openCV

1. 面向工业视觉中激光切割OLED面板的定位和切割位置矫正，对面板上的圆弧、直线进行中线及转折点定位，根据标准位置进行偏差补偿。 2. 项目分为Mark定位、弧线转折中点定位、直线中间位置定位、偏差距离计算等。 3. 项目通过Halcon与C#联合编程，将算法库代码封装DLL，再进行调用，与电气、机械等进行联动。

面向电力系统工人安全问题，聚焦工业生产、建筑施工、矿山作业、电力运维等强安全管控场景，覆盖施工现场、厂区作业区、检修运维区域等，对人员密集、作业风险高的场所进行 7×24 小时智能监测。 算法选型与开发 基础模型：基于 PyTorch深度学习框架，选用目标检测模型YOLOv8 系列，针对安全帽识别场景二次训练优化。 数据处理： 采集多场景（不同光照、角度、人员着装）的安全帽图像 / 视频数据，构建包含 “正确佩戴”“未佩戴”“佩戴不规范”（如帽带未系、歪戴 ）的标注数据集； 通过数据增强扩充样本，提升模型泛化性。 功能实现： 检测人员头部区域，识别是否有符合标准的安全帽； 对安全帽佩戴细节（帽带、位置 ）做精细化判断，区分 “规范” 与 “不规范” 状态。

整体项目主要实现的是对于LVI-SAM算法从ROS1向ROS2系统框架的完整迁移，并且实现了其对于特定雷达、相机、IMU的特异化设计，整体包括针对硬件设备的驱动、LVI-SAM算法完整的ROS2实现以及对应模块部分的算法优化 这个主要用于SLAM算法，同步获取相机位姿以及全局的点云数据，实现整体的跟踪定位，对于内容可以用于三维生成。 这个主要用三维数据采集以及位姿生成，一般用于大场景3D-Gaussian数据。

1. 项目要求在一张集体照（人数不少于10人）中，对每一张人脸进行识别，要求识别正确率达到80%以上。 2. 每个人单张图像为3~5张，使用dlib建立人脸特征库。【人脸特征库有两种建立方式：（1）使用平均人脸特征。（2）使用3~5个人脸特征作为某人人脸特征的集群。经实验发现，第二种特征库建立方式更为有效。】 3. 集体照使用dlib提取人脸特征，与人脸特征库进行对比，达到人脸识别的效果。 4. 集体照人脸识别正确达到了100%。

本项目使用Python编程结合OpenCV计算机视觉库开发而来的智能人脸识别系统，该系统首先通过视频捕获接口读取用户指定的视频文件，然后利用预训练的人脸检测模型逐帧分析视频内容，当检测到人脸区域时，会自动裁剪出清晰的人脸图像，并按顺序编号保存到项目目录下的人脸库中进行保存

VINUS极影一体化演播室系统采用完全自主开发渲染引擎，集合了强大的场景编辑系统、物件动画编辑系统、纹理动画编辑系统、灯光控制系统、材质脚本编辑系统、粒子播控系统，以及多模式多协议跟踪系统。传统与VR兼容并包，支持4K应用与8K扩展，以最优的性价比、最简使用逻辑打造最专业的虚拟演播室直播、录播系统。可广泛应用于校园电视台、精品课录制、电商直播、短视频制作、广播电视、线上产品发布会等领域。采用自研AI抠像算法，无需复杂参数调节，一键抠除蓝/绿背景，实时查看抠像效果。无轨模式下，无需移动真实摄像机，软件内置摇臂系统即可实现多个机位之间的推拉摇移及切换，模拟摄像机阻尼运动效果。 系统是高度集成的多功能真三维实时渲染虚拟演播室解决方案，完美规避传统虚拟演播室系统架构复杂、成本高昂、安装调试维护困难等诸多缺点。不仅具备高质量虚拟VR/AR、多通道视频输入输出接口，还涵盖了高性能色键、多视频信号源混合切换、调音控制、字幕图文、视频录制、网络直播、流媒体发布等多种应用功能。一套系统即可满足各类型节目虚拟制作应用需求。

