IT人力外包人才简历库

精通OpenCV图像处理技术，包括数字图像增强、特征提取、形态学操作及目标检测算法。熟练掌握深度学习框架（PyTorch/TensorFlow），具备YOLOv3/v5、SSD等目标检测模型的训练与部署经验。熟悉QT Creator/PyQt5开发环境，具备多线程图形界面开发能力。掌握机器学习算法（SVM、PCA、主成分分析）及图像特征提取技术。具备计算机视觉系统开发全流程经验，包括数据采集、标注、增强及模型优化。

主导基于计算机视觉的智能交通监控系统开发，完成车道线检测、路面异物识别、交通标志识别等核心模块。采用OpenCV实现图像增强、形态学操作及特征提取，结合YOLOv3/v5模型完成10类目标检测。开发QT图形界面实现多线程数据处理，支持视频流实时分析与结果可视化。优化传统算法（如Hog特征+SVM分类）提升识别准确率，设计数据增强策略提升模型泛化能力。完成从算法选型、模型训练到系统部署的全流程开发，系统检测准确率提升35%。

基于计算机视觉的智能交通监控系统开发

1. 车道线检测：采用OSTU阈值分割、角点检测及最小二乘曲线拟合算法，结合深度学习语义分割模型实现复杂路况下的车道线精准识别

2. 路面异物检测：融合边缘检测与灰度特征，应用GrabCut算法实现多目标异物分割，通过特征融合提升检测鲁棒性

3. 交通标志识别：基于Hog特征描述子与PCA降维技术，构建SVM分类模型完成五类箭头识别，准确率提升至92%

4. 人行横道检测：利用梯度一致性分析与透视变换技术，结合滑动窗口算法实现斑马线精准定位

5. 目标检测系统：完成多源数据采集与标注，采用YOLOv3/SSD模型实现10类目标检测，通过数据增强策略提升模型泛化能力

6. 系统开发：基于QT Creator开发多线程图形界面，实现图像/视频流实时处理与可视化展示，支持摄像头接入与结果动态显示