机器学习项目简历收集册-----机器学习（仅供参考）

开发应用：python tensorflow 项目描述:1)通过公司提供的数据集编码数据 2）搭建cnn神经网络 3)训练模型，提高验证码的识别率 4）验证模型

开发应用：python3 opencv tensorflow 项目描述：通过公司的数据集，对不同风格的图片和数据集的图片进行培训，获得不同风格的模型， 这样，当用户选择不同的风格时，照片就可以速转换为不同的风格。

项目简介：本移动机器人平台是上下料机械臂自动识别工件，方便机械臂分析抓取相应工件，简化 工人操作，实现工厂生产工业的智能化。 个人职责：USB 摄像头相关OpenCV 库驱动，使用cv_bridge 图像捕捉等 所用技术： 1.基于OpenCV 图像采集、切割、灰度处理 2.使用ImageTransport API 发布相机帧 3.采用image_proc 进行ROS 图像管实现单色和彩色转换功能 4.培训建立模型、测试模型和测试模型，提高可靠性

应用环境

Linux Python Pycharm Tensorflow Opencv Numpy Sklearn 负责模块

图像预处理 人脸识别 项目描述 通过 Mean shift 算法收集了很多 视频 对数据进行分类， 利用 OpenCV 获取视频流和提取 视频针，为获得的视频流使用 用 基于 AdaBoost 算法 人脸检测模 从中提取相关人脸图像 利用 直方图 均衡化，归一化 预处理图像，形成图像集并保存。 当用户再次解锁人脸时， 通过 TensorFlow 识别和比较人脸图像和图像集 ，形成 识别人脸的效果 项目职责

1. 收集的数据 进行数据 预处理
2. 通过 Opencv 获取视频流 ，通过模型获取先关人脸图像
3. 获取的图像 整理成数据集

应用环境 应用环境 : Linux Python Pycharm : Linux Python Pycharm Opencv Numpy Sklearn Opencv Numpy Sklearn 负责模块 负责模块 :: 图像识别 项目描述 项目描述 :: 通过危险品扫描图像集，通过危险品扫描图像集OpencvOpencv培训构建的颜色边缘识别分类器模型，获得危险品扫描颜色构建的颜色边缘识别分类器模型，获得危险品扫描颜色分类集。通过色分类集。通过OpencvOpencv对对快递快递检测检测扫描扫描时的视频流从中获取视频帧时的视频流从中获取视频帧形成图片，图片通过所训练的模形成图片，图片通过所训练的模型进行识别，获取物品型进行识别，获取物品颜色图片分类，再通过颜色图片分类，然后通过简单贝叶斯中的径向基核模型简单贝叶斯中的径向基核模型，将物品颜色与危险品颜色图集中对比，判断是否是违禁品集中对比，判断是否是违禁品 项目职责 项目职责：

1. 通过通过OpencvOpencv图像颜色边缘识别和视频流获取
2. 整理收集的图片形成图片集整理收集的图片形成图片集
3. 将新视频流中获得的图片与图片集进行比较，将新视频流中获得的图片与图片集进行比较

项目描述： 商店收银台是重点和敏感区域， 过去，总部依靠专门的监控专员对收银台进行实时监控。 法做到24 小时监控，通过收集主要关键的不规范行为、培训和监督，最终开发出可识别的行为 安装不规范，长时间玩手机，是否有举手示意，或者有违法操作行为的，记录下来。 项目职责： 收集大量不规范的操作行为，分析这些行为，收集主要和重要的不规范行为；图像 压缩、切割、降噪处理、直方图均衡处理、创建图像识别器；使用OpenCV 获取USB 相机的视频流， 使用高斯滤波器对图像进行干燥处理，在空间转换图像颜色后，使用色谱直方图平衡调整图像亮度 TensorFlow 和keras 深度学习框架训练识别模型，采用交叉验证模块，验证精度，提高模型的可靠性和稳定性 定性。 项目效果：基本实现重要不规范操作记录。

项目描述： 为了管理公司车辆，阻止外部车辆进入，使公司更加智能方便，在汽车不作任何改动的情况下，实现汽车身份 自动登记和验证。 职责描述：

1. 读取图片文件，根据设定的阈值和图片直方图找出峰值，用于分隔字符和图片，从而逐个获得字符图 来自电影opencv 的sample，用于svm 培训，定义省数据，培训svm。
2. 识别字符，识别英文字母和数字，识别中文，高斯降噪，调整图像分辨率，找到图像边缘。
3. 确定车牌矩形区域，目前只支持蓝、绿、黄车牌识别。识别车牌字符。
4. 构建项目主界面。

项目描述： 在Keras 搭建深度CNN，具体过程分为数据读取、模型结构、模型训练和模型测试 项目职责：

1. 实时监控视频流中的帧数据集， 首先预处理数据集， 使用Keras 的 ImageDataGenerator 将不同类型的图片分成不同的文件夹。 2.模型构建采用卷积层、池化层、全连接层，激活函数为relu，并采用了Dropout 防止 结果，随机梯度下降SGD 优化参数的优化函数， 3.采用模型训练fit_generator(相比较于fit 节省内存)训练，执行fit_generator 时间，通过设置 模型优化一些超参数，直到模型训练结束. 4.最后转移模型并测试模型。

业务场景：模型应用 个人职责：1.opencv dlib视频采集，从视频流循环帧 2.实时人脸检测(5特征点人脸检测，灰度帧中脸部检测) 3.实时特征标定(68点特征标定) 4.实时人脸特征对齐 5.实时人脸验证，捕获视频流，与注册人脸数据进行比较，匹配合适的目标显示 姓名 6.实时体检，眨眼，张嘴

项目介绍： 针对CO2腐蚀过程复杂，难以提取和准确识别腐蚀类型特征，提出了基于卷积神经网络华训练模型的腐蚀图像信息的问题 CO2 腐蚀类型识别方法。采用无腐蚀、点腐蚀、均匀腐蚀三种样本集构建模型。经测试，该方法被识别 CO2 腐蚀.8%。 负责部分：

