(1.1)团队基本情况（10分）
(1.1.1)团队项目的整体计划安排（3分）
| 阶段序列 | 阶段预估时间 | 主要阶段任务 | 完成情况 |
|---|---|---|---|
| 第一阶段 | 9.17 | 成立队伍 | 已完成 |
| 第二阶段 | 9.26-10.24 | 确认选题、制作团队选题报告、查找学习内容、形成项目框架 | 已完成 |
| 第三阶段 | 10.25-10.30 | 制作团队需求分析报告、完成原型设计、各小组布置学习任务、制作UMl图设计 | 已完成 |
| 第四阶段 | 10.31-11.6 | 现场编程项目学习、各小组开始研究学习实现、完成部分UI设计 | 未完成 |
| 第五阶段 | 11.7-11.16 | 完成目标检测、关键点检测和目标跟踪算法的70%代码、完善界面设计 | 未完成 |
| 第六阶段 | 11.17-11.25 | 基本完成后端算法功能、发布alpha版本，总结alpha版本开发过程 | 未完成 |
| 第七阶段 | 11.26-12.5 | 项目优化、基本实现beta版本 | 未完成 |
| 第八阶段 | 12.6-12.10 | 继续优化项目，完成相关文档总结、ppt、视频等制作 | 未完成 |
(1.1.2)团队分工（2分）
| 组别 | 人数 | 成员 | 负责任务 |
|---|---|---|---|
| 前端组 | 2 | 韦宏麟、汪鸿宇 | 原型设计、前端开发 |
| 后端组 | 2 | 黄新成、林志锋 | 后端开发、算法优化 |
| 美工组 | 3 | 林雨欣、方静怡、张妍 | 视频制作、美工设计 |
| 编辑组 | 2 | 李晓芳、江舒颖 | 文档撰写、博客编写 |
| 测试组 | 1 | 邹其清 | 代码测试、数据分析 |
(1.1.3)请评估并描述团队中每个人对本次作业的贡献比例，并写入本次博客（禁止一锅端平的情况，如果没有评估，全组平均后，组长得分减 50%）（2分）
| 姓名 | 工作贡献 | 贡献比例 |
|---|---|---|
| 黄新成 | 需求分析报告 | 4% |
| 林志锋 | UML图设计、视频制作 | 12% |
| 汪鸿宇 | 原型制作、需求分析报告、提问 | 12% |
| 韦宏麟 | 答辩、提问 | 20% |
| 邹其清 | 需求分析报告 | 10% |
| 林雨欣 | UML图设计、视频制作 | 8% |
| 方静怡 | UML图设计、博客编写 | 8% |
| 张妍 | UML图设计、博客编写 | 8% |
| 江舒颖 | ppt制作 | 10% |
| 李晓芳 | ppt制作、提问 | 8% |
(1.1.4)画出整个项目思维导图和燃尽图（时间范围：从团队创建的第一天至本次作业提交时间）（3分）
- 思维导图
- 燃尽图
(1.2)根据自己所负责的项目的部分画UML（16分）
1、用户登录部分
- 负责人：韦宏麟、汪鸿宇、江舒颖、林雨欣
- 描述：包含用户注册及用户登录等功能
- 该部分面临的问题：用户身份验证、用户的账户管理问题、数据库数据交互
- 解决的问题：理清了登录注册流程
- 应用认证中间件拦截处理模块解决用户身份验证问题
- 附：UML图
- 用例图
- 类图
- 活动图
- 状态图
- 实体关系图
2、目标检测部分
- 负责人：林志锋、林雨欣、邹其清
- 描述：采集大量相应数据集并基于YOLOv5算法实现行人、非机动车、头盔、改装伞、普通雨伞、车牌的实时检测识别与显示，并统计车流量与人流量，对于判断是否进行非法改装非机动车以及是否佩戴头盔、是否上牌照等具有良好的效果。
- 该部分面临的问题：1.非机动车种类众多，是否都能检测。2.车牌在不同的角度是否都能够识别出来。3.在不同的应用场景是否都能实现相关的功能。
- 解决的问题：1.对于数据集的采集与标注已经十分熟练，将加大不同应用场景的数据集数量以及非机动车的数据采集，优化检测识别效果。2.对YOLOv5源码有了较多的理解，对于训练数据集已经得心应手，并可以做到修改部分算法代码来实现相应所需要的功能。
- 应用了YOLOv5算法解决目标检测部分需要的所有功能。
- 附：UML图
- 用例图
- 时序图
- 活动图
- 状态图
- 实体关系图
3、关键点检测部分
- 负责人：黄新成、方静怡、邹其清、李晓芳
- 描述：通过关键点检测进行行人姿态分析和判断非机动车驾驶人是否存在脱把骑行的违法行为
