Luke Shen
C++
武汉纺织大学 · 1年经验
日薪：
￥500/8h
地点：
武汉 全区
时间：
可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
熟悉基础的计算机视觉空间几何变换，相机标定，单映矩阵，旋转矩阵等空间转换模型。
熟悉基础的机器学习模型，对线性分类器，CNN模型，tensorflow有基础的学习实践。
编程语言Python/C++熟练，熟悉Linux系统shell指令，了解基础数据结构算法。
熟悉基础的机器学习模型，对线性分类器，CNN模型，tensorflow有基础的学习实践。
编程语言Python/C++熟练，熟悉Linux系统shell指令，了解基础数据结构算法。
项目经验
2020.6 - 至今 基于眼动人机交互技术研究
该项目为硕士期间研究方向。视线追踪是一种实时追踪并记录眼球移动和注视位置的技术，是通过视觉信息分析人注意力的常用方法。应用场景为AR/VR的眼动交互控制，相信在不久取代手柄控制。作为基础的视线追踪算法，必解决问题是通过摄像头获取二维眼部图像进行瞳孔曲线的拟合，从而建立三维眼部模型，获取视线矢量，达到控制AR/VR虚拟场景如游戏等的控制功能。
在该项目中用到的基础算法利用红外摄像头获取眼部图像，对ROI区域进行Canny边缘检测，利用预设阀值获取深色区域的灰度直方图，过滤掉噪声，对深色区域进行K近邻边缘拟合，得到瞳孔椭圆。软件以Opencv/C++为主，搭配windows10+VS+红外光点阵滤可见光摄像头。
该项目为硕士期间研究方向。视线追踪是一种实时追踪并记录眼球移动和注视位置的技术，是通过视觉信息分析人注意力的常用方法。应用场景为AR/VR的眼动交互控制，相信在不久取代手柄控制。作为基础的视线追踪算法，必解决问题是通过摄像头获取二维眼部图像进行瞳孔曲线的拟合，从而建立三维眼部模型，获取视线矢量，达到控制AR/VR虚拟场景如游戏等的控制功能。
在该项目中用到的基础算法利用红外摄像头获取眼部图像，对ROI区域进行Canny边缘检测，利用预设阀值获取深色区域的灰度直方图，过滤掉噪声，对深色区域进行K近邻边缘拟合，得到瞳孔椭圆。软件以Opencv/C++为主，搭配windows10+VS+红外光点阵滤可见光摄像头。
团队情况
整包服务：
智能硬件开发运维类开发
负责人：
C++
团队成员：
前端工程师
Luke Shen
有团队 · 可整包
C++ · 1年经验 · 武汉纺织大学
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
熟悉基础的计算机视觉空间几何变换，相机标定，单映矩阵，旋转矩阵等空间转换模型。
熟悉基础的机器学习模型，对线性分类器，CNN模型，tensorflow有基础的学习实践。
编程语言Python/C++熟练，熟悉Linux系统shell指令，了解基础数据结构算法。
熟悉基础的机器学习模型，对线性分类器，CNN模型，tensorflow有基础的学习实践。
编程语言Python/C++熟练，熟悉Linux系统shell指令，了解基础数据结构算法。
项目经验
2020.6 - 至今 基于眼动人机交互技术研究
该项目为硕士期间研究方向。视线追踪是一种实时追踪并记录眼球移动和注视位置的技术，是通过视觉信息分析人注意力的常用方法。应用场景为AR/VR的眼动交互控制，相信在不久取代手柄控制。作为基础的视线追踪算法，必解决问题是通过摄像头获取二维眼部图像进行瞳孔曲线的拟合，从而建立三维眼部模型，获取视线矢量，达到控制AR/VR虚拟场景如游戏等的控制功能。
在该项目中用到的基础算法利用红外摄像头获取眼部图像，对ROI区域进行Canny边缘检测，利用预设阀值获取深色区域的灰度直方图，过滤掉噪声，对深色区域进行K近邻边缘拟合，得到瞳孔椭圆。软件以Opencv/C++为主，搭配windows10+VS+红外光点阵滤可见光摄像头。
该项目为硕士期间研究方向。视线追踪是一种实时追踪并记录眼球移动和注视位置的技术，是通过视觉信息分析人注意力的常用方法。应用场景为AR/VR的眼动交互控制，相信在不久取代手柄控制。作为基础的视线追踪算法，必解决问题是通过摄像头获取二维眼部图像进行瞳孔曲线的拟合，从而建立三维眼部模型，获取视线矢量，达到控制AR/VR虚拟场景如游戏等的控制功能。
在该项目中用到的基础算法利用红外摄像头获取眼部图像，对ROI区域进行Canny边缘检测，利用预设阀值获取深色区域的灰度直方图，过滤掉噪声，对深色区域进行K近邻边缘拟合，得到瞳孔椭圆。软件以Opencv/C++为主，搭配windows10+VS+红外光点阵滤可见光摄像头。
团队情况
服务范围：
团队构成：
负责人(C++)
|
核心队员：前端工程师
立即沟通
相似人才推荐：
