數據标準資(zī)源體(tǐ)系
主要是建立規範的數據标準，消除數據的不一(yī)緻性，從根本上改善和解決系統的數據質量問題，實現數據與數據的有效共享與交換，并爲後續的數據質量提供幫助。
圖像質量評估

基于參數相關性挖掘圖像質量指标之間的關系，提取合适的評價指标，采用機器學習技構建圖像質量評估模型，實現圖像質量的客觀評價，針對可見光、紅外(wài)、CT等圖像評估準确率＞90%。

圖像數據清洗

基于有價值數據的判定規則，構建包含圖像質量、圖像内容、數據質量的評估系統，實現對圖像質量低、圖像内容無指定目标、數據一(yī)緻性不符合要求的圖像數據的清洗， 針對可見光、紅外(wài)等圖像清洗準确率＞90%，清洗效率較人工(gōng)提升10倍。

數據ETL

ETL是将業務系統的數據經過抽取、清洗轉換之後加載到數據倉庫的過程，目的是将企業中(zhōng)的分(fēn)散、零亂、标準不統一(yī)的數據整合到一(yī)起，爲企業的決策提供分(fēn)析依據。

事态分(fēn)析與指揮決策

利用深度學習算法實現對圖片中(zhōng)人體(tǐ)的屬性進行檢測，具體(tǐ)功能包括人體(tǐ)檢測以及屬性預估。例如：性别、年齡、朝向、帽子、眼鏡、包、衣服、顔色、口罩等。