计算机视觉】OpenCV项目实战:eye_mouse_movement:基于opencv实战眼睛控制鼠标
eye_mouse_movement:基于视觉追踪的实时眼控交互系统
- 一、项目概述与技术背景
- 1.1 项目核心价值
- 1.2 技术指标对比
- 1.3 技术演进路线
- 二、环境配置与系统部署
- 2.1 硬件要求
- 2.2 软件安装
- 基础环境搭建
- 关键组件说明
- 2.3 模型文件部署
- 三、核心算法解析
- 3.1 系统架构设计
- 3.2 视线估计算法
- 3.3 自适应校准策略
- 四、实战应用流程
- 4.1 基础眼动追踪
- 4.2 高级交互功能
- 眨眼点击检测
- 滚动控制
- 4.3 校准流程优化
- 五、高级功能开发
- 5.1 多模态控制
- 5.2 注视点热力图分析
- 5.3 无障碍交互适配
- 六、常见问题与解决方案
- 6.1 摄像头初始化失败
- 6.2 检测抖动问题
- 6.3 跨屏幕适配问题
- 七、性能优化技巧
- 7.1 计算加速策略
- 7.2 模型轻量化
- 7.3 内存管理
- 八、学术背景与参考文献
- 8.1 核心算法论文
- 8.2 相关研究进展
- 九、应用场景与展望
- 9.1 典型应用场景
- 9.2 未来发展方向
一、项目概述与技术背景
1.1 项目核心价值
eye_mouse_movement是由开发者Ryan Rudes设计的开源眼动追踪系统,其创新点在于:
- 无外设依赖:仅需普通RGB摄像头实现眼球追踪
- 低延迟交互:鼠标控制延迟<50ms(720p@30FPS)
- 跨平台支持:兼容Windows/macOS/Linux系统
- 自适应校准:动态调整用户特异性参数
1.2 技术指标对比
指标 | 本项目 | 商业方案(如Tobii) | 优势 |
---|---|---|---|
硬件成本 | $0 | $1500+ | 无需专用设备 |
定位误差 | ±15px | ±5px | 满足基础交互 |
采样率 | 30Hz | 120Hz | 低配置兼容 |
校准时间 | 自动 | 手动2分钟 | 用户体验优化 |
1.3 技术演进路线
- v1.0(2021):基于OpenCV Haar级联的初步眼动检测
- v2.1(2022):引入dlib的HOG特征+线性回归
- v3.0(2023):集成MediaPipe Iris模型,精度提升40%
二、环境配置与系统部署
2.1 硬件要求
- 摄像头:支持640x480@30FPS以上(推荐Logitech C920)
- 处理器:Intel i5四核或同级AMD处理器
- 内存:4GB+(推荐8GB)
- 显示器:建议屏幕尺寸≤27英寸
2.2 软件安装
基础环境搭建
# 创建虚拟环境
conda create -n eye_control python=3.8
conda activate eye_control# 克隆仓库
git clone https://github.com/Ryan-Rudes/eye_mouse_movement.git
cd eye_mouse_movement# 安装依赖
pip install -r requirements.txt
关键组件说明
依赖库 | 版本 | 功能 |
---|---|---|
OpenCV | 4.5+ | 图像处理 |
MediaPipe | 0.9+ | 虹膜追踪 |
PyAutoGUI | 0.9+ | 鼠标控制 |
Dlib | 19.24+ | 人脸特征点 |
2.3 模型文件部署
# 下载预训练模型
wget https://github.com/Ryan-Rudes/eye_mouse_movement/releases/download/v3.0/shape_predictor_68_face_landmarks.dat
mv shape_predictor_68_face_landmarks.dat models/
三、核心算法解析
3.1 系统架构设计
3.2 视线估计算法
v ⃗ = α ⋅ p ⃗ l e f t + β ⋅ p ⃗ r i g h t \vec{v} = \alpha \cdot \vec{p}_{left} + \beta \cdot \vec{p}_{right} v=α⋅pleft+β⋅pright
其中:
- p ⃗ l e f t / r i g h t \vec{p}_{left/right} pleft/right:左右眼虹膜中心相对坐标
- α , β \alpha, \beta α,β:用户特异性校准系数
3.3 自适应校准策略
- 初始校准:用户注视5个屏幕参考点
- 在线学习:运行时动态更新映射矩阵
M t = γ M t − 1 + ( 1 − γ ) Δ M M_t = \gamma M_{t-1} + (1-\gamma) \Delta M Mt=γMt−1+(1−γ)ΔM - 异常检测:当连续10帧误差>阈值时触发重新校准
