2.對動態視頻中的現場人員進行實時檢測，定位並標記邊界，從而分析個人外貌和姿態，獲取性別和年齡數據，收集數據輔助經營決策。
3.基於人工智能的視覺分析技術，分析人體屬性特征與圖像低層特征之間的映射關系，測試或識別人體框架中的視覺語義特征。識別人的性別、年齡、服裝外觀等特征。適用於零售、安防、邊檢、醫療、教育、金融等場景。
4.基於大量人體運動數據訓練，結合攝像頭和視覺分析技術，根據人體18個關鍵點實時檢測和捕捉人體姿態結果，可用於智能家居、互動遊戲、健身舞蹈、視頻回顧和安防領域。
擴展數據
動作識別
隨著計算機科學和人工智能的發展和應用，視頻分析技術迅速興起並受到廣泛關註。視頻分析的核心之壹是人體行為識別，行為識別的準確性和快速性將直接影響視頻分析系統後續工作的結果。因此，如何提高視頻中人體行為識別的準確性和快速性成為視頻分析系統研究的關鍵問題。
目前，典型的視頻人體行為識別方法主要有:時空興趣點、密集軌跡等。其中，時空興趣點是通過檢測視頻中的角點，提取角點的特征來識別人體行為的，但是有些角點是由背景噪聲產生的，不僅會影響最終的結果，還會減緩識別的運行速度。密集軌跡是指在多個尺度上對視頻的每壹幀進行密集采樣，然後對采樣點進行跟蹤得到軌跡，再提取軌跡的特征進行行為識別。但是這種方法計算復雜度高，特征維數高，會占用大量內存，難以實時識別。