1. 使用OpenCV切割和缩放图像，用高斯滤波降噪图像，用直方图平衡调节图像亮度CNN的输入；
2. 搭建基于VGGNet卷积神经网结构，训练模型，调整模型参数；
3. 评估模型，测试训练良好的模型。

项目介绍： 随着HSE管理体系在化工行业得到了高度认可，企业的要求更加迫切HSE管理理论在基层生产车间层生产车间，因此提出HSE监控平台系统的概念：依靠各种检测仪器获取所需的数据信息，计算机分析数据得出结论，控制器和执行机构根据结论操作，最后，实现全厂各部分无人值守的智能监控。 负责部分： 本人参不生产安全视频监控系统, 主要负责监测化工厂工作区工作人员安全帽佩戴情况。

1. 使用OpenCV预处理图像；
2. 搭建基于AlexNet卷积神经网华，并进行模型训练；
3. 将预测结果反馈给报警系统进行模型验证，以达到监测效果。

项目介绍： 煤粉细度是燃烧优化控制的核心参数之一。在电厂运行中，煤粉细度将直接影响不完全燃烧热损失的能耗。测量煤粉细度信息，前国内电厂在实际中大部分仍采用筛分法。该方法统计时间长，结果稳定性差，且无法得出煤粉的形状信息。本项目采用图像测 量法制作煤粉图像监测设备，基于OpenCV 视觉库开发软件对电厂风煤粉的细度和形状信息进行测量分析。 负责部分：

1. 使用OpenCV对图像进行裁剪、缩放，利用高斯滤波对图像进行降噪处理；
2. 利用matplotlib绘制煤粉细度不燃烧热的相关图像。

软件环境： Linux + Python + Pycharm +Tensorflow+ Numpy + Matplotlib 项目 描述： 利用检测人脸的脸部笑容，生成的微笑指数，对今天员工的工作情况的统计，记 录每天早上微笑程度，及今天的工作效率，进行针对性的能够完成的工作量的大体 统计，通过长期统计分析公司的各个部门工作效率，并作为公司一段时间的工作量 的参考，进而合理分配工作任务（主要针对生产环境）。并通知其领导进行针对性 辅导，项目涉及到深度学习框架tensorflow, 基于CNN 和经典机器学习模型。 项目职责： 1，前期数据规整，对图像的标注，图像主要特征的提取，图形分形特征的描述性研 究。 2，利用深度学习框架tensorflow 搭建卷积神经网络，根据分析选择合适的训练集 和合适的超参数，完成卷积网络的训练。 3，完成基于特征矩阵，分形特征、PCA 和SVM 模型，具体模型的参数调整，训 练集，开发集，测试集的确定，不同模型的偏差和方差分析，逐步改进模型。

机械设计部门需要将设计图纸交予加工厂生产机械零部件 每张图纸都会有自己的 编号 零件编号由字母和数字构成 加工厂将每个零件编号粘贴到零件表面 加工厂将零 部件加工完后 需要进行产品零部件的出入库 出入库需要将零部件的编号和数量输入 excel 此项目解决了这个问题 职责描述

1. 读取图片文件，分隔图片，从而得到逐个字符图片 字符 校正 。 2. 对分割后的图片进行图像预处理 选用算法 用 训练集训练模型 。 3. 用测试集进行测试 并 优化模型 4. 将识别的字符存入 excel 5 参与 主界面的搭建

项目描述 传统的打卡、刷卡为代表的考勤产品，存在着替代打卡，效率低下，不宜统计，管理和使用 维护成 本高等弊端。指纹识别产品在考勤中大规模应用，部分解决了代打卡问题。但是在出汗，手指破 皮等情 况下识别度偏低。因此研发人脸识别打卡考勤系统 个人职责 图像压缩、剪裁，图像降噪处理，创建模型，调试参数。 所用技术 1. 基于 OpenCV 获取摄像头视频流，运用中值滤波对图像进行降噪 2. 将图片做灰度处理，并利用直方图均衡化调节图像亮度 3. 使用哈尔级联定位人脸，形成输入输出 4. 创建局部二值模式直方图模型，对数据进行训练

项目描述：通过采集电芯表面的字符条形码，经过图像预处理，字符分割，最后 使用BP 神经网络得到字符编码信息，用来追踪产品信息。 个人职责：图像预处理，BP 神经网络模型搭建与优化。 所用技术：

1. 图像预处理：图像采集，采用中值滤波器对采集到的图像进行平滑滤 波，去除噪声，通过Canny 边缘检测和膨胀处理得到图像的轮廓；
2. 在图像的倾斜校正和噪声的进一步去除的基础上，运用垂直投影的字 符分割方法，将字符分割出来；
3. 采用BP 神经网络对得到的大量字符进行训练，得到合适的神经网络 模型，对新的字符识别并保存；
4. 使用生成的识别系统应用于条形码字符识别，达到追踪产品信息的目 的。

项目描述：采集生产调试中的卷芯表面贴胶照片，经过图像预处理，隐马尔科夫 模型构建，识别卷芯表面有无贴胶，规范生产。 个人职责：提取图像特征矩阵，隐马尔科夫模型创建。 所用技术：

1. 基于OpenCV 对图像尺寸转换、裁剪，运用高斯滤波对图像进行降噪 处理。
2. 将图片颜色进行空间转换后，使用色谱直方图均衡化调节图像亮度；
3. 利用STAR 特征提取和SIFT 算法的结合，提取图像特征值矩阵；
4. 创建隐马尔科夫模型，根据该模型的Score 值比较，确定卷芯表面是 否贴胶。

项目 描述 为员工采集人脸图像库，采集人脸特征，进行机 器学习并将学习生成的模型保存。摄像头 每秒采集一次图像，通过 opencv 定位每张图像中的人脸，将人脸的特征传递给已经训练好的 训练模型，测试该人脸是否存在， 签到 成功 并 记录 签到 时间 所用技术： Lniux + Python + OpenCV + Numpy + sklearn + OS 实现 方式 选择 使用 OpenCV 的局部二值模式做人脸识别模型 完成基础代码，处理训练集图片得到训练的输入和输出 对训练集进行训练并将得到的模型保存 测试摄像头采集的人脸图像与训练好的模型进行匹配

