动动
高级开发工程师 · 10年经验 · 北京汉王鹏泰科技有限公司
0
累计接单
0
用户评价
0
被收藏
技术能力
C++：
精通 面向对象编程（OOP），熟悉类的继承、多态、模板编程（Templates）等高级特性；
掌握 STL（标准模板库） 使用，包括容器（vector, map, set 等）、迭代器与算法；
熟悉 内存管理机制，理解栈/堆分配、RAII、智能指针（std::shared_ptr, std::unique_ptr）；
具备 多线程与并发编程 经验，熟悉 std::thread、std::mutex、std::condition_variable 等同步机制；
熟悉 Qt 框架开发，能进行界面设计、信号槽机制使用及多线程 UI 响应优化；
具备 跨平台开发经验，可在 Windows / Linux 环境下进行编译与调试；
对 CMake 构建系统、GDB 调试、性能分析（valgrind, perf）有实践经验。
精通 面向对象编程（OOP），熟悉类的继承、多态、模板编程（Templates）等高级特性；
掌握 STL（标准模板库） 使用，包括容器（vector, map, set 等）、迭代器与算法；
熟悉 内存管理机制，理解栈/堆分配、RAII、智能指针（std::shared_ptr, std::unique_ptr）；
具备 多线程与并发编程 经验，熟悉 std::thread、std::mutex、std::condition_variable 等同步机制；
熟悉 Qt 框架开发，能进行界面设计、信号槽机制使用及多线程 UI 响应优化；
具备 跨平台开发经验，可在 Windows / Linux 环境下进行编译与调试；
对 CMake 构建系统、GDB 调试、性能分析（valgrind, perf）有实践经验。
项目经验
项目名称：视频结构化分析系统
开发语言：C++17
运行环境：Linux / Windows
开发周期：约 3 个月
主要技术栈：C++17、OpenCV、FFmpeg、ONNXRuntime、JSON、ThreadPool、Qt（UI层）
项目简介
VideoStruct 是一个基于 C++ 的视频结构化分析系统，旨在对监控视频进行 目标检测、行为识别与特征提取，并将结果结构化存储供检索与分析。系统实现了从视频解码、帧抽取、模型推理到结果可视化的一整套流程，广泛适用于智能安防、交通监控与视频检索等场景。
⚙️ 系统功能
视频解码模块
使用 FFmpeg 进行视频解复用与帧提取，支持多格式输入（MP4、AVI、H264 等）；
实现自定义缓冲区与帧同步机制，保证实时处理性能。
对象检测与跟踪模块
使用 ONNXRuntime 加载深度学习模型（ YOLOv8），检测人、车等目标；
结合 SORT（Simple Online and Realtime Tracking）算法实现目标多帧跟踪。
特征提取与结构化输出
对检测到的目标进行特征编码（embedding）并以 JSON 结构输出；
支持关键帧截图与事件索引。
可视化与交互界面（Qt）
实现实时播放、检测框叠加、时间轴控制等功能；
支持结果导出与视频回放。
技术亮点
高性能多线程架构：
主线程负责解码与显示，推理线程池并行执行目标检测，最大化 GPU/CPU 利用率。
模块化设计：
各功能模块（解码、推理、跟踪、存储）独立封装，支持灵活扩展不同模型或数据源。
跨平台兼容：
使用 CMake 构建系统，可在 Linux 与 Windows 环境中无缝编译运行。
轻量化与可部署性：
支持离线运行，无需依赖大型框架，适用于边缘设备部署。
项目成果
实现平均处理速度约 25 FPS（1080P 视频下）；
输出结构化 JSON 数据（包含时间戳、目标类型、坐标、置信度、特征向量等）；
已在测试数据集上实现 95%+ 检测准确率。
开发语言：C++17
运行环境：Linux / Windows
开发周期：约 3 个月
主要技术栈：C++17、OpenCV、FFmpeg、ONNXRuntime、JSON、ThreadPool、Qt（UI层）
项目简介
VideoStruct 是一个基于 C++ 的视频结构化分析系统，旨在对监控视频进行 目标检测、行为识别与特征提取，并将结果结构化存储供检索与分析。系统实现了从视频解码、帧抽取、模型推理到结果可视化的一整套流程，广泛适用于智能安防、交通监控与视频检索等场景。
⚙️ 系统功能
视频解码模块
使用 FFmpeg 进行视频解复用与帧提取，支持多格式输入（MP4、AVI、H264 等）；
实现自定义缓冲区与帧同步机制，保证实时处理性能。
对象检测与跟踪模块
使用 ONNXRuntime 加载深度学习模型（ YOLOv8），检测人、车等目标；
结合 SORT（Simple Online and Realtime Tracking）算法实现目标多帧跟踪。
特征提取与结构化输出
对检测到的目标进行特征编码（embedding）并以 JSON 结构输出；
支持关键帧截图与事件索引。
可视化与交互界面（Qt）
实现实时播放、检测框叠加、时间轴控制等功能；
支持结果导出与视频回放。
技术亮点
高性能多线程架构：
主线程负责解码与显示，推理线程池并行执行目标检测，最大化 GPU/CPU 利用率。
模块化设计：
各功能模块（解码、推理、跟踪、存储）独立封装，支持灵活扩展不同模型或数据源。
跨平台兼容：
使用 CMake 构建系统，可在 Linux 与 Windows 环境中无缝编译运行。
轻量化与可部署性：
支持离线运行，无需依赖大型框架，适用于边缘设备部署。
项目成果
实现平均处理速度约 25 FPS（1080P 视频下）；
输出结构化 JSON 数据（包含时间戳、目标类型、坐标、置信度、特征向量等）；
已在测试数据集上实现 95%+ 检测准确率。
立即沟通
