图像(Image)

本方案基于OpenCV计算机视觉库，开发了一套实时视频人脸识别与特效处理系统。系统通过Haar级联分类器精准检测人脸特征点，实时定位眼睛和嘴巴区域，并运用先进的图像处理算法对特征区域进行特殊处理。针对眼睛部位采用强化的鱼眼畸变算法，通过非线性坐标映射实现眼球突出膨胀的视觉效果，使其呈现夸张的圆形凸出状态；对嘴巴区域则实施水平方向的适度拉伸变形。所有处理后的特征区域均经过羽化边缘处理，确保与黑色狗狗背景无缝融合，最终生成具有戏剧化效果的趣味换脸视频特效，可广泛应用于短视频制作、娱乐应用和实时视频互动场景。

1.嵌入式AI检测跟踪算法部署，可实时运行 2.上位机控制，网络下发指令和图像流， 3，返回下位机结果，在上位机综合决策并绘制信息。 4. 下位机可拓展开发控制外设（如伺服运动机构） 5. 算法之间可交互，可输入外部辅助信息，综合决策 6，示例中下位机使用的atlas200平台，同时支持海思3559/3403，RK35XX系列，以及其他 带NPU核心的平台移植开发。

Matlab实现，数字图像处理，灰度显示等，可以分离不同灰度等级的图像。本作品运用MATLAB实现数字图像处理全流程技术突破： ✅ ​核心功能​ 多维度灰度处理：支持直方图均衡化、非线性变换技术，实现8-256级灰度精准分层（如图分离不同灰度等级图像） 通道分解引擎：一键分离RGB三通道并重构单色图像（展示红/绿/蓝独立通道特征） 空间域滤波：集成中值滤波降噪、Laplacian锐化算子，峰值信噪比(PSNR)提升42% ✅ ​技术创新​ 提出动态阈值分割算法，结合边缘检测优化，实现粘连目标分离（如图片分离重叠细胞） ✅ ​工程价值​ 支持医学影像预处理、工业缺陷检测等场景，已应用于某生物实验室显微图像分析项目，识别效率提高3倍

1. 产品面向科研院所，解决了自动处理遥感图像，自动识别机场和飞机的需求。 2. 相比市场常规方案，此方案具有速度快，识别准确的特点。 3. 方案用到了opencv的图像处理算法，包括图像增强，图像分割。用到了matlab实现的注意力算法，用到了tensorflow架构实现的图片分类和目标检测模型.方案的部署采用了docker技术.

本方案面向需要使用ai视觉识别目标物体返回任务给机器人主体做出操作,通过yolo训练目标物体获得数据集，用OpenCV获取视觉最后返回坐标给机器人完成视觉定位，后期可以开放性决定主体操作，并且支持实时识别减小误差，稳定扫描目标物体，可以在Linux系统Windows系统上使用，支持python，c++等多语言跨平台运用的模型与数据集

本方案面向需要使用ai视觉识别目标物体返回任务给机器人主体做出操作,通过yolo训练目标物体获得数据集，用OpenCV获取视觉最后返回坐标给机器人完成视觉定位，后期可以开放性决定主体操作，并且支持实时识别减小误差，稳定扫描目标物体，可以在Linux系统Windows系统上使用，支持python，c++等多语言跨平台运用的模型与数据集

使用CNN，对猫狗进行模型训练，自动识别不同场景下摄像头捕捉到的模型是猫还是小狗，可以自动进行宠物分离。准确度在迭代25次时，准确率为80%，用户可以根据自己的需求，选择迭代次数，目前测试35次为最佳，但是所用时间会较长。因为该项目结构简单，样本数量为公开数据集，使用时操作简单，运行也比较流畅，需要注意的是，随着部分安装包的更新，有些数据包的命令可能会失效，如果遇到什么问题，可以主动和店主联系，给您一个满意的答复

研究采用Django和Vue框架构建Web交互平台，以MySQL为数据库，利用LiTS2017公开数据集和用户上传数据，基于UNet网络模型进行肝脏图像分割系统的开发。系统实现了用户注册登录、个人信息管理、肝脏CT图像的单次和批量分割、分割结果展示及量化评估、权重文件管理、训练记录和分割记录管理等功能。经测试，系统在功能、性能、安全性和兼容性等方面表现良好，能够满足医学工作者辅助诊断和学生研究的需求。

本方案面向工业 4.0 新型工厂，针对传统自动化产线中目标抓取、焊接、打胶等操作需预处理目标的痛点，实现无需人工调整的自动化作业，提升产线灵活性与效率。区别于市场常规方案，采用自主研发的机构光相机采集目标区域点云数据，结合自研算法实现目标的精准识别、定位与控制，具备非接触式测量、环境适应性强、无需目标预处理等优势，可适配多场景自动化生产需求。核心由机构光相机硬件、点云数据处理算法及自动化控制软件构成，通过自研光机电一体化技术，实现从数据采集到执行控制的全流程自主化。