项目描述 传统的打卡、刷卡为代表的考勤产品，存在着替代打卡，效率低下，不宜统计，管理和使用维护成 本高等弊端。指纹识别产品在考勤中大规模应用，部分解决了代打卡问题。但是在出汗，手指破皮等情 况下识别度偏低。因此研发人脸识别打卡考勤系统

个人职责 图像压缩、剪裁，图像降噪处理，创建模型，调试参数。 所用技术

1. 基于OpenCV 获取摄像头视频流，运用中值滤波对图像进行降噪
2. 将图片做灰度处理，并利用直方图均衡化调节图像亮度
3. 使用哈尔级联定位人脸，形成输入输出
4. 创建局部二值模式直方图模型，对数据进行训练

项目描述 区分车型，将三轮车与摩托车单独定义收费规则； 区分车型（小车，客车），单独定义收费规则。 个人职责 图像恢复，图像降噪处理，创建模型，调试参数。 所用技术

1. 利用公式将图像去模糊恢复
2. 使用边缘检测法将目标车辆从背景中分离
3. 将图片二值化后通过贝叶斯分类器实现智能识别

项目描述 自动识别停车场进入车辆的车牌号，并识别。节省时间和人工成本。 个人职责 图像预处理，图像分割，利用已经创建好的神经网络训练数据并验证 所用技术

1. 前期图像预处理：图像增强，二值化，边缘检测，滤波和膨胀等
2. 边缘检测法定位车牌位置
3. 将图片二值化，采用投影分割的方法将字符分割
4. 采用改进后的ＢＰ神经网络进行字符识别操作

项目描述 毕业生需要录入银行卡号信息。学校采用学生上传图片，自动识别银行卡信息 个人职责 图像压缩、剪裁，图像降噪处理，创建模型，调试参数。 所用技术 １． 读入模板图片，并对模板预处理，将模板轮廓放入集合 ２． 读入待处理图片，进行剪裁，灰度，礼帽操作 ３． 利用Sobel 算子，图像梯度计算，进行边缘检测 ４． 进行闭操作和自适应阈值，画出轮廓 ５． 遍历每一个轮廓数字，并计算轮廓中的每一个数字的值

业务场景：视频场景三维重构项目，致力于开发三维虚拟场景的落地应用，提升用户体验； 本人在项目中主要负责视频的序列模式识别训练任务，为三维重构提供预测支持； 主要负责内容：  制定项目实施方案（预期目标，可能存在的风险等）；  Python+opencv 实现视频的光流样本提取，并完成样本数据的扩充；  Python，Tensorflow，keras 实现分类任务的训练（参数选择，网络结构选择）；  基于Tensorflow Lite 的轻量级模型转换，转换后的模型便于在移动设备上实施部署。  基于C++和opencv 实现ios 端测试样本的输入和预处理，完成模型的加载与测试过程。 并进行PC 端和IOS 端数值输入输出一致性验证；  协同团队配合完成模型的测试和迭代工作。

项目介绍：大客流安检急需一种能够快速实现乘客安检的解决方案，该研究项目基于毫米 波具有透过衣物成像的能力，利用传感器融合和图像识别技术致力于提高人体安检时的通 过效率。 主要负责内容:  实现毫米波安检影像人体携带违禁品的实时目标检测。  毫米波影像数据采集，预处理包括裁剪，去噪，灰度归一化等。  基于sklearn 的k-means 和GMM 模型的聚类学习。  基于Yolov2,Yolov3 的目标检测模型训练，评估和测试。

业务场景: 项目主要为了提升直播平台主播和用户之间在互动效果，利用深度学习技术增 强直播过程中主播和用户之间的互动效果，基于手势识别模型的特效生成。 主要负责内容:  手势样本数据采集和预处理，包括比心、点赞、关注等类别。  基于Pytorch 深度学习框架的分类模型训练，评估和测试。  协同团队配合完成模型的线上维护和模型迭代。  通过反馈分析漏检样本和现有样本的差异性，并在下次迭代过程中加入差异性特征样 本提升模型识别精度。

项目介绍：城市大范围沉降监测对于城市发展与规划至关重要，该项目主要利用新型的层 析SAR 手段针对北京地区进行大范围三层重构，实现大范围的沉降监测。实现城市大范 围的三维重构，便于进行城市大范围的沉降监测。  获取城市的雷达影像数据。  基于层析成像原理，利用python 实现城市建筑物等三维重构，并进行仿真验证。  研究探索层析SAR 三维重构算法的精度验证方法；

项目描述： 为了管理公司车辆，阻止外部车辆进入，使公司更加智能方便，在汽车不作任何改动的情况下，实现汽车身份的 自动登记及验证。 职责描述：

1. 读取图片文件，根据设定的阈值和图片直方图，找出波峰，用于分隔字符，分隔图片，从而得到逐个字符图片,采 用来自opencv 的sample，用于svm 训练，定义省份数据，训练svm。
2. 进行字符识别，识别英文字母和数字和识别中文，高斯去噪，图片分辨率调整，找到图像边缘。
3. 确定找出车牌矩形区域，目前只支持识别蓝、绿、黄车牌。识别车牌的字符。
4. 搭建项目主界面。

项目描述： 在Keras 搭建深度CNN，具体过程分为数据读取、模型构造、模型训练、测试模型 职责描述：

1. 数据集来自实时监控中视频流中的帧数据， 首先对数据集进行预处理， 使用Keras 的 ImageDataGenerator 将不同种类的图片分在不同的文件夹中。 2.进行模型构建，这里采用了卷积层，池化层，全连接层，采用激活函数为relu，并采用了Dropout 防止 结果过拟合，这里采用的随机梯度下降SGD 的优化函数进行参数优化， 3.进行模型训练，采用fit_generator(相比较于fit 节省内存)进行训练，执行fit_generator 时，通过设置 一些超参数进行模型优化，直至模型训练结束. 4.最终进行调取模型并进行测试模型。

