图像视觉在智慧城市领域应用很广，按照场景进行划分，可以分为多个领域，比如下方的12种场景：
AidLux在智慧城市中可以作为边缘端设备的软件平台，赋能智慧城市领域AI能力。
而不同的场景，用户关注的算法功能都各不相同，比如：
（ 1 ）智慧园区： 主要关注人、车、物等行为监管。
常用算法功能，例如越界识别、人员聚集、烟火识别、摔倒识别、攀爬识别、车牌识别等。
（ 2 ）智慧金融： 主要关注营业厅内部人员服务的规范。
常用算法功能，例如VIP人员识别、超柜代客操作、特殊人员关怀、人流统计、客户办理时长等；
（ 3 ）智慧城管： 主要关注街道、道路管理的规范。
常用算法功能，例如垃圾识别、占道经营识别、渣土车识别、积水识别、摊贩识别、机动车违规识别等；
我们可以看到，不同的场景应用，所关注的算法功能都是不相同的。
但是从算法功能的角度来说，其底层应用的算法模型，很多都是通用的。
在智慧城市项目中，很多不同的算法功能，都是由相同的算法模型搭配组合，再加上专属的业务功能搭配而成，比如：
（ 1 ）越界识别功能： 由人体检测+人体追踪+监测区域功能分析（在需监测区域设置ROI监测区域，判断是否有人体进入该区域）
（ 2 ）人流统计功能： 由人体检测+人体追踪+人流统计功能分析（在统计入口处绘制人流统计ROI监测区域，通过追踪人流计数）
（ 3 ）人员攀高识别： 由人体检测+人体追踪+围栏上方区域监测（在围栏上方绘制ROI监测区域，判断是否有人体进入该区域）
从以上案例可以看出，三者算法功能都是由人体检测+人体追踪+不同的业务功能组成的。
而实际上，各种场景中的算法功能，都是由不同的算法模型组合，加上专属的业务功能组成。
因此我们一方面需要关注不同场景的业务功能，知道算法功能实现的业务逻辑。
另一方面，也需要了解不同算法模型，在边缘设备上的适配部署。
在本文使用文档中，大家可以从算法模型适配、AidLux平台的使用、AI项目实战等整体流程的角度，进行多种算法功能完整的尝试。
示例文章：