209 lines
5.0 KiB
Markdown
209 lines
5.0 KiB
Markdown
---
|
||
title: 啥时候吃饭
|
||
createTime: 2025/03/08 06:52:55
|
||
permalink: /project-docs/when2eat/
|
||
icon: line-md:loading-alt-loop
|
||
tags:
|
||
- PGuide OAuth
|
||
- 计算机视觉
|
||
- YOLO
|
||
- ECharts
|
||
---
|
||
|
||
哈哈，这个项目是一个科学决策什么时候去食堂吃饭的项目，让你合理避开重医吃饭高峰期。
|
||
|
||
::: echarts 重医食堂实时人数示例动态折线图
|
||
```js
|
||
const oneDay = 86400000
|
||
const data = []
|
||
let now = new Date(1997, 9, 3)
|
||
let value = Math.random() * 1000
|
||
|
||
function randomData() {
|
||
now = new Date(+now + oneDay)
|
||
value = value + Math.random() * 21 - 10
|
||
return {
|
||
name: now.toString(),
|
||
value: [
|
||
[now.getFullYear(), now.getMonth() + 1, now.getDate()].join('/'),
|
||
Math.round(value),
|
||
],
|
||
}
|
||
}
|
||
|
||
for (let i = 0; i < 1000; i++) data.push(randomData())
|
||
|
||
const option = {
|
||
tooltip: {
|
||
trigger: 'axis',
|
||
formatter(params) {
|
||
params = params[0]
|
||
const date = new Date(params.name)
|
||
return (
|
||
`${date.getDate()
|
||
}/${
|
||
date.getMonth() + 1
|
||
}/${
|
||
date.getFullYear()
|
||
} : ${
|
||
params.value[1]}`
|
||
)
|
||
},
|
||
axisPointer: {
|
||
animation: false,
|
||
},
|
||
},
|
||
xAxis: {
|
||
type: 'time',
|
||
splitLine: {
|
||
show: false,
|
||
},
|
||
},
|
||
yAxis: {
|
||
type: 'value',
|
||
boundaryGap: [0, '100%'],
|
||
splitLine: {
|
||
show: false,
|
||
},
|
||
},
|
||
toolbox: {
|
||
show: true,
|
||
feature: {
|
||
mark: {
|
||
show: true,
|
||
},
|
||
dataView: {
|
||
show: true,
|
||
readOnly: false,
|
||
},
|
||
restore: {
|
||
show: true,
|
||
},
|
||
saveAsImage: {
|
||
show: true,
|
||
},
|
||
},
|
||
},
|
||
series: [
|
||
{
|
||
name: 'Fake Data',
|
||
type: 'line',
|
||
showSymbol: false,
|
||
data,
|
||
},
|
||
],
|
||
}
|
||
const timeId = setInterval(() => {
|
||
if (myChart._disposed)
|
||
return clearInterval(timeId)
|
||
|
||
for (let i = 0; i < 5; i++) {
|
||
data.shift()
|
||
data.push(randomData())
|
||
}
|
||
myChart.setOption({
|
||
series: [
|
||
{
|
||
data,
|
||
},
|
||
],
|
||
})
|
||
}, 1000)
|
||
```
|
||
:::
|
||
|
||
|
||
## 项目简介
|
||
|
||
使用YOLO、OpenCV等计算机视觉识别框架，检测画面中人数，在网页端、APP端显示实时人流量，通过机器学习算法推测最合理的吃饭时间区间。
|
||
|
||
## 项目重点
|
||
|
||
- 高精度识别实时人数
|
||
- 30FPS以上的识别帧
|
||
- 网络传输json数据
|
||
- 后端跨域访问
|
||
- 身份验证
|
||
- 前端设计
|
||
- 组件、UI设计
|
||
- 机器学习推测
|
||
- 数据采集
|
||
- 算法选型
|
||
- 通知配置
|
||
- SMTP邮件通知
|
||
- QQ机器人
|
||
|
||
## 项目进度
|
||
|
||
- [ ] 完成基础的人类识别
|
||
- [ ] 前端UI设计
|
||
- [ ] 前端页面开发
|
||
- [ ] 完成一周的数据采集
|
||
- [ ] 机器学习推测
|
||
|
||
## 项目结构
|
||
|
||
:::file-tree
|
||
- when2eat/
|
||
- backend/ # Flask后端核心
|
||
- app/
|
||
- api/ # API路由
|
||
- v1/ # API版本控制
|
||
- common/ # 通用工具
|
||
- models/ # 数据库模型
|
||
- services/ # 业务逻辑层
|
||
- __init__.py
|
||
- ml_models/ # 训练好的模型文件
|
||
- yolo_v5s/ # 不同版本模型
|
||
- scripts/ # 数据库迁移及其他脚本
|
||
- tests/ # 后端测试
|
||
- unit/ # 单元测试
|
||
- integration/ # 集成测试
|
||
- requirements/
|
||
- dev.txt # 开发依赖
|
||
- prod.txt # 生产依赖
|
||
|
||
- frontend/ # Vue 3前端
|
||
- public/ # 公开资源
|
||
- src/
|
||
- assets/ # 静态资源
|
||
- components/ # 通用组件
|
||
- views/ # 页面视图
|
||
- services/ # API服务层
|
||
- utils/ # 前端工具
|
||
|
||
- cv_processing/ # 计算机视觉模块
|
||
- detectors/ # 检测算法实现
|
||
- utils/ # OpenCV工具
|
||
- calibration/ # 摄像头校准数据
|
||
|
||
- infrastructure/ # 基础设施配置
|
||
- docker/ # Docker配置
|
||
- nginx/ # Nginx配置
|
||
- flask/ # Flask配置
|
||
- k8s/ # Kubernetes配置
|
||
- terraform/ # 基础设施即代码配置
|
||
|
||
- docs/ # 项目文档
|
||
- api-spec/ # OpenAPI规范
|
||
- architecture/ # 架构设计图
|
||
- deployment.md # 部署文档
|
||
|
||
- notebooks/ # Jupyter分析笔记
|
||
- .github/ # CI/CD配置
|
||
- workflows/ # 工作流配置
|
||
- Makefile # 构建自动化
|
||
- docker-compose.yml # Docker Compose配置
|
||
- .env.sample # 环境变量模板
|
||
:::
|
||
|
||
## 其他可能会遇到的问题
|
||
|
||
- 如何进行数据采集
|
||
- python写一个定时任务，调用摄像头抓拍
|
||
- 注意数据脱敏，不要上传任何人脸数据
|
||
- 光线较暗时如何进行算法优化
|
||
- 红外可能效果并不理想
|
||
- 机器学习比较陌生
|
||
- 可以采用现有大模型，调用其API即可
|
||
- 不不不，我就要学[机器学习](/learning-notes/ml/) |