项目环境: MATLAB + Ubuntu + C++ + 自适应HCS-LBP算子 + HIKSVM。 项目描述: 该项目用以解决 LBP用于行人检测时，直方图维数过高，人为阈值主观性较强，造成局部描述能力较差的问题。 主要工作：构造HCS-LBP特征编码方法减少编码长度，利用积分图像法快速计算，引入灰度级概率与高斯矩阵获取图像的 自适应阈值；令中心像素参与编码，通过信息熵确定不同子块的权重；使用直方图交叉核支持向量机(HIKSVM)训练样本。

项目环境: Python + Ubuntu + ICoHOG特征 + CoLQC特征 + 矩阵式级联分类器。 项目描述: 该项目结合LBC运算简单高效与HOG对光照变化和偏移不敏感等特点，改进或设计特征编码，以解决量化等级过 低，舍弃局部结构，易受较强竖直条纹或混乱边缘的影响的局限性。 主要工作: 提出两种局部特征描述子-共生局部量化编码(CoLQC)与改进共生方向梯度直方图(ICoHOG)，以增强图像纹理特 征的描述能力，对光照、旋转和偏移具备更强的鲁棒性；采用矩阵式级联分类器进行分类训练，对正负样本进行自适应选取， 压缩有效样本的选择范围，增加样本复杂度，提升了级联分类器的检测性能。

项目环境: Python + OpenCV + TensorFlow + AlexNet + Ubuntu 项目描述: 为小区提供具备人脸识别功能的智能门禁系统，解放业主双手，提升小区的科技氛围。 主要工作: 负责人脸检测模块: 改进AlexNet模型的网络结构，三层全连接层修改为卷积层，设置输出为二分类，以满足人脸 检测的业务需求，采集数据集，对数据集进行清洗去重，裁剪分割，翻转镜像等处理，利用Opencv标注人脸，训练模型，分 析结果，优化参数。利用滑动窗口法与最大值抑制进行人脸检测。

项目描述：山西多煤车，为利益不惜违法超载，正常煤车重40吨以内，而超重可达60吨，严重威胁公路安 全。同时因治超站多不在公路主线，需从引道进入，所以很多违法车辆闯卡，造成国家税费流失也造成很多公 路事故。货车不进站（治超站）抓拍系统，对闯卡不进站检测的货车进行抓拍处罚，有针对性地解决了由于警 力不足导致货车闯卡严重的问题，为下一步治超提供良好的基础。 系统主要由以下几部分组成：视频监控及抓拍系统、立杆/标志标牌警示、道路标线喷涂。 项目职责：1.抓拍系统车牌识别 2.数据库设计 3.软件API编写 4.算法优化 5.版本迭代

项目描述:基于Tensorflow 框架，实现MTCNN 模型的人脸识别系统 主要职责：1、取候选窗，生成训练图片；2、通过P-Net、R_Net、O_Net 对人脸进行识别和定位；3、 使用Tensorflow 搭建MTCNN 网络模型；4、训练模型并改进和提高模型可靠性和稳定性；

项目描述: 基于Tensorflow 框架，CNN 模型对图片进行分类程序 主要职责：1、整理数据，生成数据集；2、使用Tensorflow 搭建神经卷积网络模型，用softmax 做分类； 3、通过对参数、学习速率完成最优模型，并保存模型；

项目描述: 基于tensorflow，RCNN 实现对车种类的分类 主要职责：1、处理数据，将mat 文件制作成xml 标注文件；2、定义Alex_Net 模型；3、进行各类模 型的训练与测试；

项目描述: 采用人脸识别的方式，对患者进行挂号分流，能够尽快就医 主要职责：1、对图像进行降噪处理及灰度处理，使用色谱直方图均衡化调节图像亮度；2、采用交叉 验证模块、网格搜索，提升模型的可靠度和稳定性；3、通过身份证返回的图像进行识别验证；

项目描述： 使用 caffe 框架实现对不同尺寸大小的人脸图像进行识别 开发环境： python+numpy+ os+sys+O pencv+ Caffe+matplotlib+alexnet 项目职责： 一 获取数据并进行预处理

1. 在 FDDB Face detection Benchmark 上下载人脸图像数据，使用 opencv 根据坐标对图像进行人脸裁剪，作为 正样本，对图片其它位置裁剪作为负样本，分别存储 0 和 1 文件夹中，放在 train 目录下，验证集图片存储在 val 目录下；
2. 提取 train 和 val 目录下文件名称，生成 train.txt 和 val.txt 二 . 制作 LMDB 数 据源
3. 根据 create_imagenet.sh 改写 DATA,TOOLS,EXAMPLE 及 resize 等生成新的 face_lmdb.sh
4. 执行 face_lmdb.sh 生成 lmdb 数据源 三 . 训练 AlexNet 网络
5. 根据 AlexNet 网络结构改写 train_val.prototxt
6. 改写 solver.prototxt 以及 train.sh 指定 caffe 安装目录及 solver.prototxt 目录位置
7. 运行 train.sh 开始训练网络并保存模型 四 . 测试网络
8. 写函数定义全卷积网络 caffe.Net(deploy_fully_conv.prototxt, caffemodel,caffe.Test
9. 使用 opencv 读取图片，定义图片收缩比， while 收取 scale 的 list ，然后遍历 scale_list ，使用 resize 修改尺寸， 然后保存修改图片，使用 caffe.io.load_image( path 读取图片
10. 修改数据层net_full_conv.blobs[‘data’] 为标准格式(bach,chanel,h,w),然后对transformer进行预处理(1. set_mean() 2. set_transpose 3.set_chanel_swap 4. set_raw_scale ) 4. 输入数据预处理完成，进行net_full_conv的forward_all() 5. 定义滑动窗口，遍历featureMap,通过特征图的坐标映射变换(stride*y)/scale,得到原始图的滑动窗口 6. 然后对滑动窗口使用 nms IoU 超过阈值去除滑动窗口，然后使用 cv2.rect angle 画出人脸矩形并显示

