项目简介：车载铁骑是一款专为警用摩托设计的智能执法终端，支持实时监控前后车载摄像头画面，具备违法行为自动识别与抓拍、违停车辆自动处罚等智能执法功能，显著提升移动执法效率与精准度。工作职责：负责设备端界面交互的设计与开发，确保在高速行驶等特殊环境下的操作流畅与信息清晰呈现。通过 JNI 集成业务核心组件，实现视频监控、抓拍处理、违法识别等功能模块的高效联动。深度参与与定制 ROM 团队的接口对接，完成设备控制、数据传输等底层能力的适配与优化。...

执法记录仪基础型号开发

人工智能-可穿戴设备 SunZJ

工作描述：主导完成三款基础型号执法记录仪（U2、U3、V1）的产品开发工作，重点负责设备端的界面交互设计与实现。通过 JNI 技术集成媒控模块、国标协议组件及 CGI 信令系统，实现与底层系统的高效通信。同时与 ROM 开发团队紧密协作，完成多个定制化系统接口的设计与适配，确保设备在不同业务场景下的功能稳定、性能可靠。...

可穿戴智能穿戴智能控制远程连接软硬件方案

人工智能-可穿戴设备软件开发,林生

方案介绍：灯控、电子锁、电子秤、血压计、体温计、血糖仪、手表、手环、单车、房车、拉力计等软硬件方案（以上没提及的可以根据你的需求定制）终端平台：安卓、苹果、鸿蒙、小程序通讯形式：蓝牙、WI-FI...

相机视频防抖

人工智能-可穿戴设备夏雨天的漫步

1、负责 linux 系统下，防抖 eis 和 mctf 通路，xml 通路的链接；和适配工作，跟算法进行对接，能添加 tag，并熟悉通路流程，获取 tag 值，通过接口适配之后传给算法，最终在 android 系统下运行。 2、熟悉 ppc 和 tpc 模式，熟悉数据库操作。了解 exosip, 慢慢熟悉 rtp 和 rtcp，rtsp，demo 的框架，sdk 框架，mdc 的框架，并带小组使用 mfc 和 c#完成 demo 模块中视频播放，视频会议，视频监控，语音会议等模块的开发，自己负责其中 5.1 版本中 sdkserver 中的安全特性，后来了解 demo ...

健康小程序

人工智能-可穿戴设备 Limitation

作品包含微信公众号、微信小程序和web端，作品已上线可展示。微信小程序可以蓝牙连接可穿戴智能设备，合理直观展示健康数据。...

喂食器

人工智能-可穿戴设备蒋武德

宠物喂食器（下位机由ESP32CAM+ESP32组成，上位机由微信小程序开发。通过MQTT协议传输下位机状态信息，http协议传输图片）...

荔枝返现APP，电子班牌APP

人工智能-可穿戴设备潇湘凌月

1、车载项目中蓝牙串口项目，手机连接车机后车机上拨打电话，同步联系人之类的 2、电子班牌项目：负责设置131版阅读机为主模式和从模式，然后将其接入到电子班排然后进行程序的开发。主题信息显示有课程表，新闻咨询，通知公告，我的智云以及签到详情页。签到后将该学生信息显示并上传。 3、体脂秤项目：该项目是与双佳医疗合作开发，负责独立开发该项目，从打开串口到发出串口测量的命令，到测量结束，展示测量结果并上传。且安卓版上外接手环131版阅读器，刷手环启动测量。 4、班校通APP：该项目主要用于学校与家长之间的沟通更好的管理学生。家长可以看到学生进校和出校的详细信息。通过该app家长可以查看学校的通...

真空包装机，射频理疗仪，

人工智能-可穿戴设备坤和兴旺

，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，...

python

人工智能-可穿戴设备儒林外史ᯤ⁶ᴳ

个人简历基本信息姓名：[你的姓名] 联系方式：[联系电话] 邮箱：[电子邮箱] 求职意向：[具体岗位] 现居地：[所在城市] 教育背景 [起止年份]：[学历层次] [学校名称] - [专业名称] GPA：[具体成绩]（如有优势可体现）主修课程：[列举与目标岗位相关的核心课程] 工作 / 实习经历 [起止年份]：[公司名称] - [职位名称] 负责 [具体工作内容 1]，通过 [具体方法 / 行动]，实现 [成果或数据]，提升 [相关指标] [具体百分比]。参与 [项目名称]，担任 [角色]，与团队协作完成 [项目目标]，积累了 [相关经验]。优化 [工...

基于加速度计数据的健康行为分析系统

人工智能-可穿戴设备 Wiz

本作品针对可穿戴设备健康监测场景，提出了一种融合多模态特征与改进BiLSTM的深度学习框架，实现活动识别、MET值预测、睡眠阶段分析和久坐预警四大核心功能。系统通过时域（均值、方差）和频域（FFT、功率谱）特征提取，结合个体静态数据（性别、年龄等），构建多维特征表示；采用4层BiLSTM网络捕捉时序依赖，引入多头注意力机制强化关键片段识别，并通过多任务学习实现四类任务的协同优化。实验表明，模型在20名志愿者数据上表现优异：活动识别准确率显著提升，MET预测误差（MAE=0.5691）优于传统方法，睡眠分期与久坐检测（支持分级预警）均达到实用水平。...