啥时候吃饭

约 750 字大约 3 分钟

PGuide OAuth计算机视觉YOLOECharts

2025-03-08

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。

重医食堂实时人数示例动态折线图

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

项目结构

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

贡献者

rand777