NLP，即Natural Language Processing，中文为自然语言处理，是人工智能领域的一个重要方向，也是公认为最难的方向。自然语言处理是一门融语言学、心理学、计算机科学、数学等于一体的科学。

今天我们的生活离不开NLP，日常中的输入法，搜索，语音指令控制，新闻阅读推荐，广告等都在应用NLP技术。

智能客服机器人是一种使用自然语言与用户进行交互的人工智能信息系统，它采用包括自然语言理解、会话管理技术在内的多项智能人机交互技术，能够识别并理解用户提出的问题，通过语义分析用户意图，并以人性化的方式与用户沟通，向用户提供客户服务。当前业界主流的客服系统还都是以问答为主，利用NLP技术，将用户提出的问题与知识库中的标准问题（意图）进行匹配，将最匹配的问题的答案返回给用户。比如，知识库设定的一个标准问题是“无骑手接单”，当客户说“怎么还没有人接单”时，机器理解用户意图，将标准问题“无骑手接单”的答案呈现给用户。机器的准确性依赖底层算法和知识库维护。但对于复杂场景，比如"修改订单"，需要明确用户修改哪个订单、订单里哪一项、以及修改成什么，这就促使客服系统需要使用更复杂高级的技术来解决这类各式各样的任务问题。另外，在与用户沟通过程中，智能系统还需要有风险监控能力，通过对用户复杂情感进行建模，实时获取用户情绪，进而依据用户的情感做出不同响应策略。

主要参数：

全目标跟踪检测：算法系统实现对80路视频中行人、车辆以及人脸目标的跟踪检测。

人体/人脸属性识别：支持识别出人脸（头部）、上半身以及下半身的位置。在识别出人脸（头部）的基础上识别出人脸（头部）相关属性包括：是否戴口罩、是否戴眼镜、是否戴帽子、发型等。在检测出上半身的基础上，进一步识别出上衣颜色、上衣款式、上衣纹理等相关属性。在检测出下半身的基础上，进一步识别出下衣颜色、下衣款式、下衣纹理等。基于人体全貌，进一步识别出目标的性别、年龄段、是否背包、是否拧东西、是否打伞。

车辆属性识别：支持识别出车辆的姿态，是车头、车尾还是侧向。车头场景下，支持识别出车牌号码、车辆颜色、车型、车辆品牌以及车窗相关特征。车尾场景下，支持识别出车牌号码、车辆颜色、车型、车辆品牌。侧向场景下，支持识别出车辆颜色、车型。

行人Re-ID特征提取：算法包含Re-ID算法，实现对人体目标的特征提取。基于Re-ID信息，业务层可以实现较为精准的以图搜图功能。

结构化数据检索：支持将算法解析后的属性数据保存至本地的数据存储系统并搭建结构化属性检索引擎。检索引擎基于Restful接口提供人体、非机动车、机动车目标的属性检索服务，支持选择多属性组合检索。

以图搜图：支持将算法解析后的特征值数据保存至本地的数据存储系统并搭建特征值比对排序引擎。搜图引擎基于Restful接口提供人体、非机动车、机动车目标的以图搜图服务，检索结果按照与原图相似度大小降序排列。通过该接口，业务端可以实现与以图搜图相关的业务功能

数据级联："支持将解析后的数据主动推送至其他已授权的大数据系统中。

（1）支持将结构化后的数据包括（目标属性特征、矢量特征、目标快照URL或者base64编码、背景截图URL或者base64编码）输出至消息中间件。

（2）支持将结构化后的数据包括（目标属性特征、矢量特征、目标快照URL或者base64编码、背景截图URL或者base64编码）通过restful接口方式推送到第三方数据库系统。"

任务任务管理：包括比较完备的视频结构化任务管理接口，具体包括：1、新增结构化任务接口 2、 查询结构化任务接口 3、暂停/启动实时结构化任务接口 4、删除结构化任务接口

视频处理：支持从视频共享平台获取在线录像流进行摘要分析；支持80路标准离线视频文件进行摘要分析，离线视频url支持FTP路径

浓缩视频：支持提取视频中活动目标，与背景融合拼接，生成一个包含所有活动目标的浓缩视频。浓缩视频至少有一个画面包括两个以上于不同位置不同时间出现的运动目标。浓缩视频当观看效果良好，目标无明显部位缺失，相撞等合成痕迹；

时标物标标注：浓缩视频当支持物体标注以及物体出现时间标注。

浓缩视频回溯：通过点击浓缩视频中的目标，能准确快速跳转到该目标对的原始视频片断，观看到该目标在原始视频中的运动状态。

浓缩密度调节：支持密度调节以改变浓缩视频时在时空浓缩时的密集程度。

视频处理效率：视频处理效率不低于30倍速。

组合播放：浓缩的视频支持目标轨迹信息组合播放

外部应用接口：提供符合用开发需要的接口