软件环境： Linux + Python + Pycharm +Tensorflow + Numpy 项目描述 地震属性图像的优选一直以来是人为的经验筛选，耗时大，精度受限于工作人员的知识储备。 项目的目标是通过比较不同的图像识别技术，建立适合于地震属性图像背景噪音大、图像数量中 等、坐标数据点密集特征的优选方案。 项目 涉及到深度学习框架 tensorflow, 图像处理框架 OPenCV 和经典机器学习模型。 项目职责 1 前期数据规整，地震属性 图像的标注， 图像 主要 特征的提取 ，图形分形特征的描述 性研究 。 2 完成基于特征矩阵和隐马尔科夫模型，基于分形特征、 PCA 和 SVM 模型，具体模型的参 数调整，训练集，开发集，测试集的确定，不同模型 的偏差和方差分析，逐步改进模型 。 3 ，利用 深度学习框架 tensorflow 搭建 卷积神经网络 完成 GitHub 开源深度网络的迁移学习。 根据偏差和方差分析选择合适的训练集和合适的超参数，完成卷积网络的训练。

项目介绍：传统的以打卡、刷卡为代表的考勤产品，存在着替代打卡，效率低下，不易统计，管理和使用维 护成本高等弊端。 指纹识别产品在考勤中的大规模应用，部分解决了代打卡的问题，但是在出汗， 手指破皮等情况下识别度偏低。因此我们策划了人脸识别打卡考勤系统。

个人职责：图像压缩、剪裁，图像降噪处理，创建模型，调试参数 所用技术：1. 基于OpenCV获取摄像头的视频流，运用中值滤波medfilter2对图像进行去燥处理

项目描述 为学生及家长采集人脸图像库 ，采集人脸特征 进行机器学习并将学习 生 成的模型保存 。摄像头每秒采集一 次图像 ，通过 OpenCV 定位每张图像中的人脸 ，将人脸的 特征传递给已经训练好的训练模型 ，检测 该人脸是否 存在 ，通过标签确定 人物 信息 。 所用技术 Linux + Pytho n +OpenCV numpy +sklearn + os

实现方式 编写 Open CV 的二 值模式的基本代码 使代码能够稳定运行 利用分类器提取图像库的人脸 ，并为每一位家长的人脸添加标签 确定训练集的输入和输出 ，利用隐马模型进行机器学习 通过调整参数进行优化 根据 饮马模型的置信概率 确定结果

项目描述 统计每天的人流量 及性别比例 方便商场 根据客户性别提供合适的商品 ，因此 设计该人流及性别统计系 统 。通过大量训练图像库中的男女图像 ，生成分辨性别的模型 。 所用技术 linux + opencv + numpy + sklearn + mysql + python 实现方式 编写 OpenCV 的二值模式的基本代码 ，确保代码稳定运行 利用分类器提取图像中的 人 像 ，生成训练所需的数据集 调整分类器中的扩展因数 ，人像尺寸等参数 使提取的人像更加准确 为人像添加标签 确定训练集的输入和输出 计算机利用训练集进行机器学习并不断优化 ，生成最终的模型并保存

项目描述 对 输送机工作 过程中 的音频进行收集 。 对 音频 进行处理 分析 输送机的是否处于正常工作状态 ，以及是 否可以继续工作 。 实现 方式 使用 scipy .io.wavfi le 的方法提 取 音频文件 整理音频 数据 使用傅里叶变换 将音频转化为频域 ，寻找 特征 获取到梅尔顿频率倒谱系数 MFCC 矩阵 创建 隐马尔可夫模型并用该模型的 score 值比较 ，分析工作安 全性

项目描述： 每个季度需要汇报13 个市区县和23 个派出所案件处理的情况报告，而表格报告 由于大的数据量极大占用领导时间，于是绘制各个派出所已处理案件，待处理案 件、处理中案件，更直观的反应各派出所案件的处理情况

职责描述： 1 根据上报的数据，制成csv 文件，使用numpy 的loadtxt 来读取文件数据 2 使用matplotlib 的bar 来绘制已处理，未处理，处理中三类案件的情况柱状图， numpy 的mean 方法算出均值，使用matploylib 的plot 绘制出均线，最后 使用numpy 的msort 方法进行排序，并在网页的轮播图位置显示 3 使用matplotlib 的pie 方法绘制已处理案件的饼状图 4 对所做的柱状图、饼状图进行max,min 的分析，做出相关分析报告

项目描述： 为了在对嫌疑人信息收集时，从海量备案资料中快速筛查，定位嫌疑人信息， 创建一个人脸识别模型应用于办案中心，提高办案效率。 职责描述： 1 使用opencv 的CascadeClassifier(哈尔级人脸)人脸定位器进行眼、嘴、鼻的 定位，构建级联人脸定位器 2 从备案人员中使用search_files 整理出训练集， 并使用cv2.face 的 LBPHFaceRecognizer_create 做出基于LBPH 的人脸识别分离器模型 3 把训练集使用fit 方法交给分离器模型训练，并使用测试集测试，优化模型

软件环境：Linux+Pycharm+Anaconda 使用工具：Python/Opencv/CNN/Nltk/Jieba 项目简介： 基于公司面向家庭用户提供高端家庭陪伴需要，公司开发一款名叫小暄的智能机器 人，可以提供语音对话，人脸识别，视频监控，家庭娱乐等功能。 功能描述： 当人站在智能机器人面前，经过一系列判断后，机器人可以通过采集人的面部信息以 及个人信息加以训练并保存；识别站在机器前方人们说的简单语言，通过相关语音识别接 口的处理后，进行文本处理，语义分析，给予相对应的反应和操作； 开发周期：一年 责任描述： –人脸识别： 1、协调各部门，采集数据集，并将数据集通过haartraining 生成xml 格式文件方便读取； 2、读取数据，运用哈尔级联进行人脸定位，生成数据矩阵； 3、运用CNN 卷积神经网络LeNet 标准神经网络结构对数据进行训练，计算误差值，不 断优化模型算法，并进行性能评估； 4、保存最优模型，设计相关API 接口方便调用； –自然语言文本分析 1、训练音频文件，通过调用语音识别接口获取相应的文本数据； 2、运用nltk 和jeiba 工具包，进行文本分词，词干提取，词形还原等操作； 3、通过gensim 相关工具库，将文本数据代入，构建相应词袋模型； 4、通过gensim 构建LDA 模型，提取文本数据中相关主题词内容和个数； 5、将主题词和预先设定好的操作命令词对照，结果一致，则执行相应操作；

