职位描述

一、项目概述
我们正在开发一套智能停车系统，适用于小区地上和地下停车场及路边停车场。该系统需利用现有的固定枪机摄像头，通过视频分析和深度学习算法实现停车位状态实时监控、车辆特征识别、通过视频流快速定位新停车辆并绑定相关信息以及行人点击导航并定位车辆等功能。

二、岗位职责及要求
（一）技术能力要求
1. 停车位状态实时监控
熟练掌握OpenCV和实时视频处理技术，能够对多路摄像头的实时视频流进行处理。
深入理解YOLOv系列/Faster R - CNN等高精度目标检测模型，准确识别车位占用情况。
掌握TensorRT/ONNX等深度学习模型推理加速工具，确保系统在低延迟下处理大规模视频流。
具备管理多路视频源的能力，考虑高并发和低延迟、精度优化、GPU加速以及模型训练与优化等要点。
2. 车辆特征识别
熟悉高级车牌识别技术（OCR与深度学习模型），能处理不同情况的车牌。
掌握车辆特征识别（车型、颜色、车标等）技术，通过卷积神经网络等深度学习技术提取车辆外观特征。
具备多线程处理与并行计算能力，同时处理多个视频流并保持结果稳定。
熟悉图像预处理与增强技术，确保在不同光线和天气下以及车辆运动中准确识别车辆特征，且能处理复杂停车场背景。
3. 通过视频流快速定位新停车辆并并行绑定相关信息**
精通多目标追踪（DeepSORT、Kalman滤波等）算法，追踪车辆运动轨迹并绑定车牌与车位信息。
能够处理大量历史视频数据，通过车辆特征或车牌信息快速定位车辆历史轨迹。
熟悉高并发、高性能的数据库管理系统（如NoSQL、MongoDB、Cassandra），存储和查询车辆与车位绑定信息，同时考虑视频流实时处理和系统扩展性与数据存储。
4. 行人点击导航并定位车辆
熟练掌握行人识别与追踪（OpenPose、DeepLab等）技术，根据行人视频特征识别身份并生成导航路径。
精通路径规划算法（A算法、Dijkstra），生成最优路线。
具备复杂环境下的实时定位与地图构建（SLAM）技术经验，为行人提供准确导航服务。
有移动端开发与集成（iOS/Android）经验，实现车位位置与行人实时联动，同时考虑实时路径更新与动态调整、多摄像头协同工作以及用户体验优化。

（二）项目经验要求
1. 必须拥有视频分析停车位、视频分析车辆与停车位绑定、视频分析帮助人导航找车定位等方面的现成经验（或更好的经验）。
2. 对相关开源项目有深入了解，并在实际项目中应用过，且拥有自己优化的算法，能够在处理速度、精度和硬件要求上有所提升。

（三）其他要求
1. 能够根据项目需求提供完整解决方案。
2. 直接提供优化后的成品或解决方案，拒绝从零开始开发。
3. 合理报价，具备竞争力。

如果您符合上述要求，欢迎投递简历，我们期待与您合作，共同推进智能停车及车辆识别系统项目的发展。我们此次招聘为兼职岗位，希望您能在兼职时间内高效完成相关工作任务。