多模态行为感知算法工程师

参与应急救援场景的动作识别算法研发，基于人体姿态估计与时序动作分析技术，实现核心操作动作（如担架搬运、灭火操作、破拆动作）的自动识别与合规性判定；

搭建多模态心理行为判识模块，融合微表情、语音语调、肢体动态等多源信号，实现对人员情绪低落、焦虑、疲劳等心理异常状态的无感识别与风险预警；

主导双模态数据集建设：分别构建应急救援动作标注数据集（含多视角、多光照、多装备干扰样本）与心理行为特征数据集（含真实场景下情绪标注视频与语音片段），确保数据代表性与标注一致性；

协助完成轻量化模型部署，基于TensorRT或MNN框架优化双模块推理效率，确保在边缘设备上实现快速动作识别与心理状态判别，满足实战环境实时性要求；

跟踪行为识别与情感计算前沿进展，参与算法测试、性能评估与系统联调，输出标准化接口文档，支撑实训平台的动态评分与人员状态可视化功能落地

硕士及以上学历，计算机视觉、人工智能、模式识别、应用心理学（AI交叉方向）等相关专业，具备扎实的工程与心理行为分析基础；

精通Python，熟练使用PyTorch/TensorFlow，掌握OpenCV图像处理，具备基础语音特征提取（如MFCC、Prosody）能力，能独立完成多模态数据预处理流程；

理解人体姿态估计（如PoseNet、MediaPipe）、时序动作识别（如TSN、SlowFast）、多模态情感识别（如AVBERT、MM-Transformer）等主流方法，有课程项目、竞赛或科研课题实践经验；

具备完整算法开发闭环能力：能独立完成从数据清洗、模型训练、调参优化到模型导出的全流程，熟悉训练日志分析与指标可视化（如TensorBoard）；

学习能力强，具备良好沟通与协作意识，对AI+应急救援、心理状态智能监测等落地场景有真实兴趣，有相关实习或课题研究经历者优先