项目简介： 为了 7 X24 小时 智能安防监控系统 能够 实现 实时目标检测， 识别 各种 特定 场景下的物体， 研发了基于 YOLO v3 的目标检测模型，通过该模型可 对任 意一张图片进行目标检测，并在图片上标出识别出来的物 体名称及位置， 实现安防系统中 快速 地 进行目标检测 和分析。 主要职责： 根据 YOLO v3 论文实现对 YOLO v3 模型的搭建并测试，为项目搭建基础模型，并对实际 方案做 部分 改 进和测试 。 所用技术：

1. 根据 YOLO v3 算法基本原理，定义网络结构，通过 TensorFlow 框架搭建 YOLO v 3 模型；
2. 在 YOLO v3 模型中运用 Dark net 53 模型来提取特征；
3. 运用候选框技术，辅助 YOLO 检测模块对目标尺寸的计算，提升 YOLO 检测模块的准确率
4. 用非极大值抑制算法（ NMS ）对检测结果去重。

项目简介： 安防监控系统中有时需要对图像进行精确识别 功能 需要实现像素级别的目标检测， 开发基于 Mask R CNN 模型的目标检测模型，来定位物体精确的像素点，并将关键节点提取出来进行图示化 。 主要职责： 查阅 Mask R CNN 论文和相关资料和总结，协助搭建骨干网络 Res Net 和 Mask R CNN 模型 。 所用技术：

1. 搭建 ResNe t 模型 ，实现特征提取功能
2. 搭建特征金字塔网络（ FPN ）进行骨干网络特征提取功能的改进。
3. RPN 算法计算特征图的区域中心点和对应的边长
4. 用 NMS 算法对 RPN 结果去重，得到相应准确地 ROI 区域
5. 运用 ROI Align 层实现区域框与特征的匹配

项目简介： 在视觉智能冰柜中由于光照原因，会导致摄像头拍摄下来的照片清晰度不够，为满足此业务场景下对 图片的清晰度要求，通过搭建 Deblur GAN 模型进行图像清晰度的转化，将模糊的图片变清晰，用普 通的摄像头就可以达到很好的转化效果，大大降低了硬件成本。 主要职责： 根据 Deblur GAN 论文和相关资料实现 Deblur GAN 模型 的搭建，在样本数据中训练与测试，改进该 模型提高模型的泛化能力。 所用技术：

1. 使用 Switch ableNorm 算法归一化 提高模型的泛化能力
2. 使用 先 下采样，后上采样 的 卷积操作 提高图像的分辨率；
3. 用 VGG 模型 对目标图片与输出图片做特征提取，再计算特征空间损失

􀀀 开发应用:TensorFlow，CNN神经网络，numpy,matplotlib.pyplot 􀀀 项目描述:通过应用cnn神经网络对minist数据集中的手写字体图片进行识别 􀀀 项目思路: 1)通过 tensorflow 框架进行卷积神经网络中卷积层，池化层，全连接层等各层设计，搭 建 2)前向传播，经过各层处理，使用 relu 激活函数非线性处理，得到损失值 3)反向传播时通过引用梯度下降优化器，使损失值减小，不断优化权重参数和偏置参数 4)等到较好的神经网络模型并将其保存

􀀀 开发应用:numpy,opencv,隐马尔克夫模型

􀀀 项目介绍:儿童在认知能力的提升阶段，需要一个好的老师，可以去应用智能识图的软件教孩子去实别物 体。 􀀀 􀀀 项目思路:1)收集大量图片并将其进行分类，完成模型训练的材料收集 2)使用 opencv 及图形识别的工具生成图片的特征描述矩阵 3)利用隐马尔克夫模型，将图片的特征描述矩阵与类别标签进行对应 4)对已完成的图片识别的模型性能进行测试和调优

