AI+图书馆预约系统产品系统

本项目面向高校图书馆、自习室、实验室、共享办公区及企业办公场所，构建融合AI视觉、边缘计算、物联网设备接入与空间数字化管理的一体化解决方案。传统空间管理普遍依赖扫码、刷卡或人工签到，容易出现代签、漏签、预约后未到、人员离开但资源持续占用，以及管理人员无法实时掌握空间使用状态等问题。系统在座位预约业务的基础上，将摄像设备、边缘计算节点和云端管理平台进行协同，通过边缘侧视觉算法对指定区域内的人员身份、在席状态和进入离开事件进行实时分析，在用户授权及符合管理规则的前提下，自动触发签到、暂离、返回和签退流程。相较于将原始视频持续传输至云端的传统方式，边缘计算可在靠近设备和业务现场的位置完成识别与事件提取，仅将必要的结构化结果上报管理平台，从而降低视频传输带宽、缩短响应时间，并减少原始数据跨网络流转。管理员可实时查看座位使用情况、空间利用率、预约趋势、人员状态及异常事件，并基于数据优化空间配置和开放规则。该方案还可扩展至企业共享工位、值班岗位、生产岗位、前台席位及会议空间，用于岗位暂离、返回、离岗和异常脱岗的辅助识别，形成“端侧感知、边缘分析、云端管理、业务联动”的空间智能化闭环。

平台由空间预约、可视化座位管理、AI人脸识别、边缘智能分析、无感签到签退、岗位状态监测、异常事件处理、规则引擎及数据看板等模块组成。用户可按日期、场所和座位查看空闲、已预约、使用中及不可用状态，并在线完成预约和记录查询。现场摄像设备将授权区域的视频流接入边缘计算节点，由边缘侧视觉算法执行人脸检测与识别、人员存在判断、区域进入离开分析和在席状态识别，将连续视频转换为签到、暂离、返回、离岗等结构化事件，再由管理平台结合预约信息和业务规则进行判定。管理员可灵活配置签到有效时段、迟到时间、允许暂离时长、超时释放、自动签退及违约处理策略，避免单次识别结果直接改变业务状态。识别记录模块可展示抓拍信息、匹配结果、事件类型、发生时间、识别可信度、终端来源和处理状态，并为低可信度或异常事件提供人工复核入口。数据看板集中展示累计预约量、累计使用时长、人均时长、活跃用户、空间使用率、近期趋势、使用排行和异常记录。边缘节点在网络短时中断时可按配置继续完成本地分析和事件缓存，网络恢复后同步必要数据。系统可按场景扩展设备状态监测、消息通知、多区域联动及第三方身份系统对接，满足高校空间运营与企业岗位管理需求。

项目采用“智能感知终端、边缘计算节点、业务服务平台、可视化管理中心”的分层架构。我方完成预约业务、空间与座位模型、前后端平台、规则配置、数据统计，以及AI视觉和边缘计算能力的集成。前端采用Vue实现预约大厅、数字化座位图、识别记录和运营看板；后端使用Java构建用户、空间、座位、预约、识别事件、设备和规则等业务服务。摄像设备的视频流在授权范围内接入边缘节点，由本地推理服务执行人脸特征比对、人员检测、区域入侵判断及连续状态分析，将高带宽的非结构化视频转化为轻量化事件数据，再通过标准接口上传业务平台。平台结合预约记录、识别可信度、事件连续性和时限规则，对签到、暂离、返回、签退及异常占用进行状态编排，从工程层面降低单帧误识别对业务结果的影响。系统通过事件驱动方式实现设备识别与业务流程解耦，可根据不同现场条件调整检测区域、识别阈值、采样策略和状态规则，并支持后续接入不同品牌的摄像设备、边缘终端、统一身份认证及消息服务。边缘侧优先处理还能够降低云端计算压力和网络带宽消耗，提升实时响应与数据可控性。涉及人脸信息时，平台可配置告知同意、访问权限、加密保护、保存期限、记录删除和人工复核机制，并保留扫码、刷卡等替代方式。