內(nèi)容轉(zhuǎn)化成可供計算機和用戶理解的文本信息；進而實現(xiàn)對場景、人、物的綜合感知；通過視頻分析也可實現(xiàn)行為檢測和預(yù)測，利用深度學習技術(shù)對目標進行姿態(tài)估計，與數(shù)據(jù)庫行為模板進行匹配，完成識別并生成結(jié)果。
主要通過如下幾個階段
（1） 大規(guī)模模型訓練
（2） 模型自動識別
（3） 任務(wù)并發(fā)處理
2、圖像與視頻識別分析
利用攝像頭采集視頻圖像信息，計算人員行為模式，識別人員行為，識別員工出勤行為、正常行走行為、隨意走動行為、監(jiān)控區(qū)域聚集行為、人員擁擠行為、人臉識別和語音識別，將出入通勤區(qū)域的場景智能識別為可管理的實時的過程性數(shù)據(jù)。
圖像與視頻識別分析以視頻為核心，結(jié)合人工智能技術(shù)，拓展多維感知手段，對進入周界的人員和物體進行識別，此算法主要達到如下幾個識別效果：
（1） 行走軌跡
（2） 行走方向
（3） 擺臂幅度
（4） 人頭檢測
（5） 人臉識別
3、 大數(shù)據(jù)管理與分析
采用大規(guī)模并行處理框架，超級計算能力，對多個復(fù)雜異構(gòu)的數(shù)據(jù)集，做進一步集成處理或整合處理，將來自不同數(shù)據(jù)集的數(shù)據(jù)收集、整理、清洗、轉(zhuǎn)換后，生成到一個新的數(shù)據(jù)集，為后續(xù)查詢和分析處理提供統(tǒng)一的數(shù)據(jù)視圖，根據(jù)大數(shù)據(jù)的不同數(shù)據(jù)特征和計算特征，從多樣性的大數(shù)據(jù)計算問題和需求中提煉并建立計算模式。
在大數(shù)據(jù)分析的應(yīng)用過程中，可視化與可視分析通過交互式視覺表現(xiàn)的方式幫助人們探索和理解復(fù)雜的數(shù)據(jù)，幫助用戶交互篩選大量的數(shù)據(jù)，有助于使用者更快更好地從復(fù)雜數(shù)據(jù)中得到新的發(fā)現(xiàn)。目前薈誠大數(shù)據(jù)分析技術(shù)已應(yīng)用于全國中等職業(yè)院校人才培養(yǎng)工作狀態(tài)大數(shù)據(jù)決策分析系統(tǒng)中。
對于很多動作，本身就具有很大的差異性，例如不同人不同時刻的行走動作在速度或步長上就具有差異性。不同動作之間又可能具有很大的相似性
場景和視頻的采集條件的差異性。背景是動態(tài)變化的或者光照、攝像頭晃動等會影響結(jié)果。
收集如下三類常規(guī)行為特征：
（1）10種種常規(guī)動作：走路、快跑、向前跳、測試跳、彎腰、揮單手、原地跳、全身跳、單腿跳，每個動作由10個人來演示，背景固定并且前景輪廓已經(jīng)包含在數(shù)據(jù)庫中，視角固定。
（2）6種動作：走、跳、跑、擊拳、揮手、拍手，由25個人執(zhí)行，分別在四個場景下，共599段視頻，除了鏡頭的拉近拉遠、攝像機的輕微運動外，背景相對靜止。
（3）包含10類體育動作：跳水、打高爾夫、踢腿、舉重、騎馬、跑步、滑板、搖擺、側(cè)擺、走路，涵蓋很廣的場景類型和視角區(qū)域。