项目简介：为降低景区的传统购票压力，便捷旅客的入园需求，通过网络购票方式，采用人脸识

别方式进行实名入园验证，

个人职责：图像压缩、剪裁，图像降噪处理，直方图均衡化处理，创建图像识别器 所用技术：

\1. 基于OpenCV获取摄像头的视频流，运用高斯滤波对图像进行去燥处理

\2. 将图片进行灰度处理，使用色谱直方图均衡化调节图像亮度

\3. 采用OpenCV中LBPH算法对人面不特征进行提取

\4. 通过身份证采集的图片进行人脸验证

项目简介： 对车辆进行识别并记录，规划适合的停车位置，节省空间，方便存取

个人职责： 车牌区域定位、车牌字符的切割、字符的识别、车辆识别

所用技术：

\1. 车牌识别：

\1. 对图像去掉一些干扰的因素，然后将彩色图转变为灰色图；进行边缘提取；将图片二值化；定位出车牌的区域进行切割；把图片进行归一化尺寸

\2. 将车牌的图片进行二值化，寻找最外的轮廓，轮廓所包含的区域为车牌的区域；验证备选区域是否为7个字符，是的话进行切割

\3. 建立连个三层的神经网络对第一个汉字和后边的6个数字和字母进行识别；首对字符图像进行处理，搭建TensorFlow神经网络，使用大量的数据进行训练

\2. 车辆识别：

\1. 摄像头获取图片，OpenCV对图像进行处理

\2. 将图片转为灰度图，提升图片的亮度

\3. 使用STAR特征提取和SIFT算法相结合提取图片的特征

\4. 创建隐马尔科夫模型根据模型的score的值进行比较，确定图片

项目描述：通过实时监控，检查市场内停车位使用情况，空出停车位实时反馈，方便管理人员调度进场车辆。

所用技术：Python + numpy + OpenCV + TensorFlow

个人职责：1.基于OpenCV进行图像获取，边缘检测，霍夫直线检测；

​ 2.保存处理构建CNN的所有图像

​ \3. 训练建立模型、测试模型、检验模型，提升可靠性；

项目描述：为落实公共场所室内禁烟规定，通过摄像头实时监控识别吸烟行为，及时发现并制止。

所用技术：Python + numpy + OpenCV +TensorFlow

个人职责：1.基于OpenCV进行图像获取；

​ \2. 训练建立模型、测试模型、检验模型

项目描述：将历史档案及新产生的纸质、照片等传统介质信息通过软件转换为数字化信息。

所用技术：Python +numpy+OpenCV+Tesseract-OCR

个人职责：图像压缩、剪裁，图像降噪处理，直方图均衡化处理，图像的文字识别。

1.基于OpenCV运用高斯滤波对图像进行去噪处理,灰度处理；

2.基于OpenCV对图像进行压缩、剪裁；

3.利用Tesseract-OCR进行图像文字识别；

项目描述：通过实时监控，监测着装不符合要求，非安全区域逗留，以及私自外出人员，进行提醒且记录惩罚。

所用技术：Python +numpy+OpenCV+sklearn

个人职责：1. 基于OpenCV进行图像获取，剪裁，灰度处理；

\2. 基于PCA主成分分析，得到人脸特征信息；

\3. 训练建立模型、测试模型、检验模型，提升可靠性；

项目简介：自动识别人脸的门锁

个人职责：对图片进行处理，面部定位，面部识别

所用技术：

1.使用Opencv读取图片，用中值滤波进行去噪

2.对图片进行灰度处理，使用直方图均衡化调节图像的灰度值

3.通过哈尔级联得到面部定位

4.采用Opencv的LBPH人脸识别分类器进行识别

5.用测试集进行测试

项目简介： 自动识别进入高速公路收费站的车牌号

个人职责： 车牌区域定位、车牌字符的切割、字符的识别

所用技术：

1.采用中值滤波法将图像进行去噪，然后将彩色图转变为灰色图；

2.用sobel算子边缘检测法进行车牌的定位

3.将灰度图片进行二值化，寻找最外的轮廓；采用文字切割算法进行切割

4.建立BP神经网络进行识别

项目简介：ResNet-18实现钢材图像的分类

个人职责：搭建ResNet-18网络、图像的导入、网络的训练

所用技术：

1.在Pytorch上搭建ResNet-18网络

2.对数据进行整理

3.设置损失函数（交叉熵），采用SGD优化器进行优化

4.最后进行训练并保存模型

项目简介:安防监控系统中有时需要对图像进行精确识别功能,需要实现像素级别的目标检测,开发基于 Mask　R-CNN 模型的目标检测模型,来定位物体精确的像素点,并将关键节点提取出来进行图示化。

主要职责:查阅 Mask R-CNN 论文和相关资料和总结,协助搭建骨干网络 ResNet 和 Mask R-CNN 模型。

所用技术:

​ \1. 搭建 ResNet 模型,实现特征提取功能

​ \2. 搭建特征金字塔网络(FPN)进行骨干网络特征提取功能的改进。

\3. RPN 算法计算特征图的区域中心点和对应的边长

​ \4. 用 NMS 算法对 RPN 结果去重,得到相应准确地 ROI 区域

​ \5. 运用 ROIAlign 层实现区域框与特征的匹配

项目简介:为了“7X24 小时”智能安防监控系统能够实现实时目标检测,识别各种特定场景下的物体,研发了基于YOLOv3 的目标检测模型,通过该模型可对任意一张图片进行目标检测,并在图片上标出识别出来的物体名称及位置,实现安防系统中快速地进行目标检测和分析。

主要职责:根据 YOLOv3 论文实现对 YOLO v3 模型的搭建并测试,为项目搭建基础模型,并对实际方案做部分改进和测试。

所用技术:

​ \1. 根据 YOLOv3 算法基本原理,定义网络结构,通过 TensorFlow 框架搭建 YOLOv3 模型;

​ \2. 在 YOLOv3 模型中运用 Darknet-53 模型来提取特征;

​ \3. 运用候选框技术,辅助 YOLO 检测模块对目标尺寸的计算,提升 YOLO 检测模块的准确率;

​ \4. 用非极大值抑制算法(NMS)对检测结果去重。

项目简介：为降低景区的传统购票压力，便捷旅客的入园需求，通过网络购票方式，采用人脸识

别方式进行实名入园验证，

个人职责：图像压缩、剪裁，图像降噪处理，直方图均衡化处理，创建图像识别器 所用技术：

\1. 基于OpenCV获取摄像头的视频流，运用高斯滤波对图像进行去燥处理

\2. 将图片进行灰度处理，使用色谱直方图均衡化调节图像亮度

\3. 采用OpenCV中LBPH算法对人面不特征进行提取

\4. 通过身份证采集的图片进行人脸验证

项目简介： 对车辆进行识别并记录，规划适合的停车位置，节省空间，方便存取

个人职责： 车牌区域定位、车牌字符的切割、字符的识别

所用技术：

​ \1. 对图像去掉一些干扰的因素，然后将彩色图转变为灰色图；进行边缘提取；将图片二值化；定位 出车牌的区域进行切割；把图片进行归一化尺寸

​ \2. 将车牌的图片进行二值化，寻找最外的轮廓，轮廓所包含的区域为车牌的区域；验证备选区域是 否为7个字符，是的话进行切割

​ \3. 建立连个三层的神经网络对第一个汉字和后边的6个数字和字母进行识别；首对字符图像进行处 理，搭建TensorFlow神经网络，使用大量的数据进行训练

软件环境： Linux + Python + Pycharm +　Tensorflow + Numpy + Pandas

项目职责：

应用Tensorflow框架，对数据计算图进行配置的minst模块对图像数据加载及初始化配置，

如：占位符设置，权重和偏移量的设置，神经网络配置，独热编码，将数据通过Tensorflow框架

搭建的CNN网络进行卷积层，展评层，全链层 应用了卷积神经网络算法,Relu和softmax激活

函数,等方法实现分类将分类结果通过概率交叉熵对输出结果进行评估；通过AdamOptimizer方法

进行优化,性能度量将获得结果通过梯度下降法调节卷积权重直到损失函数最优，最终输出训练模型

权重，进行测试。

项目简介：

泛雅网络教学平台是校园综合网络教学平台，该平台以简化教师网络授课为宗旨，以优化教学效果为目标，深度贴切真实的校园授课过程，融合了在线学习课程、课程点播、课件制作、图文互动、等功能, 针对学生们在学习过程中的需要，还增加了课后答疑、植物鉴定、模拟实验等功能来丰富教学过程，使教师授课更轻松，学生听课更有兴趣。

