需求分析文档 要求：[最终形成的文档，以word的文档格式表现出来]
1、项目背景
<<<<<<< HEAD
应市场需求，结合业务方向，现决定研发一款考勤打卡设备，及监控一体以AI为主的设备。
2、可查看范围（谁能看这个文档）
PM，PL以及负责实现各个模块的Pg。
3、专业术语（名词解释，自己写的缩写和一些较生僻的名字）
AI方面：
TensorFlow框架：由 Google 开发和维护的开源深度学习框架，被广泛应用于各类机器学习算法的编程实现
OpenCV框架：是一个广泛使用的开源计算机视觉和机器学习软件库，它提供了各种用于处理图像和视频的工具和算法。
CNN卷积神经网络算法：Convolutional Neural Network，CNN）是一种专门为处理具有网格结构数据（如图像、音频）而设计的深度学习模型，在图像识别、目标检测、语义分割等诸多领域取得了巨大成功。
卷积层（Convolutional Layer）
卷积操作：通过卷积核（也叫滤波器）在输入数据上滑动，对每个位置进行卷积计算，提取局部特征。例如，在图像上，卷积核与图像的局部区域进行元素相乘并求和，生成特征图。如一个 3×3 的卷积核在一张 6×6 的图像上滑动，每次计算对应位置的乘积和，得到新的特征值组成新的矩阵（特征图）。
作用：大大减少模型参数数量，降低计算量，同时保留数据的空间结构信息。例如，对于一张 100×100 像素的彩色图像（3 个通道），若使用全连接层处理，参数数量巨大；而使用卷积层，通过小的卷积核就能有效提取特征。
池化层（Pooling Layer）
池化操作：常见的有最大池化（Max Pooling）和平均池化（Average Pooling）。最大池化是在一个区域内取最大值，平均池化则是计算区域内的平均值。例如，在 2×2 的区域上进行最大池化，就是从这 4 个值中选取最大的作为输出。
作用：降低数据维度，减少计算量，同时在一定程度上防止过拟合，提高模型的鲁棒性。比如经过多次卷积后特征图尺寸仍然较大，通过池化可以压缩尺寸。
全连接层（Fully Connected Layer）
连接方式：将前面层输出的所有神经元都与本层的每个神经元相连，其权重矩阵包含了所有输入到输出的连接权重。比如，前一层输出 100 个特征，全连接层有 50 个神经元，那么权重矩阵大小就是 100×50。
作用：对前面提取到的特征进行综合，完成分类或回归任务。在图像分类中，全连接层将卷积和池化后提取的特征映射到不同的类别上。
激活函数（Activation Function）
常用函数：如 ReLU（Rectified Linear Unit），表达式为 f (x) = max (0, x)。当输入 x 大于 0 时，输出就是 x 本身；当 x 小于等于 0 时，输出为 0。还有 Sigmoid 函数、Tanh 函数等。
作用：为模型引入非线性因素，使模型能够学习复杂的非线性关系。如果没有激活函数，无论神经网络有多少层，其输出都是输入的线性组合，无法处理复杂的现实问题。
视频方面：
Live555框架：是一个开放源代码的、实现了标准流媒体传输协议的多媒体流框架，广泛应用于流媒体服务器和客户端的开发。
FFmpeg库：是一个强大的开源音视频处理库，被广泛应用于音视频的录制、转码、流式传输等众多领域。
RTSP协议：（Real Time Streaming Protocol）即实时流协议，是一种用于控制实时数据（如音频、视频）传输的网络协议。
高并发（多线程）：
线性池：是一种预先分配一块连续的内存区域或资源集合，然后按照顺序依次分配和使用这些内存块或资源的管理方式。它在初始化时会一次性分配一大块内存或一组资源，后续的分配操作就在这个已分配的区域内进行，直到所有资源都被分配完。
Epoll：Epoll 是 Linux 内核为处理大批量文件描述符而作的改进，是在 2.5.44 内核中引入的，用于实现高效的 I/O 多路复用。
通用：
XML：可扩展标记语言，是一种用于存储和传输数据的标记语言。设计目标是传输和存储数据，而不是显示数据。它的标签没有被预定义，用户可以根据自己的需求自定义标签，具有很强的灵活性和扩展性，被广泛应用于数据交换、配置文件、文档存储等领域。
TCP：传输控制协议，是一种面向连接的、可靠的、基于字节流的传输层通信协议。
4、功能描述
4.1、总的功能描述（罗列出C，S端的所有功能）
C端：1.注册，登录 2.权限管理 3.图像录入 4.考勤识别、管理 5.实时播报 6.历史回放 7.摄像头地图标注 8.系统设置 9.版本升级
S端: 1.socket网络搭建 2.SQL封装，建库、表，备份导出，防注入 3.日志封装生产 4.配置管理 5.图像管理 6.CNN搭建模型，训练，验证，迁移 7.版本管理
