在去除噪声的100万Megaface干扰集和Facescrub prob集上，准确率超过了98%。非配合式商业场景人脸识别测试集下，准确率超过96%。

准确识别多种人脸属性信息，包括年龄、性别、情绪、口罩、是否配戴眼镜等。

利用帧差法以及均值背景建模的方法检测当前帧中的运动点集。对运动点集合进行空间上的8x8网格化分割。利用LSD算法计算网格的运动线段主方向。统计所有网格内线段方向分布，梯度大小以及中点位置信息，判定运动点是否是人形。

准确识别多种行人属性信息，包括是否穿短袖、是否背包、是否穿裙子、是否穿蓝色的下半身衣服等。

方案实施成本较低。使用AI智能技术通过视频分析收银台处是否真实发生付款和收银行为。实际场景准确率在99%以上。

基于智能早会检测算法，在预设置的时间范围内判断是否有足够的人站在一起开早会，以及是否满足早会的预设时间等情况，可以精确判断是否按规定完成开早会任务。

检测识别出各类工作人员和旅客，并对旅客的闯入预警。

在行人检测和跟踪的基础上，对一定范围内的所有人进行识别，可以准确找出某个目标人的位置轨迹等，并可以实现跨摄像头跟踪等。

通过分析一段视频中前后关键帧之间的像素变化来判断该段视频中是否出现饭勺挖下水道、挠皮肤、弯腰捡东西等目标行为，实现对后厨人员作业行为监管。

分析出视频内的所有人物在做哪些行为和动作，实现对车辆维修人员作业行为的监管。

分析出视频内的所有人物在做哪些行为和动作，如打架斗殴等，实现对公众场所的管理。

从一张图像中判断目标物是否存在，并对存在的目标物确定其在图像中的坐标位置。

检测绿植是否按规定摆放。

检测救生员是否离岗并根据离岗时长适时警告。

监测工位的使用状态。

基于深度学习方法，智能化识别出障碍物，过滤非障碍物。实际生活中的消防通道出现障碍物时能及时发出提醒，实现智慧消防。

基于移动轨迹追踪、轨迹正态模式判定、分类器分类的流程管理，采用背影建模、轨迹跟踪、轨迹判定、模式识别分类等技术，实现对老鼠的追踪检测。

在弹奏过程中能及时给出弹奏错误指法的提示，实现智能教学，解决教师资源匮乏问题，提高了教学效率。