四、实战应用流程
4.1 基础眼动追踪
from eye_tracker import EyeTracker
from mouse_controller import MouseController# 初始化组件
tracker = EyeTracker(model_path='models/shape_predictor_68_face_landmarks.dat',calibration_steps=5
)
controller = MouseController(screen_res=(1920, 1080))# 主循环
while True:frame = get_camera_frame()eye_pos = tracker.detect(frame)if eye_pos is not None:screen_coord = tracker.to_screen_coordinates(eye_pos)controller.move(screen_coord)
4.2 高级交互功能
眨眼点击检测
# 在EyeTracker类中添加
def detect_blink(self, eye_ratio_history):if len(eye_ratio_history) < 5:return False# 计算眼睛纵横比变化率delta = np.diff(eye_ratio_history[-5:])return np.mean(delta) < self.blink_threshold# 主循环中
if tracker.detect_blink():controller.click()
滚动控制
def handle_scroll(iris_y_pos):scroll_speed = 20 # 像素/单位位移delta_y = (iris_y_pos - SCREEN_CENTER[1]) / SCREEN_HEIGHTcontroller.scroll(int(delta_y * scroll_speed))
4.3 校准流程优化
class AutoCalibrator:def __init__(self):self.calib_points = [(0.2,0.2), (0.8,0.2), (0.5,0.5), (0.2,0.8), (0.8,0.8)]self.current_point = 0def run_calibration(self, tracker):for x, y in self.calib_points:display_point(x, y) # 在屏幕上显示目标点collect_samples()compute_mapping_matrix()
五、高级功能开发
5.1 多模态控制
# 语音+眼控组合指令
import speech_recognition as srr = sr.Recognizer()
with sr.Microphone() as source:print("Say command:")audio = r.listen(source)command = r.recognize_google(audio)if "click" in command.lower():controller.click()elif "scroll" in command:handle_scroll(tracker.current_y)
5.2 注视点热力图分析
import matplotlib.pyplot as pltdef plot_heatmap(eye_data, screen_size):heatmap, xedges, yedges = np.histogram2d(eye_data[:,0], eye_data[:,1], bins=50, range=[[0, screen_size[0]], [0, screen_size[1]]])plt.imshow(heatmap.T, origin='lower')plt.savefig('heatmap.png')
5.3 无障碍交互适配
# 为运动障碍者设计的目标放大算法
def magnify_target(pos, radius=50):x, y = posscreen = get_screenshot()roi = screen[y-radius:y+radius, x-radius:x+radius]magnified = cv2.resize(roi, (2*radius, 2*radius))show_overlay(magnified)
六、常见问题与解决方案
6.1 摄像头初始化失败
错误信息:cv2.VideoCapture Failed to initialize!
