主要通过目标识别后得到其目标坐标的目标跟踪算法，应用如在学校围墙边，马路上，禁止翻越区域的静态摄像头上当出现翻越行为，算法将会跟踪其行径，应用的目的不同，算法可以根据不一样的需求定制其具体应用。 考虑到实际场景目标物变换频繁，对实际识别算法的速度要求较高，因此我们采用了传统算法加入到了深度学习模型中去计算实际目标的状态并对其分类，模型规模控制住的前提下添加了目标跟踪的功能。

当我们获得了xyxy的坐标信息时，我们可以计算⼈物框的中⼼点（cent_point），虽然中 ⼼点不完全在实际⼈物⾝上，但是在实际应⽤中，我们需要计算整体⼈群密度时，我们只 需要通过⼀个类似点进⾏表达⼈的坐标位置信息在⼆维图像上，越趋于1着密度越大。 用于智慧社区建设中的算法之一，原创。

项目分为客户端，AI算法，后端数据处理； 我在项目中主要负责AI算法的模型构建及数据预测工作。 模型由Attention-LSTM为主要骨干模型，通过VMD分解对源数据进行分解后输入到网络内训练及预测，例子中就使用了17-20年三年的各城市的碳收盘价作为VMD分解的主要特征，分解后的数据进入模型训练后得到最终的模型，模型通过训练后很好的预测出20年的湖北省的碳收盘价。