- 该部分面临的问题：从不同的角度观察，人体的姿态不同，很难分清是否脱把骑行，难以找到普遍性的算法，精确度有限。
- 解决的问题：通过精心设置模型的超参数，在内存效率和内存容量之间寻求到最佳平衡，从而最优化网络模型的性能及速度。
- 应用了Alphapose和coco数据库解决实时全身多人姿势估计和跟踪系统
- 附：UML图
- 用例图
- 类图
- 活动图
- 状态图
- 实体关系图
4、目标跟踪及视频摘要部分
- 负责人：张妍、李晓芳、林志锋、汪鸿宇
- 描述：基于人工智能视觉分析，自动识别非机动车违闯红灯行为，并对其轨迹跟踪，形成摘要视频便于相关部门查找证据
- 该部分面临的问题：如何跟踪违闯红灯的机动车，并将整个过程形成较为精确的视频摘要
- 解决的问题：使用多目标跟踪（DeepSort）算法加上opencv的函数实现较为准确获取关键帧，建立索引，最终形成视频摘要
- 应用了多目标跟踪（DeepSort）算法解决了目标跟踪问题，并应用了opencv解决了视频摘要问题
- 附：UML图
- 用例图
- 类图
- 活动图
- 状态图
- 实体关系图
(1.3)作业记录相关（9分）
(1.3.1)UML设计工具的选择、选择的理由和使用后对工具的评价（大家可以共享经验，相互推荐，谈谈为什么选择这个工具）（3分）
- UML设计工具：ProcessOn
- 选择的理由：由于之前组内有同学用过这个工具，觉得是个画UML图的好工具，就推荐给我们使用，所以大家都选择使用ProcessOn来制作UML图。这是一个在线的设计工具，不需要下载APP，可以直接在网站上操作且是免费的，可以在线画流程图、思维导图、UI原型图、UML图等等，高效易用，使用起来较为方便，支持多人实时协作，实时显示更改状态及内容的编辑
- 使用后对工具的评价：大家普遍认为整个工具使用下来基础功能较为齐全，操作也比较人性化，由于是网页版的，所以不用下载app，也不占用内存，成品可以较为清晰地导出且没有水印，唯一不足的是相比于Axure，对齐的功能不够智能
(1.3.2)遇到的困难及解决方法，要点：困难描述/做过哪些尝试/是否解决/有何收获（3分）
- 林雨欣
从没有制作过UML图，也不是特别了解，对每类的UML图的一些画法也不太了解，什么都很陌生，只能一张一张图百度搜索如何使用、如何制作，对制图工具的使用也比较陌生，要一步步摸索。制作完图以后感觉对UML也有了更深的了解。
- 林志锋
要想制作这部分的UML，必须对算法及功能要有深入的了解，所以我仔细研究了这方面的相关论文以及算法功能，结合了之前学习的知识来制作。并且由于没有画过UML图，一开始不知道怎么画，通过百度看别人的博客笔记，很好地掌握了这方面的知识。通过画图，对UML的制作更加娴熟，也对目标检测部分更加了解。
- 方静怡
在制作UML时比较艰难，首先是对这部分的算法功能了解不够深，其次是对UML图的制作无从下手。为了理解UML图的设计，我看了b站中的网课《UML Class Diagram Tutorial》,看完很容易理解，又一一百度参考了各类图的做法，才开始绘制；为了能更好地绘制UNL图，我首先和专门研究这部分得到同学进行了探讨，又搜索了许多这方面的相关知识以及文献，加深理解。通过绘制UML图，我不仅掌握了对图的制作，也对这部分的相关内容有了更加全面的了解与学习，为后续项目的研究打下了基础。
- 张妍
之前没有做过UML图，对于UML图不是很了解，一开始无从下手。通过查找资料逐渐熟悉UML图，在有一定的了解后从B站学习了大体的制作过程，参考了网路上的一些例图。最终解决了，完成了UML图的制作。使用后的感受就是善用搜索引擎及各类网站可以更快地熟悉之前并不了解的东西。
(1.3.3)学习进度条，参考：http://www.cnblogs.com/vertextao/p/7469789.html（3分）
| 第N周 | 新增代码（行） | 累计代码（行） | 本周学习耗时(小时) | 累计学习耗时（小时） | 重要成长 |
|---|---|---|---|---|---|
| 1 | 0 | 0 | 20 | 20 | 确定选题、完成团队选题报告、查找学习内容、形成项目框架、分配任务 |
| 2 | 1500 | 1500 | 50 | 70 | 完成团队需求分析报告、完成原型设计、制作UMl图设计、完成部分UI雏形 |
| 3 |