⑴悠络客电脑版是一款功能强大操作简单视频监控软件，该软件支持人形人脸检测与跟踪关键点检测属性识别视频行为分析与检索人体姿态评估等多种多种强大特色功能，通过该软件用户可以利用摄像头对摄像区域进行监控，可以实时在线对监控区域进行监控回放控制等操作；悠络客客户端功能丰富齐全且专业实用，适用于各行各业不同环境领域，可以说是一款功能相当强大的电脑远程客户端，它可以帮助管理者通过摄像头对店铺公式等的区域进行监控，非常方便实用，有需要的用户可以下载进行使用。
⑵管理者在巡查店铺的过程中，可以随时一键拨打店长的电话，沟通店铺情况
⑶关注的店铺与视频
⑷管理者可以将近期关注的店铺以及视频添加到关注列表，随时查看，并且随时编辑关注列表
⑸提供给管理者一目了然的问题饼状图，让管理者清楚知道店铺的问题占比，来作为管理上的重要参考
⑹管理者可随时查看任意店铺任意位置的历史视频，为管理者取证调资料提供了便捷快速的方式
⑺视频巡查的过程中，发现问题，随时截图，并且可以对截图进行归类管理，随时查看各类问题的管理报表
⑻悠络客人脸识别算法通过跟进神经网络及人脸相关技术的最新研究，结合自身业务的特点，对人脸检测人脸关键点检测人脸属性人脸验证
⑼与识别均进行了深入分析设计与实现，分析人员特征属性，满足不同场景人员身份识别需求。
⑽悠络客人形检测算法利用深度学习的相关算法，检测图片中类似人形的区域，可检测的人形模式包括：人头模式，头肩模式以及全身模式。
⑾人形检测算法可用在监控防盗防损客流分析热区分析等应用中。
⑿基于图片的人形判断
⒀利用深度学习算法，让计算机自动学习人形图片中的特征，并通过学习到的特征进行人形判定。
⒁悠络客采用基于移动轨迹追踪轨迹正态模式判定分类器分类的流程管理，采用背影建模轨迹跟踪轨迹判定
⒂模式识别分类等技术，实现对老鼠的精准检测。
⒃行为分析的目的在于从一段未经裁剪的视频中检测出包含特定行为的片段并对片段的开始及结束时间进行定位。通过行为分析技术，对视频进行检索与分析，
⒄查找和定位感兴趣的动作。实现门店规范管理异常行为报警，客户行为分析等需求。
⒅物体检测的目的在于从一张图像中判断目标物是否存在，并对存在的目标物确定其在图像中的坐标位置。通过对象检测技术，
⒆规范物品摆放，解决缺货串货等问题
⒇全球门店可视化管理，低带宽视频播放流畅，多终端便捷随时看
⒈市场上主流摄像机设备皆可接入悠络客系统，集中管理您的设备
⒉个性化系统界面和功能设计，运用各个终端，轻松管理您的店铺
⒊智能算法分析，机器学习，根据不同的场景各行业需求输入数据
⒋累计多维度顾客数据，分析知道经营策略，让您的门店更“聪明”
⒌率先颠覆行业的主动式服务，出现问题平台主动告警解决。
⒍平台不间断监测设备运行，*h服务
⒎每个客户提供一名专职项目经理进行全程跟进，包括方案设计项目实施技术解答等工作，进行一对一的服务模式。
⒏平台级的运营监控服务
⒐服务体系完备，响应快
⒑服务覆盖中国个省市（港澳台及新加坡地区，多个县市，拥有多个服务网点，多位实施工程师提供服务。
⒒拥有在线安装支持和验收体系
⒓线上线下均可快速专业地处理问题
⒔双击软件进入软件登录页面，点击输入软件账号和密码然后点击登录按钮进行软件登录
⒕完成软件都呢拉姑进入软件设备管理页面，该页面可以进行设备连接进行视频实时监控
⒖完成生病连接后可以点击视频屏幕进行对应视频设备进行视频监控查看
⒗点击软件右上角的消息按钮弹出软件消息中心弹框，该弹框可以查看系统消息
⒘点击软件右边的显示按钮弹出软件快捷键应用功能列表，该列表可以进行在线考评视频录像创建事件视频截图等操作
⒙点击视频接口下方的视频显示类型，可以切换视频屏幕监控个数
⒚点击创建事件按钮即可进行视频监控事件进行新建，点击视频截图按钮可以进行视频截图
⒛点击视频接口名称管理可以进行对应层级的监控区域进行切换
①自主设计开发基于私有设备接入协议的设备接入服务，保证接入设备数据的安全性；
②C++开发，高效使用CPU内存线程IO资源，单节点支持万台以上设备接入；
③所有接入设备均支持远程升级，保证设备的功能扩展；
④分布式架构，覆盖全国，支持动态扩容；
⑤悠络客IoT平台通信的实时性在线的稳定性协议的可扩展性单节点支撑设备的接入数量都是传统行业所不具备的；
⑥将图像划分成多个区域，通过卷积神经网络实现对每个区域内容的精准分析。
⑦轻量级的神经网络模型，可以移植到前端设备中使用。
⑧融合目标图像的多种尺寸的特征图，实现对于不同尺寸目标物的检出与定位。
⑨悠络客行为分析采用基于深度学习的时序行为检测技术，相较于传统的人工特征提取方法，D深度神经网能够更高效的从视频中获取更高质量的时空特征用于特定行为定位。
⑩根据待检测视频是一整段读入的还是逐次读入的，可以进行线上和线下两种应用方法。
Ⅰ拥有大量的实际商业场景数据，基于该数据进行收集打标签，自研打标系统涉及人脸检测标签人脸属性标签人脸姿态标签人脸识别标签等。自采集数据进行训练，训练的结果更契合实际商业场景。
Ⅱ对各种网络结构各种代价函数和训练方法进行了分析和实验，积累了丰富经验。建立评估集，侧重点更强调非配合式人脸识别。客户不需要配合摄像头无感知就能完成相关的业务逻辑。
Ⅲ通过对各种最新神经网络架构的研究，设计了多种模型来适应不同的运行环境，能灵活得运行在服务端前端工控机前端嵌入式设备上。