💰 HKD 240–2000
👤 Unknown
🕒 9d ago
status: new
Required Skills
Linux
Machine Learning (ML)
MQTT
OpenCV
Signal Processing
Data Analysis
Computer Vision
Deep Learning
Anomaly Detection
Edge Computing
Project Description
我准备上线一套面向居家场景的智能监测系统，希望通过视觉与物联网技术，及早发现老人或慢病人群的高危状况并推送告警。
核心需求
1. 高危动作异常 —— 同时精准识别“摔倒”与“跌倒”，第一时间触发报警。
2. 状态失能异常 —— 既要判断“长时间静止不动”，也要捕捉“无自主行为”状态，实现持续跟踪。
3. 出入与行为节律 —— 对家门进出时间、频次和时段进行建模，结合如厕频率、徘徊轨迹、家电使用等行为模式，挖掘偏离日常规律的征兆。
4. 生理体征 —— 基于微动信号提取呼吸、心率等指标，与个人基线比较后给出健康风险提示。
我期望的交付
• 场景与传感器选型报告：摄像头、毫米波雷达、惯性传感器等可行性分析。
• 算法与模型：包含数据清洗、特征工程、深度学习或传统 CV/信号处理方案，需给出训练脚本与推理 API。
• 功能性原型：可在本地或边缘端实时运行，界面展示告警信息，并通过 MQTT/HTTP 推送到后台。
• 技术文档：部署指南、接口说明、测试用例及关键性能指标（例如跌倒检测准确率、误报率等）。
理想人选
熟悉 OpenCV、PyTorch/TensorFlow 或 mmWave SDK，对人体姿态估计、时序异常检测有实战经验；能在 Linux + Docker 环境里快速迭代；对养老、康复或智慧家居项目有交付记录更佳。
请附上相关案例、模型效果或仓库链接，让我能快速评估你的解决思路和交付能力。期待与你合作，把这套居家安全“护身符”尽快落地。