本方案可以根据客户需求进行定制相应的目标检测系统，当前已经实现了一套基于rk1808的手机目标报警系统，该功能场景为：电脑含有保密信息，期望屏幕防偷拍或恶意遮挡等需求，可实现10cm-6m区间内实时手机摄像头检测并作出响应，或有摄像头遮挡时也会做出报警。 该工程优势在于： 1.本方案使用rk1808板卡，具有产品竞争力。 2.虽然使用低端板卡，但在项目实践中发挥出色能力，可以在10cm-6m毫秒级精准检测各类手机目标。 3.有近10万张手机图像组成的强大数据集训练的模型支撑，可以在各种昏暗场景及复杂场景中（倒置手机，手机只剩摄像头上半部分等）使用，使得产品具有竞争力。 4.本方案可以根据客户要求定制其他物体/行为检测，诸如安防（厂区火烟检测，电梯内携带电瓶车电瓶检测），司机疲劳驾驶检测等等。

该软件是一个典型的目标检测平台，采用 PyQt5 实现深色系 UI，整体风格偏向“程序员客栈”——简洁直观、功能明确。左侧是检测模式与输入路径配置区域，支持图像、视频、文件夹及摄像头输入，方便灵活；中间为可视化窗口，展示检测结果；右侧为日志输出区，实时反馈模型加载、检测过程等信息，便于调试与追踪。底部还配有图像翻页功能，支持批量检测。整体设计注重实用性，适合研发人员快速部署和验证目标检测模型。

开发了一个开源的用户社群教育与分享平台，具备高度自由的定制能力和强大的互动功能。它支持多用户协作、实时发布、富媒体内容展示，并通过去中心化架构保障数据自主性，特别适合搭建小型教育社区、自主学习圈和知识分享平台。相比传统平台，它更易部署、可拓展性强，并能实现与其他联邦社交网络的互联互通。 通过前后端分离的技术架构实现强互动社群体验：前端采用 Vue.js 和 TypeScript 构建现代化界面，后端使用 Node.js 搭配 PostgreSQL 和 Redis 实现高性能的数据处理与实时消息推送。平台支持模块化扩展、WebSocket 实时通信、多媒体内容管理和任务队列，便于构建教育分享、用户互动、内容沉淀于一体的社群平台，部署灵活、功能完整、上手快捷。

辰安科技作为中国电信旗下专注公共安全领域的高科技企业，依托清华大学的科研实力，以 “AI+IoT + 安全” 智能范式，打造大视频产品体系。该体系融合了辰思大模型、AI 智能算法、编解码技术、平台支撑、数字孪生等多项自主知识产权技术。在安全生产监管方面，通过智能视频算法分析，能及时察觉工厂、矿山等场所的安全隐患；针对自然灾害防护，利用双光谱摄像机和烟火 AI 识别算法，可提前预警森林火灾等灾害；家庭安全监护上，借助智能摄像机实现全方位守护；城市安全服务中，实时监控城市基础设施运行，对城市火灾、内涝等隐患快速预警，为各领域安全需求提供了综合性、高效能的解决方案 。

1、开发过漏洞测试教育平台，主要负责前端功能模块的开发，包括了靶场数量展示（通过echart.js图表进行动态渲染）、用户登录注册以及修改密码显示用户操作记录、动态渲染排行榜、接入deepseek大模型进行疑难解答以及其他方面的功能。 2、开发过文档管理系统、后台管理系统等。可登陆后获取用户详细数据，并对数据进行增删改查 毕业于某高校计算机系，在校期间专业成绩优秀，获得多次奖学金。曾参加中国大学生服务外包创新创业大赛并获奖。擅长开发前端开发功能页面包括企业或产品后台管理平台（echart.js图表渲染、xml异步等）、以及其他功能型页面的开发等。更擅长基于vue的uni-app开发。