解决步骤:
- 检查设备权限:
# Linux v4l2-ctl --list-devices # Windows:确认相机隐私设置开启
- 尝试不同API后端:
cap = cv2.VideoCapture(0, cv2.CAP_DSHOW) # Windows使用DirectShow
6.2 检测抖动问题
优化方案:
- 增加时间平滑:
SMOOTH_FACTOR = 0.8 # 取值0-1 current_pos = SMOOTH_FACTOR * prev_pos + (1-SMOOTH_FACTOR) * new_pos
- 启用卡尔曼滤波:
from filters import KalmanFilter kf = KalmanFilter(dim_x=4, dim_z=2) predicted_pos = kf.predict()
6.3 跨屏幕适配问题
多显示器配置:
# 获取所有屏幕信息
from screeninfo import get_monitors
screens = get_monitors()
primary = screens[0]
secondary = screens[1]# 设置映射范围
controller = MouseController(screen_res=(primary.width + secondary.width, max(primary.height, secondary.height))
七、性能优化技巧
7.1 计算加速策略
优化方法 | 实现代码 | 加速比 |
---|---|---|
图像降采样 | frame = cv2.resize(frame, (320,240)) | 3.2x |
ROI裁剪 | roi = frame[y-100:y+100, x-100:x+100] | 2.1x |
多线程处理 | ThreadPoolExecutor(max_workers=2) | 1.8x |
7.2 模型轻量化
# 使用MobileNet替代默认模型
tracker = EyeTracker(face_detector='mobileNet',iris_model='mediapipe_lite'
)
7.3 内存管理
# 周期释放资源
def clean_memory():global frame, eye_dataif len(eye_data) > 1000:eye_data = eye_data[-500:]frame = Nonegc.collect()# 每100帧执行一次
if frame_count % 100 == 0:clean_memory()
八、学术背景与参考文献
8.1 核心算法论文
-
dlib面部特征点:
“One Millisecond Face Alignment with an Ensemble of Regression Trees” (CVPR 2014)
提出基于回归树的面部关键点检测方法 -
MediaPipe Iris:
“Real-time Pupil Tracking from Monocular Video” (ISMAR 2020)
实现单目视觉下的实时虹膜追踪 -
视线估计模型:
“Appearance-Based Gaze Estimation Using Deep Learning” (ETRA 2018)
开创深度学习在视线估计中的应用
8.2 相关研究进展
-
跨设备眼控:
“EyeTracking for Everyone” (CVPR 2016)
提出低成本的通用眼动追踪框架 -
注视点预测:
“Predicting Human Gaze Beyond Pixels” (TPAMI 2021)
基于Transformer的长期注视预测
九、应用场景与展望
9.1 典型应用场景
- 无障碍交互:帮助运动障碍者操作计算机
- 驾驶监控:实时检测驾驶员注意力分散
- 用户体验研究:网页/应用的热点区域分析
- 游戏控制:第一人称射击类游戏瞄准辅助
9.2 未来发展方向
- 多模态融合:结合脑电信号增强控制可靠性
- AR/VR集成:为头显设备提供自然交互
- 隐私保护:开发本地化处理的边缘计算方案
- 自监督学习:减少对标注数据的依赖
通过深度定制eye_mouse_movement项目,开发者能够在人机交互、辅助技术等领域快速构建原型系统,推动计算机视觉技术的普惠化应用。
相关文章:
计算机视觉】OpenCV项目实战:eye_mouse_movement:基于opencv实战眼睛控制鼠标
eye_mouse_movement:基于视觉追踪的实时眼控交互系统 一、项目概述与技术背景1.1 项目核心价值1.2 技术指标对比1.3 技术演进路线 二、环境配置与系统部署2.1 硬件要求2.2 软件安装基础环境搭建关键组件说明 2.3 模型文件部署 三、核心算法解析3.1 系统架构设计3.2 …...
《大规模电动汽车充换电设施可调能力聚合评估与预测》MATLAB实现计划
模型概述 根据论文,我将复刻实现结合长短期记忆网络(LSTM)和条件变分自编码器(CVAE)的预测方法,用于电动汽车充换电设施可调能力的聚合评估与预测。 实现步骤 1. 数据预处理 导入充电数据 (Charging_Data.csv)导入天气数据 (Weather_Data.csv)导入电…...
【C++进阶】第2课—多态
文章目录 1. 认识多态2. 多态的定义和实现2.1 构成多态的必要条件2.2 虚函数2.3 虚函数的重写或覆盖2.4 协变(了解)2.5 析构函数的重写2.6 override和final关键字2.7 重载、重写、隐藏对比 3. 纯虚函数和抽象类4. 多态原理4.1 虚函数表指针4.2 多态的实现4.3 静态绑定和动态绑定…...
Mysql--基础知识点--91.2--processlist
在 MySQL 中,SHOW PROCESSLIST 是一个常用命令,用于查看当前数据库服务器上所有正在运行的线程(进程)信息。以下是关键点说明: 1. 命令用法 SHOW FULL PROCESSLIST;输出字段: 列名含义Id线程唯一标识符&am…...
