图形/图像处理

1.该产品的功能：辅助医生进行手术，主要通过传感器定位手术工具，并在显示器中的虚拟空间显示相应的人体模型以及手术工具， 2.该产品的软件部分的模块构成：UI与控制模块，视图渲染模块，传感器(NDI)管理模块，空间配准模块， 3.本人负责视图渲染模块的编写及维护，UI与控制模块通用相应接口来对此模块进行配置，包括3D显示窗口的配置，3D物件的增删，人体模型的显示配置， 4.主要用到的技术有C++,QT,VTK,

视频结构化平台ViDeep是一套基于B/S架构的全场景全链路毫秒级响应的通用型视频结构化智能分析平台。依托视频流媒体技术与思谋自研的多领域智能算法引擎，搭载云边协同架构，解决通道数多难监管、无价值数据量大难存储、场景多样难融合等行业痛点问题，可实现流量、事件等多维视频结构化信息的一站式智能感知分析及预测管理，简化业务决策 主要负责内容： 1.用户基础模块：使用Shiro实现机构管理，设备管理，用户管理，角色管理，服务器管理等权限配置模块后端接口开发 2.数据检索：采用clickhouse分布式数据库存储数据，提高的车辆信息，人员数据的检索 3.设备管理：实现摄像设备基础信息管理，视频播放，信令服务管理等模块开发 4.数据推送：使用Websocket建立连接，实现布控告警数据的实时推送 5.模型管理：实现模型文件的上传，管理等功能，把对应的模型文件下发至边缘盒子，用户智能识别服务AI检测

本项目分成两个部分：模型训练和实时检测。 1）模型训练：主要是通过改进的Yolo V8算法，结合钢筋检测数据库，完成对应的钢筋检测模型的训练。目前收集整理的数据集有3000多张，测试检测准确率达到99%以上； 2) 模型推理：利用1训练得到的检测模型完成实时的钢筋检测，并给出对应的计数。单张图片检测时间达到毫秒级别，实时性高，可集成到app中。 本项目的额核心技术是目标检测技术，主要用到的算法是Yolo V8，该技术可以迁移到类似的项目上，例如竹签计数等。

基于windows sdk的微信客户端机器人，实现自动回复，产品推销，自动收款，商品分发。后期接入基于本地知识库的LLM实现智能客服。

通过导入第三方AI引擎，提高识别精度。 通过自定义script脚本，在导入AI引擎的同时，根据客户需求，加入相应的逻辑处理，实现数据的检查，整合以及保存处理。

樱花树绘画 画樱花的躯干 掉落的花瓣 绘图区域 画布大小 隐藏画笔 def tree(branchLen, t): sleep(0.0005) if branchLen > 3: if 8

该系统分为权限管理、基础数据维护、船期信息、泊位计划、工班计划、人员机械等模块。 本人做为该系统的项目经理，负责了前后端框架的搭建，数据字典创建，后端核心代码的编写，前端图形化编程的开发，图形化Excel的导出功能开发。

实现直播功能，构建Pay版块；实现聊天系统 布局复杂的短视频模块，实现外呼虚拟号码； 封装DecimalNumber金额计算 使用AAChartKit集成折线图展示分销数据 通过AES、RSA解决视频数据的安全传输

对灌木、乔木、地被等图例进行标注。有分组标注、局部标注和单个标注等标注方式。系统另外提供标注对齐、靠近处理、相关图层开关及标注完整检查等功能。系统提供是否进行同名连接等选项设置。 绿化选项：绿化标注等相关选项设置； 局部标注：选择若干图例，对所选择的图例认为是一个图例组团，然后按选择的布局方式进行标注； 分组标注：选择全部或大量图例，系统先进行分组，然后按最优布局或指定布局进行各个组团标注； 单个标注：进行一个标注，（支持选择多个同名图例）； 靠近处理：使得标注紧挨图例，用于标注文本位置调整； 对齐标注：使得标注左右对齐，可以对齐一个点也可以对齐其他标注； 标注检查：检查图例和标注是否对应，是否存在没有标注的图例，是否存在多余的标注； 删除标注：删除当前植物类型所选择的图形，包括标注图块、同名图例连接线和连接点； 图层开关：针对当前植物类型操作相关图层的开关，以方便进行标注操作；