系统概述 本医疗管理系统基于Kingson权限管理系统构建，采用多端分离架构，实现医院全业务流程的数字化管理。系统通过Kingson强大的OAuth2认证和精细化权限控制，确保各角色用户安全访问专属功能模块，满足医疗行业对数据安全和权限管控的特殊要求。 系统架构 1. 客户端组成 管理端：医院管理员使用，负责系统基础配置和全局管理 医生端：执业医生使用，核心诊疗工作平台 医助端：医护人员使用，辅助诊疗和患者服务 患者端：患者使用，自助服务和医患互动 2. 技术架构 认证层：基于Kingson OAuth2认证中心，实现四端统一认证 业务层：各业务模块微服务化，独立部署 数据层：医疗数据分级存储，敏感数据加密 各端核心功能 1. 管理端功能 人员管理 医护人员信息录入与维护 患者基础信息管理 多维度人员查询统计 角色权限管理 基于Kingson RBAC模型的医疗角色配置 医生、医助、药剂师等专业角色权限模板 细粒度功能权限控制（如处方权、检验单查看权） 系统配置 科室管理 排班规则设置 药品库维护 收费项目配置 数据统计 门诊量统计分析 处方统计 收入报表 2. 医生端功能 患者诊疗 电子病历书写与管理 历史病历调阅 诊断模板管理 处方管理 电子处方开具 合理用药提醒 处方审核流程 检验检查 检验申请单开具 检查结果查看 影像资料调阅 线上问诊 图文问诊 视频问诊 远程会诊 3. 医助端功能 患者服务 分诊导诊 预约管理 就诊指引 诊疗辅助 检验标本采集记录 治疗执行记录 护理记录 医嘱处理 医嘱执行 输液管理 治疗提醒 4. 患者端功能 自助服务 预约挂号 报告查询 病历查看 医患互动 在线咨询 复诊提醒 用药提醒 支付服务 诊间支付 处方支付 账单查询 特色功能模块 1. 处方管理系统 支持中药/西药处方 配伍禁忌自动检测 毒麻药品特殊权限控制 处方签名与追溯 2. 检验管理系统 检验申请电子化 检验结果智能解读 危急值预警 历史结果对比 3. 药品管理系统 药品库存实时监控 效期预警 特殊药品管理 采购计划生成 4. 支付结算系统 多支付渠道接入 医保对接 退费管理 对账功能 系统安全特性 医疗数据保护 患者隐私数据加密存储 诊疗记录操作留痕 数据访问严格审计 权限精细管控 基于Kingson的医疗场景权限模板 处方权、查看权等专业权限控制 越权操作实时阻断 合规性保障 符合医疗信息安全规范 电子签名合规性 操作日志完整保存 系统优势 专业医疗场景适配 贴合医疗工作流程设计 医学术语标准化 医疗文书模板丰富 高效协同工作 多角色协同诊疗 智能提醒机制 移动查房支持 优质患者服务 全流程自助服务 就医体验优化 医患沟通便捷 本系统通过Kingson权限管理系统的强大支撑，实现了医疗业务与安全管控的完美结合，为医疗机构提供了一套完整、安全、高效的数字化解决方案。

本科专业为信息工程，曾经开发过多个微信小程序，结合各种单片机代码；精通微信小程序前后端搭建。 研究生专注于计算机视觉，尤其是医疗影像方向。深度学习方面代码熟练，使用Pytorch框架。擅长处理自然图像、CT、MRI、超声图像均有涉足。

使用计算机视觉处理图像数据 特征提取和模式识别算法的应用 实时反馈和手势追踪 手势识别的准确性和实时性 多环境下的适应性 用户个体差异的适应 确定手势识别的基本功能，如识别滑动、点击等 规划高级功能，如自定义手势、手势密码等 明确手势识别在微信小程序中的具体应用场景

生成带有加密信息的二维码图片，使用系统中特研的加解密函数进行处理，极大提高信息的隐蔽性和安全性。基于二维码的容错机制（如M/Q/H级容错率），秘密信息被编码为二进制序列后，按位翻转数据位完成数据隐藏。

本方案的核心任务聚焦于机床控制系统上位机的设计与实现，涵盖了与下位机的高效通讯、机床各部位手动及自动控制运动的精准编写等多个关键环节。在界面设计上，我们秉持简洁明了的原则，力求为用户打造一目了然的操作环境；同时，功能设置全面而细致，涵盖了机床控制的各种需求，确保了系统的强大实用性。此外，我们高度重视用户体验，通过优化设计，使得系统操作更加便捷、流畅，有效提升了工作效率和用户满意度。

内容: 数据挖掘模型基于人工智能、机器学习、统计学、数据库、可视化技术等,采用当前比较流行的分类、回归分析、聚类、关联规则等模型算法,从不同的角度对数据进行挖掘。组件算法的图形化,通过可视化拖拽操作,实现零代码挖掘,降低结束 门槛;支持流程动态调度,支持上下游交互调试能力,比如全流程运行、单点运行、按分支运行等。主要包括可视化挖掘和zeppelin脚本挖掘。 业绩: 参与平台功能开发和优化,前端jsp+layui和后端struts2接口开发;参与支撑区域相关工作;主要包括:泰州公安机器学习 版本上线、湖南挖掘竞赛支撑、江西电信机器学习验收支撑、安徽电信调度挖掘功能上线、电信集团数里淘金决赛支撑等。