【阿里云免费领取域名以及ssl证书,通过Nginx反向代理web服务】
文章目录 前言一、申请域名1.1 访问阿里云官网1.2 输入自定义域名1.3 创建个人模板1.4 支付1元可以使用域名1年1.5 按照提示实名认证1.6 实名认证成功 二、域名解析2.1 选择域名解析2.2 解析设置2.3 快速添加解析2.4 选择对应类型2.5 解析成功 三、申请免费ssl证书3.1 访问阿里…...
Mamba 状态空间模型 笔记 llm框架 一维卷积
动画讲解 Mamba 状态空间模型_哔哩哔哩_bilibili 旧文本向量乘权重加残差 感觉好像transformer 过个llm head输出y 卷积真的很快 参考一文通透想颠覆Transformer的Mamba:从SSM、HiPPO、S4到Mamba(被誉为Mamba最佳解读)_mamba模型-CSDN博客 偷了 Transformer的二次复…...
WPF内嵌其他进程的窗口
WPF内嵌其他进程窗口的常见方法有 HwndHost SetParent 和 WindowsFormsHost WinForms Panel SetParent 推荐使用自定义HwndHost 两者的对比区别 示例代码 public class MyWndHost : HwndHost {const int WS_CHILD 0x40000000;const int WS_VISIBLE 0x10000000;const i…...
1、mongodb-- BSON 学习和JSON性能对比
BSON 是什么 MongoDB 作为一款流行的文档数据库,采用 BSON 格式来支持文档模型。 BSON 全称是 Binary JSON,和 JSON 很像,但是采用二进制格式进行存储。相比 JSON 有以下优势: 访问速度更快:BSON 会存储 Value 的类…...
19、HashTable(哈希)、位图的实现和布隆过滤器的介绍
一、了解哈希【散列表】 1、哈希的结构 在STL中,HashTable是一个重要的底层数据结构, 无序关联容器包括unordered_set, unordered_map内部都是基于哈希表实现 哈希表又称散列表,一种以「key-value」形式存储数据的数据结构。哈希函数:负责将…...
鱼眼摄像头(一)多平面格式 单缓冲读取图像并显示
鱼眼摄像头(一)多平面格式 单缓冲读取图像并显示 1.摄像头格式 1. 单平面格式(Single Plane):各通道数据保存在同一个平面(缓冲),图像数据按行连续存储a. mjpeg,yuyv等…...
wpf UserControl 更换 自定义基类
在WPF中实现UserControl更换自定义基类的操作,需注意以下关键步骤及注意事项 实现步骤 创建自定义基类 新建继承自UserControl的基类(如CustomBaseUserControl),并添加通用逻辑: public class BaseUserControl: UserControl {// 添加共享逻辑(如事件处理、初始化…...
Linux C语言线程编程入门笔记
目录 开发环境准备 线程基础概念 进程与线程的关系 线程生命周期 创建线程 等待线程结束 线程函数和参数 互斥锁与共享资源保护 总结 开发环境准备 操作系统:以 Linux 为例(Ubuntu/CentOS 等主流发行版)。请确保系统已安装 GNU C 编…...
网络安全体系架构:核心框架与关键机制解析
以下是关于网络安全体系架构设计相关内容的详细介绍: 一、开放系统互联安全体系结构 开放系统互联(OSI)安全体系结构是一种基于分层模型的安全架构,旨在为开放系统之间的通信提供安全保障。它定义了安全服务、安全机制以及它们在…...
SecureCRT网络穿透/代理
场景 公司的办公VPN软件只有Windows系统版本,没有Macos系统版本,而日常开发过程中需要先登录VPN后,然后才能登录应用服务器。 目的:Macos系统在使用SecureCRT时,登录服务器,需要走Parallels Desktop进行网络…...
Typora+PicGo+Gitee图床配置教程 自动图片上传
配置步骤 #mermaid-svg-aPUbWs43XR5Rh7vf {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-aPUbWs43XR5Rh7vf .error-icon{fill:#552222;}#mermaid-svg-aPUbWs43XR5Rh7vf .error-text{fill:#552222;stroke:#552222;}#…...