个人职责：负责植物识别功能的实现

工作内容：

\1. 基于OpenCV对图像尺寸转换，剪裁。运用高斯滤波对图像进行去燥处理；

\2. 将图片颜色进行空间转换后，使用 (色谱直方图均衡化)调节图像亮度

\3. 使用STAR特征提取和SIFT算法的结合,提取图像特征值矩阵

\4. 对模型进行各种调参操作，验证模型的准确率和收敛速度

项目简介：

该项目主要适用于大学的学生教务管理系统，本应用旨在增强学校对教务信息的综合管理，主要包括学生信息管理、教师信息管理、课程信息管理、学生成绩管理、教职工打卡、校园缴费等功能。该应用将用户分为学生、教师、管理员三个角色，根据不同角色赋予其不同权限和能力，使管理者管理更轻松，使用者更易上手。

个人职责：负责面部图像识别的设计及开发

工作内容：

\1. 利用cv2等技术和其所提供的训练分类模型对面部头像的定位和抓取

\2. 使用TensorFlow深度学习框架设计人脸识别过程

项目简介：

通过对人脸特征的识别，当发现未进行记录的可疑人员会对监控人员发起

预警提示，通过实时高效的监测来辅助监控人员提前做好安全排查工作，

节约了人力成本并提高了工作效率

**个人职责：**人脸抓取、特征提取、调优以及训练人脸识别模型

所用技术：

1、训练数据的收集准备工作

2、利用Tensorflow深度学习框架进行模型准备训练工作

3、利用交叉熵损失函数对模型精度进行验证并进行调优工作

**项目简介：**该项目是针对股票金融公司VIP客户包房的一个使用门禁系统，整个系统包括了前端，后端等组成，最终实现的功能是会员可根据人脸识别技术判断该人物是否为会员客户，能否进入VIP包房。

**使用技术：**Python + Sklearn + Numpy + openCV。

个人职责：

\1. 负责人脸算法模块的模型建立工作；

\2. 首先用级联分类器加载人脸描述文件；

\3. 对数据进行训练，将训练样本中的每张人脸图像转化为灰度图，再用级联分类器的detectMultiScale进行人脸位置检测；

将检测出来的人脸作为训练样本tran_x，以标签编码以后的人名作为tran_y，使用OpenCV建立局部二值

\1. 模式直方图（LBPH）人脸识别分类模型，训练模型；

\2. 对已经训练好的模型进行测试，测试结果比较理想；

\3. 在运用模型过程中，我们要求会员在摄像头捕捉人脸的时候，按下esc键将被保存到待测文件中，然后运用模型进行检测，如果predict结果在VIP列表中，print匹配成功，并且图片保存到对应人名下的文件中，否则print匹配失效。

**项目简介：**该项目是针对金融界股票投资APP智能炒股助手注册的一个数字验证码识别项目，最终实现的功能是用户登录多次账号密码错误时，会弹出数字验证码然后对里面的数字进行准确的识别

**使用技术：**Python + Numpy + matplotlib + tensorflow + cnn神经网络。

个人职责：

\1. 数据预处理，通过公司提供的数据集对数据进行编码，以及可视化；

\2. 用TensorFlow搭建cnn神经网络，定义输入层，卷积层，池化层，全连接层，以及通过反向传播优化学习模型；

\3. 对模型进行训练，提高验证码的识别率；

验证模型，验证的结果比较理想

开发工具： linux + pycharm +　tensorflow + numpy + pandas + sklearn

项目介绍：

​ 为了解决考勤中迟到和早退问题，以此开展课题，将机器学习与门禁系统对接，实现人脸识别， 通过刷脸认证来进行签到。

项目职责：

​ 模型构建，将数据通过tensorflow框架搭建5层卷积神经网络训练模型,得到全连接层特征向量，

通过用此模型对人脸识别，比较特征向量，用余弦相似角进行识别，同时用dropout方法来防止过拟合；

模型优化，对于新员工需要重新训练模型角度优化，我们考虑用Siamese网络，对照片相似度进行训练，对匹配条件的阈值用随机搜索的方式进行优化；

训练构建，测试模型，验证模型，采用交叉验证模块，验证精度，并优化模型等；

项目效果 ：

​ 在门禁系统运用此模型，减少一定的人为因素的影响，制定奖罚制度，晚到早退有着明显的降低。

² 负责模块：人脸识别，图像分类

² 开发环境：python+pycharm+opencv+tensorflow+windows10

² 项目描述：由于仓储环境作业量大，人员长时间容易出现操作失误，造成商品错发，漏发，

无法完成订单判责，需要通过智能判责业务辅助客服人员完成判责，提高效率

² 项目职责: 根据天眼捕捉对应订单视频录像，进行人脸识别，并与操作人选进行面部信息对比，信息一致时候在终端提示

1. 使用opencv中cv.VideoCapture算法捕捉摄像头多张图像
   

2. 使用MTCNN对图像进行人脸检测对齐
   

3. 使用tensorflow构建的facenet网络模型得到512维特征值提取训练并调试，并针对模型进行调优，通过对人脸进行分类识别并给出人脸识别结果
   

4. 客服可以通过人脸识别结果对异常订单进行处理或判责