毕业去向

中国移动宁波分公司

实习经历：

乐歌人体工学科技股份有限公司| LOCTEK， 实习生， 2025.05-2025.09

主要负责基于视频帧的高质量全景图像生成项目，该项目要求将手机、监控摄像头、无人机等普通设备采集的连续视频内容，转化为清晰、稳定、视角广阔的全景图像，可用于室内环境建模、设备巡检和空间监测等场景。我们所设计的系统流程和工作内容如下：

1. 视频帧预处理：基于 OpenCV 实现关键帧提取与模糊帧剔除。通过 SSIM、直方图变化筛选视角差异较大的代表性帧，并利用 Laplacian Variance 清晰度评价方法剔除模糊帧，提高后续拼接质量与效率。
2. 图像配准与特征匹配：采用 SIFT 提取图像特征点，结合 FLANN 完成快速特征匹配，并利用 RANSAC 剔除误匹配点，计算单应矩阵，实现多帧图像之间的几何对齐。
3. 图像融合与全景输出：针对图像重叠区域，采用多频率融合、加权平均融合和边缘羽化等方法，减弱拼接接缝处的光照与颜色差异，提升最终全景图的自然度和稳定性。

科研经历：

视频异常检测、脉冲神经网络

● 基于事件相机构建了面向视频异常检测任务的数据集 UCF-Crime-DVS，以探索事件视觉在该任务中的应用潜力。在此基础上，进一步构建了面向 DVS–SNN 视频异常检测的基准模型，从而为视频异常检测任务开辟了一条区别于传统 RGB–ANN 路线的新路径。

相关论文 UCF-Crime-DVS: A Novel Event-Based Dataset for Video Anomaly Detection with Spiking Neural Networks 已发表于 39th AAAI Conference on Artificial Intelligence (AAAI2025). 论文地址：https://ojs.aaai.org/index.php/AAAI/article/view/32705 代码地址：https://github.com/YBQian-Roy/UCF-Crime-DVS

● 提出了基于脉冲原型记忆的 RGB–DVS 多模态视频异常检测方法，该方法在 UCF-Crime-DVS 数据集上取得了显著优于以往方法的性能；同时，与最新的基于RGB的ANN方法相比，其性能差距已缩小到 5% 以内。

相关论文 Spiking Prototype Memory for Video Anomaly Detection正在投稿中。