基于vue框架的电子商城m8qu8(程序+源码+数据库+调试部署+开发环境)带论文文档1万字以上,文末可获取,系统界面在最后面。
系统程序文件列表 项目功能:用户,商品类型,商品信息,商城公告 开题报告内容 基于Vue框架的电子商城开题报告 一、研究背景与意义 随着互联网技术的飞速发展,电子商务已成为全球商业领域的重要增长点。根据艾瑞咨询数据,中国网络购物用户规…...
线段树:数据结构中的超级英雄
在数据结构的世界里,线段树就像是一位超级英雄,能够高效地解决区间查询和更新问题。作为 C 算法小白,今天我就带大家一起认识这位超级英雄,揭开线段树的神秘面纱。 什么是线段树? 线段树是一种二叉树数据结构&#x…...
【MySQL】存储引擎 - ARCHIVE、BLACKHOLE、MERGE详解
📢博客主页:https://blog.csdn.net/2301_779549673 📢博客仓库:https://gitee.com/JohnKingW/linux_test/tree/master/lesson 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正! &…...
麦科信获评CIAS2025金翎奖【半导体制造与封测领域优质供应商】
在苏州举办的2025CIAS动力能源与半导体创新发展大会上,深圳麦科信科技有限公司凭借在测试测量领域的技术积累,入选半导体制造与封测领域优质供应商榜单。本届大会以"新能源芯时代"为主题,汇集了来自功率半导体、第三代材料应用等领…...
开目新一代MOM:AI赋能高端制造的破局之道
导读 INTRODUCTION 在高端制造业智能化转型的深水区,企业正面临着个性化定制、多工艺场景、动态生产需求的敏捷响应以及传统MES柔性不足的考验……在此背景下,武汉开目信息技术股份有限公司(简称“开目软件”)正式发布新一代开目…...
wsl - install RabbiqMQ
下载erlang $ sudo apt -y install erlang 安装软件包 $ sudo apt -y install rabbitmq-server 修改配置文件 $ sudo vi /etc/rabbitmq/rabbitmq-env.conf # Defaults to rabbit. This can be useful if you want to run more than one node # per machine - RABBITMQ_NODENAME…...
力扣刷题Day 45:旋转图像(48)
1.题目描述 2.思路 只需要将左上1/4矩阵的元素挨个与右上1/4、右下1/4、左下1/4部分对应位置元素的值进行轮换即可。 3.代码(Python3) from math import ceilclass Solution:def rotate(self, matrix: List[List[int]]) -> None:n len(matrix)for…...
CentOS 7 系统下安装 OpenSSL 1.0.2k 依赖问题的处理
前面有提到过这个openssl的版本冲突问题,也是在这次恢复服务器时遇到的问题,我整理如下,供大家参考。小小一个软件的安装,挺坑的。 一、问题 项目运行环境需要,指定PHP7.0.9这个版本,但是系统版本与软件…...
【彻底卸载nginx并部署nginx1.22.1+ssl模块等】
文章目录 前言一、检查Nginx1.1 查看是否安装ssl模块 二、彻底卸载Nginx2.1 查看Nginx进程2.2 关闭Nginx服务2.3 查找Nginx安装目录2.4 彻底删除Nginx配置文件2.5 若之前Nginx设置开机自启,按下面方法删除2.6 使用yum方法彻底删除Nginx 三、部署Nginx1.22.1并配置ss…...
云上系统CC攻击如何进行检测与防御?
云上系统遭受CC攻击(Challenge Collapsar,一种针对应用层的DDoS攻击)时,检测与防御需结合流量分析、行为识别和技术手段,以下是核心方法: 一、检测方法 异常流量分析 监控请求量突增&#…...
python连接sqllite数据库工具类
背景 在数据集成业务中, 有很多token是有短效的到期时间的. 需要在调用多个接口的时候统一获取token ,因为我们集成平台的执行客户端是分步式的,集中保存平台大量客户的token在服务端有性能瓶颈.所以一般在客户端本地通过sqllite存储,故写了一个调用sqllite的工具类,在后续分享…...
leetcode - 双指针问题
文章目录 前言 题1 移动零: 思路: 参考代码: 题2 复写零: 思考: 参考代码: 题3 快乐数: 思考: 参考代码: 题4 盛最多水的容器: 思考:…...
