基于RK1126的小型化低功耗AI相机，支持人体特征识别、人脸特征识别、案例帽识别等

3.2 人体特征识别

在人流密集的公共场所（如专卖店、展厅、营业厅）进行多镜头多位置的行迹追踪，将抓拍到的人脸与系统人脸库进行比对，并标记客户/陌生人身份，同时对其他人体特征（如衣着佩戴）进行跨区域的标记关联，实现全方位的客户行迹分析，从而改善门店布局，提升门店运营效率。

3.2.1 关键技术点

技术	说明
多摄像头同步	使用 PTP（Precision Time Protocol）实现时间戳对齐，保证跨摄像头的行人轨迹关联。
行人 Re‑ID	采用 OSNet、MOT‑Net 等轻量 Re‑ID 模型，将每个检测框映射到 128‑dim 向量，实现跨摄像头身份匹配。
属性检测	通过衣着颜色、背包检测模型，对衣着佩戴进行标记，实现 “同一人穿不同颜色衣服” 的跨区域关联。
数据上报	通过 EdgeX Foundry 或自研 MQTT 桥接，将轨迹数据实时写入后端数据库（TimescaleDB、InfluxDB），供后端 BI 分析。

3.2.2 部署流程

1. 摄像头布置：在门店入口、收银台、展示区分别安装 3 台 AI 相机，保证视野覆盖且有一定重叠。
2. 网络配置：使用 POE 交换机统一供电和数据传输，开启 PTP 功能，确保时间同步误差 < 1 ms。
3. 模型部署：在每台相机上部署行人检测（YOLOv5‑nano）+ Re‑ID（OSNet‑x0.25）模型，分别保存在 /opt/models/ 目录。
4. 服务启动：在每台相机上运行 multi_cam_tracker.service，该服务负责检测、特征抽取、轨迹关联并通过 MQTT 推送。