[文档补充] 新增组会文档

Docs/2024-10-25/README.md

@@ -0,0 +1,29 @@
+# 2024-10-25 组会汇报
+
+## 一、科研项目
+- 无新进展
+## 二、工程项目
+### 2.1 梳理行人重识别服务流程
+![alt text](image/person_reid_service.png)
+检测到行人之后
+- 首先在数据库里检索是否有相似度比较高的人
+  - 这一步需要用向量数据库来做，若出现，则给出对应的id，否则id为无效值
+- 之后给系统后端发送一个http消息，http消息的json格式如下：
+  ```json
+  {
+    "PersonId": 1 // 行人id
+    "Picture": "xxx"// base64编码后的行人原图数据
+    "CameraIP": "192.169.0.0" //摄像头IP地址
+    "TimeStamp": "xxx"//时间戳
+  }
+  ```
+- 判定这段视频里后面几秒内是否重复出现该行人，注意以下事项：
+  - 视频可见范围内，只发一次http消息
+  - 相似度高的人不管在摄像头中消失多少次，都是一个相同的ID
+### 2.2 熟悉faiss等第三方库的使用
+- Dockerfile配置：源码编译安装faiss、leveldb、libhv等第三方依赖库，解决依赖库之间的版本兼容问题（Cuda，CMake，Docker镜像相关）
+- Demo示例学习：查阅官方说明文档，学习faiss和leveldb的插入和检索操作，学习如何使用libhv实现一个简单的http客户端发送http消息
+### 2.3 待办事项
+- 按照前文的流程图，代码实现行人重识别服务
+
+[项目链接](https://github.com/dancing-ui/uestc_vhm)