Jsp技术入门指南【十一】SQL标签库
Jsp技术入门指南【十一】SQL标签库 前言一、SQL标签库概述1. 什么是SQL标签库,有什么用?2. SQL标签库怎么用? 二、常用SQL标签库详解3.1 sql:selDtataSource(配置数据源)3.2 sql:query(执行查询)…...
MySQL初阶:数据库约束和表的设计
数据库约束 数据库约束是针对数据库中的表中的数据进行施加规则和条件,用于确保数据的准确性和可靠性。 数据库约束类型 1)not null 非空类型 :指定非空类型的列不能存储null,如果插入的数据是null便会报错。 2)de…...
2025年API安全防御全解析:应对DDoS与CC攻击的智能策略
2025年,API作为数字生态的核心枢纽,已成为攻击者的主要目标。DDoS攻击规模突破T级峰值,CC攻击则借助AI技术模拟真实用户行为,传统防御手段面临失效风险。如何在保障高并发业务稳定性的同时抵御复杂攻击?本文结合前沿技…...
【Bootstrap V4系列】学习入门教程之 组件-表单(Forms)高级用法
Bootstrap V4系列 学习入门教程之 组件-表单(Forms)高级用法 Layout 布局一、Form groups 表单组二、Form grid 表单网格2.1 Form row 表单行2.2 Horizontal form 水平形式表单2.3 Column sizing 列尺寸2.4 Auto-sizing 自动调整大小 三、Inline forms 内…...
Redis 主从复制集群搭建教程
目录 为什么要搭建 Redis 主从复制集群?搭建 Redis 主从复制集群前提条件步骤一:创建 Docker 网络步骤二:启动 Redis 主节点步骤三:启动 Redis 从节点步骤四:验证复制状态步骤五:使用 Python 连接 Redis 集…...
使用AES-CBC + HMAC-SHA256实现前后端请求安全验证
AES-CBC HMAC-SHA256 加密验证方案,下面是该方案二等 优点 与 缺点 表格,适用于文档、评审或技术选型说明。 ✅ 优点表格:AES-CBC HMAC-SHA256 加密验证方案 类别优点说明🔐 安全性使用 AES-CBC 对称加密使用 AES-128-CBC 是可…...
耳机插进电脑只有一边有声音怎么办 解决方法分享
当您沉浸在音乐或电影中时,如果突然发现耳机只有一边有声音,这无疑会破坏您的体验。本文将提供一系列检查和修复方法,帮助您找出并解决问题,让您的耳机恢复正常的立体声效果。 一、检查耳机连接是否正常 首先需要确认耳机与播放设…...
【物联网】基于树莓派的物联网开发【1】——初识树莓派
使用背景 物联网开发从0到1研究,以树莓派为基础 场景介绍 系统学习Linux、Python、WEB全栈、各种传感器和硬件 接下来程序猫将带领大家进军物联网世界,从0开始入门研究树莓派。 认识树莓派 正面图示: 1:树莓派简介 树莓派…...
AI生成虚假漏洞报告污染漏洞赏金平台
漏洞赏金计划遭遇AI伪造报告冲击 曾经因激励独立研究人员报告真实漏洞而备受赞誉的漏洞赏金计划,如今正面临AI生成虚假漏洞报告的重大挑战。这些伪造的漏洞报告在业内被称为"AI垃圾",不仅浪费维护人员的时间,更令人担忧的是&#…...
一种安全不泄漏、高效、免费的自动化脚本平台
在数字化转型加速的今天,自动化脚本工具已成为提升效率的重要助手。然而,用户在选择这类工具时,往往面临两大核心关切:安全性与成本。冰狐智能辅助(IceFox Intelligent Assistant)作为一款新兴的自动化脚本…...
MongoDB知识框架
简介:MongoDB 是一个基于分布式文件存储的数据库,属于 NoSQL 数据库产品,以下是其知识框架总结: 一、数据模型 文档:MongoDB 中的数据以 BSON(二进制形式的 JSON)格式存储在集合中,…...
2025数维杯数学建模C题完整分析参考论文(共36页)(含模型、可运行代码、数据)
2025数维杯数学建模竞赛C题完整参考论文 目录 摘要 一、问题重述 二、问题分析 三、模型假设 四、符合与定义说明 五、 模型建立与求解 5.1问题1 5.1.1问题1思路分析 5.1.2问题1模型建立 5.1.3问题1求解结果 5.2问题2 5.2.1问题2思路分析 5.2.2问题2…...