专为嵌入式开发者打造的实用工具，可将24位RGB图像智能转换为嵌入式设备通用的16位RGB565格式，自动生成可直接调用的C语言头文件。支持自定义输出分辨率并保持原图宽高比，内置OpenCV高性能缩放算法，确保在资源受限的显示屏上呈现最佳效果。适用于STM32/ESP32等微控制器项目，可快速集成到LCD、TFT、OLED等显示驱动中，显著节省存储空间并提升显示性能。提供便捷的命令行交互界面，支持Windows/Linux跨平台运行，是物联网设备图形界面开发的效率利器。

管道智能巡检系统是根据国家管网集团某管道有限公司某分公司管道巡检的特定需求量身定制开发的，用以确保巡检业务能够在某省某市某地区的特定环境中高效运作。该系统由一个中心服务器和多个巡检机器人，以及若干电脑客户端、移动客户端组成。 巡检机器人软件通过5G网络与中心服务器进行通讯。实时采集各种设备运行参数，上报当前工作状态数据；接收中心服务器下发命令，设置巡检管理参数，执行巡检任务控制、行进控制等处理；在巡检过程中，实时进行目标检测和相关图像上传；当检测到可疑情况时，自动停止行进，就地检测确认。 该软件由多个功能服务模块组成，通过内部服务接口交互；自定义通讯协议，与中心服务器通讯；基于网络、USB、GPIO等接口，采集数据和图像，使用图像目标识别技术，进行异常情况智能检测。 硬件配置：CPU ARM Cortex-A57，内存4GB，存储128GB，GPU NVIDIA MAXWELL；操作系统：UBUNTU18.04.6，支撑软件：CUDA10.2.3、CUDNN8.2.1、TENSORRT8.2.1、OPENCV4.1.1，开发工具：QT5.9.5，编译环境：QTCREATOR4.5.2。

管道智能巡检系统是根据国家管网集团某管道有限公司某分公司管道巡检的特定需求量身定制开发的，用以确保巡检业务能够在某省某市某地区的特定环境中高效运作。该系统由一个中心服务器和多个巡检机器人，以及若干电脑客户端、移动客户端组成。 中心服务器软件提供用户、设备和巡检等管理服务；接收巡检机器人上报数据，并分发给各客户端；接收客户端的控制命令，并转发给指定的巡检机器人；在巡检过程中，接收巡检机器人上传图像数据后，实时进行推理分析和异常情况处理，分类存储相关图像数据和处理结果，并将图像数据、告警事件等信息分发给各客户端；接收客户端的数据查询、图像下载等请求，返回相应数据信息和图像文件。 该软件由多个功能服务模块组成，通过内部服务接口交互；自定义通讯协议，与巡检机器人、电脑客户端、移动客户端通讯；使用图像目标识别技术，进行异常情况智能检测；巡检数据和图像，使用数据库和文件存储。 硬件配置：CPU Intel Core I5-12400F，内存32GB，固态硬盘1TB，GPU NVIDIA GEFORCE RTX 2080TI；操作系统：UBUNTU22.04.5，支撑软件：CUDA11.8.0、CUDNN8.6.0、TENSORRT8.5.1、OPENCV4.9.0，开发工具：QT5.9.5，编译环境：QTCREATOR4.5.2。

安防或者工业领域或商用考情打卡，人脸检测算法。 人脸检测工程项目旨在开发一套高效精准的人脸识别系统，基于OpenCV、eigenface实现实时人脸定位与特征分析。系统支持图像、视频流及摄像头输入，可适应复杂光照、多角度及遮挡场景，检测准确率达98%以上。通过优化代码，确保在嵌入式设备与服务器端的高效运行。项目集成数据增强、模型训练及可视化界面开发，应用于安防监控、人脸考勤、智能门禁等领域，提供API接口便于二次开发，满足工业级部署需求。

