个人介绍
我是程序员客栈的machisoul,一名嵌入式软件开发工程师; 我毕业于中南民族大学,担任过中科创达软件股份有限公司的嵌入式开发工程师,负责过算法中间件及集成,模型训练,图像识别、车载ECU, Autosar, 车辆诊断系统等开发; 熟练使用C++, Python, Shell,熟悉Autosar, SOME/IP、Diagnostic、OpenCV等; 如果我能帮上您的忙,请点击“立即预约”或“发布需求”!
工作经历
2022-07-01 -2024-06-06中科创达软件股份有限公司软件开发工程师
作为嵌入式软件开发工程师,我专注于汽车行业的软件开发与集成,主要涉及Autosar、SOME/IP、诊断(Diagnostic)等技术栈,同时在视觉图像处理的中间件和算法集成方面也有丰富经验。我的主要工作包括配置和实现Autosar架构中的基础软件模块和应用层软件;设计与实现基于SOME/IP的服务通信,优化协议栈,进行服务的测试与验证;开发和维护诊断通信协议,实现诊断服务,集成诊断工具与ECU进行测试和故障排除;开发视觉图像处理中间件,集成各种传感器数据,优化中间件性能;将图像处理和计算机视觉算法(如YOLO、OpenCV)集成到车载系统中,优化和调试算法以确保其在嵌入式平台上的高效运行;参与汽车电子系统的架构设计和优化,确保整体系统的稳定性和高效性。
教育经历
2018-09-01 - 2022-07-01中南民族大学软件工程本科已认证
主修课程:面向对象程序设计(C++)、汇编语言、数据结构、操作系统原理、计算机组成原理、计算机网络等。 证书 & 获奖:年级专业二等奖、ACM 预赛三等奖。 毕业设计:基于卷积神经网络的交通标志识别。
技能
我们的驾驶员状态检测系统集成了多个YOLO-v5模型,部署在车载设备上,旨在实时监测和评估驾驶员的状态。系统利用摄像头捕捉驾驶员的图像,通过OpenCV进行处理后输入到YOLO-v5模型,从而检测出驾驶员的年龄、性别、驾驶状态(如是否集中)、是否疲劳等关键信息。这一系统能够有效提高行车安全,减少事故风险。 主要功能: 1. 驾驶员特征检测: 年龄识别:利用YOLO-v5模型分析驾驶员的面部特征,准确预测其年龄范围。 性别识别:基于面部特征和模型分析,实时识别驾驶员的性别。 驾驶状态监测: 2. 注意力检测:通过检测驾驶员的眼睛和头部姿态,判断其是否集中注意力。 疲劳检测:通过分析眼睛闭合状态、眨眼频率等指标,实时监测驾驶员是否疲劳。 图像处理与输入: OpenCV处理:使用OpenCV对摄像头捕捉的图像进行预处理,包括图像增强、裁剪和缩放等操作,以便更好地输入模型进行分析。 实时输入:系统能够实时处理和分析图像,确保监测信息的时效性和准确性。 项目优势: 多模型集成:系统结合多个YOLO-v5模型,提供全面的驾驶员状态检测,提升了识别的准确性和多样性。 高效图像处理:通过OpenCV进行高效的图像预处理,确保输入模型的数据质量和处理速度。 实时监测:系统能够实时捕捉和分析驾驶员状态,提供即时反馈,帮助预防潜在风险。 易于集成:系统设计兼顾硬件性能和软件兼容性,能够轻松集成到各类车载设备中。 应用场景: 行车安全辅助:为驾驶员提供实时状态监测,提醒其注意力不集中或疲劳驾驶,提升行车安全性。 智能驾驶辅助系统:作为智能驾驶系统的一部分,结合其他传感器和数据,提供更全面的驾驶辅助功能。 商业车队管理:用于商业车队,实时监控驾驶员状态,提升车队管理效率和安全性。
我们的交通标志识别系统利用先进的卷积神经网络(CNN),特别是YOLO-v5模型,来实现对交通标志的实时识别。这一系统经过大量数据的训练,已开发出高精度的识别模型,并成功集成到车载设备中。该车载设备配备摄像头,能够实时捕捉道路图像并通过模型进行分析,从而准确识别出各种交通标志。 主要功能: 1. 实时识别: 高效处理:基于YOLO-v5模型,系统能够在毫秒级别内处理图像并识别交通标志,确保在行车过程中不延迟。 精准识别:通过大量数据训练,模型具备高精度识别能力,能够准确分辨各种类型的交通标志。 2. 车载设备集成: 硬件集成:系统已成功嵌入车载设备,设备内置高性能摄像头,实时捕捉道路影像。 低功耗高性能:设备设计兼顾性能和功耗,确保长时间稳定运行。 3. 图像处理与分析: 实时图像输入:摄像头实时捕捉道路图像,系统即时处理输入图像。 标志识别输出:系统处理图像并输出识别结果,包括交通标志的类型和位置。 4. 项目优势: 高精度识别:利用YOLO-v5模型的优势,通过大量数据训练,实现对交通标志的高精度识别。 实时处理:系统能够在行驶过程中实时处理图像并识别交通标志,提供即时反馈,提升驾驶安全性。 稳定可靠:车载设备经过优化设计,能够在各种驾驶环境中稳定运行,提供可靠的识别结果。 易于集成:设备和模型设计具有高度的灵活性和兼容性,易于集成到各种车载系统中。 5. 应用场景: 辅助驾驶:为驾驶员提供实时交通标志信息,提升行车安全和驾驶体验。 自动驾驶:作为自动驾驶系统的一部分,帮助车辆识别道路标志,做出正确的驾驶决策。 交通监控:用于交通监控系统,帮助交通管理部门实时了解道路状况,提高交通管理效率。
本项目实现了高效的数据爬取脚本,自研量化模型,旨在为投资者提供全面、实时的A股市场分析与投资决策支持。项目通过自动化手段实现了对A股市场的全天候监控与量化分析,及时获取最明智的投资决策。 1. A股历史数据爬取: 数据全面:覆盖所有A股上市公司的历史数据,确保数据的广泛性和完整性。 高效采集:采用优化的爬虫技术,能够快速、准确地获取大规模数据。 数据存储:使用高效的数据库系统存储历史数据,支持快速查询和分析。 2. 24小时自动化监测: 实时监控:系统全天候运行,实时获取最新的市场数据,包括股价、成交量等关键信息。 预警系统:配置智能预警机制,当市场出现异常波动时,系统能即时发出警报。 自动更新:定时更新数据库,确保数据的时效性和准确性。 3. 量化模型分析: 实时胜率计算:基于最新数据和历史数据,量化模型实时计算每只股票的胜率。 多维度分析:综合考虑技术指标、基本面分析和市场情绪等多方面因素,提高分析的准确性。