深度学习 ———— 迁移学习
迁移学习原理 什么是迁移学习? 迁移学习利用在大规模数据集(如ImageNet)上预训练的模型,改装小数据集(如CIFAR-10)。优势: 减少训练时间:预训练模型已学习通用特征(如边…...
第十七章,反病毒---防病毒网管
基于杀毒软件的一种防御技术,是一种被动 的防御技术。 防病毒网关和主机上的杀毒软件在功能上互补和协作的关系。 病毒 --- 一般是感染或者附着在应用程序或文件中的;一般都是通过邮件或文件共享的方式进行传 输,从而对主机进行破坏 。 计…...
信赖域策略优化TRPO算法详解:python从零实现
🧠 向所有学习者致敬! “学习不是装满一桶水,而是点燃一把火。” —— 叶芝 我的博客主页: https://lizheng.blog.csdn.net 🌐 欢迎点击加入AI人工智能社区! 🚀 让我们一起努力,共创…...
powershell_bypass.cna 插件(适配 Cobalt Strike 4.0 的免费版本下载地址)
目录 1. powershell_bypass.cna 插件(适配 Cobalt Strike 4.0 的免费版本下载地址) 2. 生成 EXE 文件时出现 "运行异常,请查看 Script Console" 的处理方法 处理步骤 3. powershell_bypass.cna 插件的功能及实际操作步骤 功能…...
从Dockerfile 构建docker镜像——保姆级教程
从Dockfile开始 dockerfile简介开始构建1、编辑dockerfile2、构建镜像3、拉取镜像4、推送到镜像仓库 镜像的优化1、优化的基本原则2、多阶段构建 dockerfile简介 开始构建 1、编辑dockerfile # 使用官方的 Python 3.8 镜像作为基础镜像 FROM python:3.8-slim# 设置工作目录 …...
Mac配置php开发环境(多PHP版本,安装Redis)
配置PHP开发环境 配置多版本PHP 因为开发需要,有时需要根据项目及时切换多个版本,除了使用Docker以外,常用的就是直接在mac配置PHP版本 使用 Homebrew Mac 可以通过 Homebrew 来安装或切换 PHP 版本: brew update brew insta…...
Quorum协议原理与应用详解
一、Quorum 协议核心原理 基本定义 Quorum 是一种基于 读写投票机制 的分布式一致性协议,通过权衡一致性(C)与可用性(A)实现数据冗余和最终一致性。其核心规则为: W(写成功副本数) …...
五一旅游潮涌:数字化如何驱动智慧旅游升级
文化和旅游部5月6日公布2025年“五一”假期文化和旅游市场情况,经文化和旅游部数据中心测算,假期5天,全国国内出游3.14亿人次,同比增长6.4%;国内游客出游总花费1802.69亿元,同比增长8.0%。在这组流动的数字…...
WPF 3D图形编程核心技术解析
一、三维坐标系系统 WPF采用右手坐标系系统,空间定位遵循: X 轴 → 右 Y 轴 → 上 Z 轴 → 观察方向 X轴 \rightarrow 右\quad Y轴 \rightarrow 上\quad Z轴 \rightarrow 观察方向 X轴→右Y轴→上Z轴→观察方向 三维坐标值表示为 ( x , y , z ) (x, y,…...
BLURRR剪辑软件免费版:创意剪辑,轻松上手,打造个性视频
BLURRR剪辑软件免费版是一款功能强大、简约易用且充满创意的视频剪辑软件。它集多种功能于一体,无论是新手还是资深用户,都能通过简单的操作剪辑出高质量、富有创意的视频。BLURRR不仅提供了丰富的剪辑工具,还划分了不同的内容模块࿰…...
TIME - MoE 模型代码 3.2——Time-MoE-main/time_moe/datasets/time_moe_dataset.py
源码:GitHub - Time-MoE/Time-MoE: [ICLR 2025 Spotlight] Official implementation of "Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts" 这段代码定义了一个用于时间序列数据处理的 TimeMoEDataset 类,支…...