卜时明餐：校园餐厅人流量实时监测系统

做了一两周，这个项目应该要告一段落了
这几周每天肝到深夜，也挺开心的啊，和小伙伴完美配合，做出成品后还是很有成就感。
把这学期学的数据库啊、java、计算机网络都实际用到了
简单记录一下这次项目经历。

大概是这样子的

P的视频

B站备份了视频,顺便骗一波三连。

编造的背景

校园餐厅 中午、晚餐吃饭学生惊人的多！
每次排队时间超长烦恼至极，心情不愉。。
校园两餐厅距离遥远，美食遥不可及，无法实时观测人数
排队浪费零碎时间

虚构的功能

帮助学生和在校教师合理规划用餐时间，避开人流高峰。
（校园餐厅各个楼层人流实时监测，实时刷新每个窗口人数，实时通过小程序查看每个窗口的用餐情况）

花里胡哨的技术栈

深度学习：Tensorflow + yolov3
后端：java、SpringBoot
前端：微信小程序
数据库：Mysql
服务器：ubuntu

前端

用户端：微信小程序
展示餐厅、热门窗口实时人数，菜谱推荐。
[]

深度学习算法

Tensorflow + yolov3物体识别
小伙伴开发的
二餐二楼自助餐窗口人流识别

数据库

第一次真正意义上玩linux系统，部署了mysql数据库
ubuntu安装mysql的blog地址，前人经验贴，看这个操作一下就行

还设计了很正经的数据库ER图，真的把这学期学到的知识用上了。。

后端

最后就是后端了，用java写的(也是这学期学的呀。。）
用了SpringBoot框架 + JDBC操作数据库；
其实和现在学的Tomcat+sevlert+JDBC一样的操作。

架构图

怎么把前端、后端、深度学习物体识别、数据库连接起来呢？
首先是，摄像头记录餐厅实时视频状况，传给yolov3物体识别服务器(小伙伴的笔记本)，模型识别出实时人数，（通过TCP/IP协议)连接阿里云服务器部署的数据库，写入实时数据
然后是用户端，用户玩手机打开微信小程序，会发起Http请求给后端，后端拿到并解析Http数据报后，向服务器上的数据库获取实时人数数据，返回给微信小程序，微信小程序渲染数据就可以了。

差不多就这样