项目一：基于大模型的行为检测分析系统
项目时间：2022.10 ~ 2023.08
项目描述：随着现代安防需求的不断增长，传统的监控系统已经难以满足复杂场景下的实时威胁检测
和响应需求。本项目旨在开发一套基于TensorRT优化的智能安防行为分析系统，利用先进的计算机视觉技术
和深度学习模型，实现对视频监控数据的实时分析和异常行为的自动识别告警，为安防工作提供高效、精
准的技术支持。基于多区域、多摄像头视频数据的智能安防行为分析系统，应用后端使用flask框架作为基础
应用框架，应用前端使用JeecgBoot低代码开发平台高效开发，模型端使用TensorRT框架优化ReID、MOT、
TSM和MViT等模型架构，确保系统能够在实时性和准确性上满足高要求的安防监控应用。系统将自动检测
并识别潜在的安全威胁，如目标人物追踪、人数异常、可疑行为、日常行为等，并通过多种响应机制保障
监控区域的安全。该系统广泛适用于各类安防场景，对重点区域的安全监控提供了可靠的技术保障。
技术架构：Flask + TenssortRT + RabbitMQ + ReID + MOT + MViT + JeecgBoot + PyArmor
担任职责：
1.对接开发需求，编写需求文档
2.现场采集摄像头预训练数据
2.开发、测试及发布版本，编写技术文档，测试文档及验收文档
3.客户现场部署、维护应用程序
4.根据客户需求及实际情况优化迭代应用系统

项目二：域名备案数据采集
项目时间：2022.01~2022.05
项目描述：随着互联网技术的快速发展，域名作为网络标识的重要组成部分，其注册与管理越来越受
到企业和个人的重视。域名备案信息，包括域名所有者、注册时间、备案号以及管理机构等，对于域名管
理、网络安全和法律合规等方面具有重要意义。目前，互联网上存在大量的域名信息查询网站，能够提供
这些关键信息的查询服务。然而，针对大规模域名的信息采集、更新和管理，仍然缺乏高效、自动化的解
决方案。本项目针对以上问题，旨在开发一个自动化的域名备案数据采集脚本，以满足大规模域名信息管
理的需求。
技术架构：Windows+Python(Selenium + Numpy + cv2 + urllib + requests + base64 + re等)
担任职责：1.采集需求对接及分析确认
2.开发者工具分析网站结构及采集步骤
3.开发测试及优化采集程序（主要优化验证码模块）
4.数据跑批、验证、清洗及格式化输出
5.更新数据库
6.需求归档