面向学生的毕业设计，系统利用Google开源的MediaPipe库实现了对手部关键点的准确检测。MediaPipe是一种高效的开源框架，能够在实时视频流中追踪人体、手部、面部等关键点，为手势识别提供了可靠的基础。，利用NumPy库对手部关键点的相对位置进行计算，从而实现了对手势的识别。通过分析手部关键点的空间位置关系，可以确定不同手势所具有的特征，如手掌张开、握拳、比划等。利用NumPy提供的向量化运算和矩阵操作，能够高效地计算出这些特征，并将其映射到预定义的手势类别中，实现了对手势的实时识别。

系统前端采用基于elementui的vue框架开发，后端采用python + fastapi + opencv,功能涵盖,登录注册、管理课程 管理考勤、我的课程我的考勤等模块，同时涵盖：管理员、教师、学生三种角色

我是一名专注于深度学习和人工智能领域的软件工程师，拥有丰富的实践经验和扎实的技术背景。我擅长使用 Python 进行编程，并在图像处理和自然语言处理领域有着深入的研究和实践。我曾成功应用深度学习模型于新闻文本分类、人体姿态识别项目以及图像分类检测等任务。 项目经验 新闻文本分类系统： 行业应用：媒体、出版、内容分析 功能实现：自动化新闻内容分类，个性化新闻推荐，内容审核 技术亮点：利用预训练模型 BERT 提升分类准确性，支持多类别文本分类 人体姿态识别系统： 行业应用：健康监测、运动分析、安全监控、人机交互 功能实现：运动训练分析，老年人跌倒检测，异常行为识别 技术亮点：实时数据处理，高准确性的姿态识别算法，易于集成的 API 设计

1、识别模块：基于opencv通过模板匹配算法进行音乐乐符的识别与解析，生成包含乐符音种以及时长的json文件 2、自动演奏模块：基于tkinter的前端弹奏页面，通过选择歌曲的json文件进行数据的整理以及自动化弹奏

基于robomaster机甲大师； 为个人视觉组初稿，仍有较多问题，远不及开源的大佬所作，但文本通俗易懂，为初学者提供入门思路； 代码注释行也会有相应讲解，非技术人员可以跳过； 部分技术可在博主其他博文中略知一二； 本算法最终测试帧率在150帧左右（单线程）；

基于opencv的10ms内模板匹配，使用C++完成，利用NCC原理，包括ui设计，软件稳定性设计等，使用纯开源算法，新的解决思路，形成demo

1.本系统基于python设计并开发，包括录入新面孔、训练人脸、情绪识别等模块，利用OpenCV函数库与其自带的各种深度学习算法，通过摄像头接收图像信息，进行人脸识别与情绪识别，同时实现了在屏幕上显示标注的图像，并在识别到相应异常情绪时发出警告并提供相应处置方案； 2.本系统使用PyCharm进行开发，导入了OpenCV、PIL、keras、easygui等库，使用easygui做程序页面和逻辑，用OpenCV做图像识别和显示。

1.基于python实现完整程序 其中使用opencv作为图片处理 PySide2作为ui界面 2.使用可以使用EDSR，ESPCN，FSRCNN，Lap-SRN 模型进行 x2，x3，x4，x8的进行图片超分辨率 3.优点 拥有一些必要的提示可以很好的帮助客户选择模型 拥有快速安装与卸载的软件包 4.缺点 该程序无法放大图片大小超过3000*2000像素的图片 该程序的进度条有待优化(卡99%) 该程序的模型质量不足 该程序bug比较多

组态算法平台 用于流程验证 算法实验教学，灵活的插件式架构。独立的算法插件方便灵活扩展算法工具箱。图形化的操作流程方便快速验证算法。每个算法节点支持独立的参数设置。