4.2、具体负责模块的描述:[详细描述]若有界面，可以把界面截图放上来，可以文字描述多写一些
尽量用通俗易懂的语言来描述
1. 员工信息表：存储员工的基本信息，如员工编号、姓名、性别、年龄、部门、职业。
2. 考勤记录表：存储员工的考勤记录，包括考勤时间、考勤类型（如上班、下班、加班等）、考勤状态（如正常、迟到、早退、旷工等）。
3. 部门信息表：存储公司的部门信息，如部门编号、部门名称等。
1. **员工信息表**：存储员工的基本信息，如员工编号、姓名、年龄、性别、出生日期、部门、职位等。该表的主键为员工编号。
2. **考勤记录表**：存储员工的考勤记录，包括考勤日期、上班时间、下班时间、迟到时间、早退时间、旷工时间等。该表的主键为考勤日期和员工编号的组合键。
3. **部门信息表**：存储公司的部门信息，如部门编号、部门名称、部门负责人等。该表的主键为部门编号。
5、负责模块的流程图（绘制并截图）
6、负责模块用到的数据库表：[若用到多张表了，可以绘制ER图（表之间的关系图）]
表名、字段名、具体的约束等（二维表格形式罗列）
7、UML类图：模块用到的类名、属性、函数等，以及类之间的关系（六大关系）
8、网络通信用到的结构体[私有协议]：
请求结构体
响应结构体
以及需要用到的配套结构体
=======
应市场对于高效人员管理和安全监控的强烈需求，同时结合公司业务的发展方向，决定研发一款集考勤打卡与监控功能为一体，且以 AI 技术为核心的设备。
这款设备旨在为各类企业、机构提供一站式解决方案，帮助其提升管理效率，降低人力成本，并增强安全性。
2、可查看范围
项目经理
开发人员
测试人员
3、专业术语
设计架构:C/S
C:Client客户端 用Qt实现
S:Sersvr服务端 用C++实现
TensorFlow框架：一个机器学习框架，用于构建和训练深度学习模型。
OpenCv框架：计算机视觉库，用于处理图像和视频。
CNN卷积神经网络算法：处理图像、音频等深度学习的算法，也是面部识别、行为分析等功能的核心算法。
Live555框架：多媒体流媒体框架，用于实现音频和视频数据的实时传输。
FFmpeg:对音频、视频进行解码、编码、转码、复用等操作。
RTSP协议：实时流协议，监控视频流。
Epoll:处理大量并发连接，提高服务器端处理大量客户端连接请求的效率。
TCP:传输控制协议。
XML:可扩展标记语言，用于存储和传输数据。
4、功能描述
4.1、总的功能描述 (罗列出C/S的所有功能)
C：1、注册、登录
2、权限管理
3、图像录入
4、考勤识别、管理
5、实时播放
6、历史回放
7、摄像头地图标注
8、系统设置
9、版本升级
S: 1、socket网络搭建
2、SQL封装，建库、表，备份导出，防注入
3、日志封装生成
4、配置管理
5、图像管理
6、CNN搭建模型、训练、验证、迁移
7、版本管理
4.2、具体负责模块的描述:[详细描述]若有界面，可以把界面截图放上来，可以文字描述多写一些尽量用通俗易懂的语言来描述 (说白话)
负责模块：S端版本管理主要负责服务端软件版本的全生命周期管理。
新版本：当有新的功能开发完成后或者问题修复后，会生成新的版本。
版本编号：对不同版本进行编号，记录版本的详细信息，包括发布时间、功能特性、修复的问题等。
版本测试：新版本发布时，进行严格的版本测试，确保新版本的稳定性和兼容性。
协调客户端：确保客户端可以及时获取到最新的服务器版本。
5、负责模块的流程图 (绘制流程图，开始结束)
开始->功能开发/问题修复->生成新版本编号->记录版本信息（发布时间、功能、修复问题等）
->进行版本测试->发布版本->回滚到上一个稳定版本->通知客户端升级->通知客户端升级->结束。
6、负责模块用到的数据库表：[若用到多张表了，可以绘制ER图] (表关系图)
表名、字段名、具体的约束等 (表格形式罗列)
7、UML类图：模块用到的类名、属性、函数等，以及类之间的关系
8、网络通信用到的结构体[私有协议]：
请求结构体：
struct Request {
int request_id; // 请求ID
string action; // 请求的动作
string data; // 附加数据
};
响应结构体:
struct Response {
int response_id; // 响应ID
bool success; // 是否成功
string message; // 响应信息
string data; // 附加数据
};
以及需要用到的配套结构体
struct ClientInfo {
int client_id; // 客户端ID
string version; // 客户端版本
};
>>>>>>> ea8fe583dba43898151a584ae2c8b4d80d2c4772
