Python

Python是一门诞生于1991年的高级、解释型编程语言，由吉多·范罗苏姆创造。其核心设计哲学强调代码的极简性和可读性，尤其依赖清晰的缩进来定义代码结构，这使得它语法接近英语，非常易于学习和使用。作为动态类型语言，它为快速开发和原型设计提供了极大的灵活性，并支持面向对象、命令式、函数式等多种编程范式。Python的巨大优势在于其拥有一个由庞大活跃社区支撑的丰富第三方库生态系统（PyPI），覆盖了几乎所有应用领域：无论是Web开发（Django, Flask）、数据科学（Pandas, NumPy, Matplotlib）、人工智能（TensorFlow, PyTorch）还是自动化脚本和系统运维，都能找到成熟高效的工具库。这种“开箱即用”的特性使其成为解决各类实际问题的“瑞士军刀”，兼具强大的功能与简单的语法。

小型化的车载轨道巡检系统主要由表面缺陷图像采集识别定位系统、机械结构系统、地面数据服务器系统三系统组成。可灵活安装在列车车体底部,列车行驶过程中对道床区域以及轨道面高清成像，进行缺陷检测，及时发现轨或者道床异常。再将异常缺陷位置以及异常图片、告警息通过车载无线网络或无线运行商传送至地面服务器，对检汇

作为智能座舱对一部分，动态手势支持应用进入，退出，左滑，右滑，音量大小调节。利用视觉AI算法，提取手部pose点，通过对手部关键点序列建模，构建动态手势识别模型。

包含三个大项，体测面向考试，体锻和短跑面向锻炼，1、体育测试：跳绳，立定跳远，坐位体前屈，仰卧起坐，引体向上；2、体育锻炼：深蹲，开合跳，单脚跳，高抬腿等；3、短跑。

本项目是一款基于RK3588嵌入式平台与Django框架的多模态手语双向翻译系统，具备以下核心功能模块：1.孤立手语识别：支持对单帧手势图像的实时识别，基于CNN模型与MediaPipe手部关键点检测，可识别手语字母、数字及常用词汇。2.连续手语翻译：采用CNN+Transformer融合模型，实现

KianaFS是一款智能轻量级分布式存储系统，兼具高性能与易用性。该项目包括虚拟文件系统、异构存储统一接入、高可用性、分布式存储、高可扩展性、跨平台访问和容器化部署等具体功能模块。主要功能描述是通过适配器模式集成多种存储协议，支持无缝切换存储后端，并采用模块化设计，核心模块负责文件系统的逻辑处理，存

列车AI视频综合感知系统是基于先进异构计算架构的嵌入式智能产品。它采用ARM+GPU的硬件架构，内嵌司机行为检测、乘客异常行为检测、车厢内设备状态检测等相关算法，能在复杂的轨道交通场景下实现高精度的视频分析功能。该系统的主要功能：车厢拥挤度检测末站清客、遗留物检测乘客异常行为分析司机异常行为分析PI

目标： - 边缘计算网关放在住宅小区机房，接入小区监控摄像头，添加AI算法功能，实时检测和告警 算法： - 电动车进电梯 - 人员倒地 - 物品遗留 - 高空抛物 我的工作： - 算法设计 - 云端算法训练 - 边缘端算法服务开发和算法模型适配

算法工作描述： - 边缘计算网关，接入厂房监控摄像头，对员工行为进行监控，行为包括：蹲、坐、玩手机 - 对人员行为进行识别，采用方案：OpenPose算法检测人体关键点并正确连接构建躯干，从而估计人体姿态。人体关键点通常对应人体上有一定自由度的关节，比如颈、肩、肘、腕、腰、膝、踝等，通过对人体关键点在三维空间相对位置的计算，来估计人体当前的姿态 - 算法识别员工有三种违规行为后，持续检测行为持续时间，当达到设定值5分钟时，对员工违规行为进行记录 - 现场部署有人员定位系统，人员随身携带定位工牌，摄像头检测到员工违规后，根据摄像头编号和人员在摄像头中的像素位置，定位到员工在厂房真实坐标系中的位置，从而在人员定位系统查询到该员工的身份信息 - 根据摄像头编号和人员在摄像头中的像素位置，采用相机九点标定方案，构建仿射变换矩阵，定位员工在厂房真实坐标系中的位置 我的工作内容： - 云端算法模型训练 - 边缘端算法服务开发和算法模型适配

目标：智慧工厂建设，厂区监控相机添加AI算法功能 - 9种算法需求：安全帽，工服是否合规，非法进入，烟气告警，明火告警，人脸权限，电子围栏告警，防护服操作规范，除静电操作规范 项目方案： - 边缘计算，算法服务器训练模型，下发算法到边缘计算网关，对接入的多路监控相机进行实时推理检测 - 现场108路监控相机，使用6台边缘计算网关+2台算法服务器，实现9种算法实时检测 - 1号边缘计算网关：接入13路相机视频流，其中9路相机实时检测烟火，3路相机实时检测工作服，1路相机实时检测防护服操作规范 - 2号边缘计算网关：接入12路相机视频流，其中4路相机实时检测烟火，8路相机实时检测区域入侵 - 3号边缘计算网关：接入5路相机视频流，实时进行人脸识别，实现权限管理 - 4号边缘计算网关：接入12路相机视频流，其中5路相机实时检测烟火，3路相机实时检测工作服，3路相机实时检测安全帽，1路相机实时检测区域入侵 - 5号边缘计算网关：接入11路相机视频流，实时检测烟火 - 6号边缘计算网关：接入10路相机视频流，其中5路相机实时检测区域入侵，1路相机实时检测安全帽，4路相机实时检测电子围栏 - 1台算法服务器，负责处理45路相机视频流，其中23路相机实时检测电子围栏，8路相机实时检测烟火，13路相机实时检测区域入侵，1路相机实时检测除静电操作规程 算法实现： - 算法推理引擎服务基于英伟达提供的Deepstream框架进行二次开发，实现对相机视频数据实时算法处理的过程 - Deepstream框架的核心实现思路：基于开源框架GStreamer开发而成，采用插件方式，根据业务需要可以灵活添加、裁剪、编辑插件，组成一条功能完整的视频数据流算法推理通道 - 正常使用的算法框架（pytorch、caffe、TF）训练后的算法模型，在边缘计算端的推理速度是无法满足多路相机实施推理需求的，这里使用Deepstream框架，利用TensorRT实现算法加速 - TensorRT在获得网络结算流图后会针对计算流图进行优化，这部分优化不会改变图中最底层的计算内容，而是会去重构计算图来获得更快更高效的执行方式，即计算不变，优化计算方法 我的工作内容： - 算法框架和算法模型的选型 - 云端算法服务的开发和算法模型的训练 - 边缘端算法服务的开发和算法模型的适配

边缘计算Web配置服务中心，用于配置边缘计算平台相关功能。 可以实现网络配置、设备注册、本地调试、本地升级、网络管理、许可证管理等。 后台采用C++开发，前端采用VUE框架。 目前产品已经大规模用于光伏、零售等领域。