Api caracterización de videos/imágenes. image recognition

Hola. Contamos con una API en una etapa inicial, la cual ubica personas en un video, realiza un determinado reconocimiento y caracterización de imágenes a través del tiempo (ej.  Actividades realizadas, movimientos de ojos, cejas, boca, manos, cabeza, rostro en general) y arroja la caracterización del video/personas en json. Actualmente, buscamos la continuación de la API y la ampliación de su alcance, en torno a: perfeccionamiento en el reconocimiento y caracterización de personas en restaurantes y tiendas de alimentos (ej., Durante la atención, la ingesta de alimentos, la interacción con proveedor, etc.) Y también en escenarios violentos. Ambos con precisión mínima del 80%. El freelancer debe recopilar los videos e imágenes y realizar el etiquetado, entrenamiento, validación, etc.
La API mejorada como resultado del presente servicio debe:
- Leer y procesar archivos de video o imágenes de varias fuentes con la autorización adecuada (ej., Drive, Onedrive, Azure, AWS), bien sea el enlace específico a un video/imagen particular o a una carpeta con varios videos/imágenes para ser procesados todos ellos. La BD debe estar en MongoDB. La API actual está funcionando en nuestra nube de Azure. La versión mejorada debe seguir allí, así como la creación de la BD en MongoDB. Debe asegurarse la seguridad con autenticación adecuada a la API y también a la bd de Mongo para posteriores consultas de los resultados de la caracterización de videos/imágenes.