建行杯首屆市互聯(lián)網(wǎng)生創(chuàng)新創(chuàng)業(yè)大賽參賽項(xiàng)目匯總

模 WBS工作分解結(jié) 項(xiàng)目簡(jiǎn)項(xiàng)目?jī)?nèi)立項(xiàng)從外地來(lái)辦事的彎彎(化名)表示，4月3日其在位于市朝陽(yáng)區(qū)酒仙橋北路望京出，現(xiàn)有市場(chǎng)上的設(shè)備的主要功能還是在于實(shí)時(shí)以及案發(fā)后的使用，而缺行為的識(shí)別系統(tǒng)。本項(xiàng)目的目標(biāo)在于酒店樓道領(lǐng)域做到最好。項(xiàng)目項(xiàng)目交付項(xiàng)目時(shí)間質(zhì)量識(shí)別率高于75%費(fèi)用項(xiàng)目可行性經(jīng)濟(jì)可由于模式分為兩種：1.直接酒店向產(chǎn)品。2.完全免費(fèi)推廣，通過(guò)集中后獲取的社會(huì)可技術(shù)可Adaboost算法，Hough變換，貝葉斯決策網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)模通過(guò)向酒店進(jìn)行銷售。首先可以選擇如家酒店，如果銷售不成功可轉(zhuǎn)信用體系，可同螞蟻金服、公司或人民銀行等金融風(fēng)控機(jī)構(gòu)合作，完善需求分功能性人臉實(shí)時(shí)異常行為跌倒反復(fù)徘徊人身脅迫非功能性系統(tǒng)用戶操作性能運(yùn)行 Windows7以上的32位或64位的計(jì)算機(jī)上， 軟件項(xiàng)目生命模型增增量2增量3增量4增量5Figure1生命周期各階段定12345項(xiàng)目管理方法與項(xiàng)目計(jì)劃工作分解結(jié)構(gòu)項(xiàng)目與需求管理分解需求風(fēng)險(xiǎn)管理風(fēng)險(xiǎn)排序產(chǎn)品集成模塊集過(guò)程與產(chǎn)品質(zhì)量保證質(zhì)量監(jiān)督WBSFigure2責(zé)任分配Figure3WBS任務(wù)責(zé)任矩1234567RRPPPPPPPPPPPFigure4WBS7.文檔說(shuō)明R：負(fù)責(zé) 周期(天數(shù)A1B)2AC詳細(xì)說(shuō)明整個(gè)5BD詳細(xì)說(shuō)明模塊A(圖像前期處理5CE詳細(xì)說(shuō)明模塊B(人臉識(shí)7CF詳細(xì)說(shuō)明模塊C(異常行為檢測(cè)及監(jiān)CG檢查規(guī)格2H設(shè)計(jì)模塊6GI設(shè)計(jì)模塊GJ設(shè)計(jì)模塊GK編碼/測(cè)試模塊7HL編碼/測(cè)試模塊IM編碼/測(cè)試模塊JN3O2NFigure5D58105A1BCEG01軟件詳細(xì)說(shuō)明詳細(xì)說(shuō)明檢查規(guī)格011 33個(gè)系8明 2 H6H6K7設(shè)計(jì)模塊31253225F1088100J18M20設(shè)計(jì)模塊180200風(fēng)險(xiǎn)風(fēng)險(xiǎn)R1系統(tǒng)的實(shí)時(shí)性的保證：無(wú)論是人臉檢測(cè)還是異常行為監(jiān)測(cè)對(duì)系統(tǒng)的實(shí)時(shí)性都有R2編程人員的經(jīng)驗(yàn)不足：項(xiàng)目的編程語(yǔ)言雖然也屬于較為主流的語(yǔ)言，但是項(xiàng)目R3人臉檢測(cè)方面的目標(biāo)較為清晰，而對(duì)于R4首次使用項(xiàng)目管理方法：對(duì)于人臉檢測(cè)已經(jīng)有很多成計(jì)劃，但是R5開發(fā)平臺(tái)與使用平臺(tái)的遷移過(guò)程：系統(tǒng)的開發(fā)以及測(cè)試平臺(tái)與系統(tǒng)的使用平臺(tái)R6模塊測(cè)試時(shí)候發(fā)現(xiàn)設(shè)計(jì)的錯(cuò)誤或者缺陷：這里存在兩個(gè)風(fēng)險(xiǎn)，一個(gè)是模塊本身R7編程環(huán)境的存在改變的風(fēng)險(xiǎn)：在圖像處理方面， ，openCV，以及PythonR8關(guān)鍵路徑上的重要人員生?。宏P(guān)鍵路徑上的人員生病可能會(huì)影響項(xiàng)目的進(jìn)度R9非關(guān)鍵路徑上的重要人員生?。悍顷P(guān)鍵路徑上的人員生病肯能會(huì)導(dǎo)致非關(guān)鍵路風(fēng)險(xiǎn)應(yīng)對(duì)R1：優(yōu)化算法降低算法的時(shí)間復(fù)雜度，保證實(shí)時(shí)性。對(duì)于一個(gè)實(shí)時(shí)系統(tǒng)，沒(méi)有實(shí)風(fēng)險(xiǎn)風(fēng)險(xiǎn)風(fēng)可能影對(duì)保85不264性理方194環(huán)31:降低2:根據(jù)情44上6563視病情考慮是否替Table1設(shè)備資源自自Table2下屬Table3附A李廣春,.基于CENTRIST特征的實(shí)時(shí)行人檢測(cè)算法的實(shí)現(xiàn)[J].電腦知識(shí)與技術(shù)唐渝.人臉實(shí)時(shí)檢測(cè)技術(shù)研究與實(shí)現(xiàn)[D].,重慶大學(xué)史力伏.Harr特征快速虹膜特征提取算法研究[D].吉林大學(xué).基于距離測(cè)度學(xué)習(xí)的圖像分類方法研究[D].:復(fù)旦大學(xué) 何揚(yáng)名戴曙光網(wǎng)格和密度聚類方法在人頭檢測(cè)中的應(yīng)用[J計(jì)算機(jī)工程與應(yīng)WuJ,RehgJM.CENTRIST:Avisualdescriptorforscenecategorization[J].IEEETransactionsonPattern FelzenszwalbPF,GirshickRB,McAllesterD,etal.ObjectdetectionwithdiscriminativelyTrainedpart-basedmodels[J].PatternysisandMachineInigence,IEEETransactionsOn,2010,32(9):1627-1645.MauthnerT,KlucknerS,RothPM,etal.EfficientobjectdectionusingorthogonalNMFDescriptorhierarchies[M].OatternRecognition.SpringerBerlinHeidelberg,2010:212-221.WangX,HuaG,HanTX.Discriminativetrackingbymetriclearning[M].ComputerVision-ECCV2010.SpringerBerlinHeidelberg,2010:200-214.DiskmenM,AkbasE,HuangTS,etal.Pedestrianrecognitionwithalearnedmetric[M].ComputerVision-ACCV2010.SpringerBerlinHeidelberg,2011:501-512.FranzPernkopf,MichaelWohlmayrandSebastianTschiatshek. umMarginBayesianNetworkClassifiers[J].IEEETransactiononPatternys