实现直播功能，构建内购、微信支付宝支付；实现聊天系统 布局复杂的短视频模块，接入H5商场，与H5交互； 封装DecimalNumber金额计算； 布局礼物、送礼物模块；

1.红外传感器模块，K210图像识别模块，自组装轮式小车 2.整个团队负责这个项目，我主要负责算法编程 3.遇到的问题有小车需经过多个避障路段，比如攀爬楼梯，过曲折窄型弯道，刺破对应颜色气球，循迹行驶，使得小车必须具有多功能性，代码鲁棒性要强

1、该项目主要对接学校当前已有设备，摄像头和广播，整合摄像头和广播，实现app可查看教室情况并通过广播对教室进行讲话，从而实现老师可随时随地查看教室情况并对学生进行喊话的效果； 2、该项目我主要负责app端的开发，采用uni-app，自己封装安卓和ios原生的sdk供uni-app调用；

药房分拣系统： 包括视觉识别软件，运功控制软件， 视觉识别系统、机械臂 采用三维机器视觉可以有效识别药品三维数据，同时识别药品二维码信息。 算法根据药品三维数据以及二维码信息，可以控制机器人对药品进行快速分拣，利用视觉技术完成药品识别与复核。

负责底层三维平台的研发工作： 独立利用LOD、PageLod完成海量数据的展示，地形测量工具的开发，图层管理模块的开发等。修改系统bug。和前端开发经理沟通，参与设计整体软件构架。负责开发文档、接口的书写与维护。与前端技术人员联调具体的问题，把三维平台部署到服务器。

基于pytorch，利用YOLOV8进行检测待识别人的位置和骨架坐标，利用DeepSort算法进行提取待识别人的运动轨迹，对提取的视频帧实现逐帧识别人体骨架及走路姿势分析。 基于opencv对手势进行识别，实现对手指骨架特征的提取后使用二乘法拟合对手势进行全方位准确识别，并与人形机器人的机械臂进行通信（基于android开发的app）使其运动至与待识别手势相同的位姿。

本项目是一个基于图像检索技术实现的项链分拣助手工具，该软件工具帮助工作人员快速找到字母项链对应的订单信息。项目的主要工作原理是： 1）通过摄像头快速采集字母项链图片； 2）完成图像预处理，并快速提取字母项链的图像特征； 3）根据图像特征，从订单图像库中快速检索出对应的订单信息； 4）完成对应的订单信息显示和打印 这里的订单图像库采用倒排索引的方式来建库，支持百万量级的数据库秒级别的快速检索。图像特征采用一种自己设计的基于局部特征融合的全局特征，对图像的旋转和缩放具有一定的鲁棒性。 本项目的核心技术是：1）图像特征设计； 2）图像库索引设计； 3）海量图像库的快速检索；

本项目是 项目demo 使用springboot mybatis redis 前端使用 webpack react springboot vue react 前后端都会 视频处理 转码 springboot vue react 前后端都会 视频处理 转码

简单实现五种花的种类识别 具体{ "0": "daisy", "1": "dandelion", "2": "roses", "3": "sunflowers", "4": "tulips" } 项目本身使用的是alexnet网络

1.主要开发了UI界面设计、日志模块、通讯模块、程序模块、程序框架。 2.全软件自主设计完成，基于Winform联合VisionPro,实现定制视觉软件开发，基于Sql Server数据库，实现数据存储追溯。

绘画樱花树 import turtle from turtle import * import os import random as r # 播放音乐,建议一分二十秒 os.system("Lonely-Christmas.mp3") # setup(520, 520, startx=None, starty=None) bgcolor('black') speed(0) pencolor("green") pensize(10) penup() hideturtle() goto(0, 150) showturtle() pendown() shape(name="classic") # 画第一层树 seth(-120) for i in range(10): fd(12) right(2) penup() goto(0, 150) seth(-60) pendown() for i in range(10): fd(12) left(2) seth(-150) p