OpenCV 光流估计：从原理到实战
在计算机视觉领域，光流估计（Optical Flow Estimation）是一项至关重要的技术，它能够通过分析视频序列中图像像素的运动信息，捕捉物体和相机的运动情况。OpenCV 作为强大的计算机视觉库，为我们提供了高效实现光流估计的工具。本文将深入探讨光流估计的原理，并结合 OpenCV 代码进行实战演示，带你快速掌握这项技术。
一、光流估计原理
光流（Optical Flow）是指图像中像素点在相邻帧之间的运动矢量。其基本假设是：相邻帧之间物体的亮度恒定，并且相邻帧之间的运动较小。基于这两个假设，我们可以通过数学推导得到光流的约束方程。
假设在 \(t\) 时刻，图像中某点 \((x, y)\) 的亮度为 \(I(x, y, t)\) ，在 \(t + dt\) 时刻，该点运动到 \((x + dx, y + dy)\) ，亮度为 \(I(x + dx, y + dy, t + dt)\) 。根据亮度恒定假设，有 \(I(x, y, t) = I(x + dx, y + dy, t + dt)\) 。
利用泰勒展开，将 \(I(x + dx, y + dy, t + dt)\) 展开：
\( I(x + dx, y + dy, t + dt) = I(x, y, t) + \frac{\partial I}{\partial x}dx + \frac{\partial I}{\partial y}dy + \frac{\partial I}{\partial t}dt + \epsilon \)
由于 \(\epsilon\) 是高阶无穷小，可忽略不计，结合亮度恒定假设，得到：
\( \frac{\partial I}{\partial x}\frac{dx}{dt} + \frac{\partial I}{\partial y}\frac{dy}{dt} + \frac{\partial I}{\partial t} = 0 \)
令 \(u = \frac{dx}{dt}\) ，\(v = \frac{dy}{dt}\) ，分别表示 \(x\) 方向和 \(y\) 方向的光流速度，\(\frac{\partial I}{\partial x} = I_x\) ，\(\frac{\partial I}{\partial y} = I_y\) ，\(\frac{\partial I}{\partial t} = I_t\) ，则光流约束方程为：
\( I_xu + I_yv + I_t = 0 \)
然而，一个方程无法求解两个未知数 \(u\) 和 \(v\) ，因此需要额外的约束条件。常见的方法有基于梯度的方法（如 Lucas - Kanade 方法）和基于能量的方法（如 Horn - Schunck 方法） 。
1. Lucas - Kanade 方法
Lucas - Kanade 方法假设在一个小的窗口内，光流是恒定的。通过在一个小窗口内对多个像素点建立光流约束方程，利用最小二乘法求解超定方程组，得到该窗口内像素点的光流估计。
具体来说，对于一个 \(n \times n\) 的窗口，窗口内有 \(N = n^2\) 个像素点，每个像素点都满足光流约束方程 \(I_{xi}u + I_{yi}v + I_{ti} = 0\) （\(i = 1, 2, \cdots, N\)）。将这些方程写成矩阵形式：
\( \begin{bmatrix} I_{x1} & I_{y1} \\ I_{x2} & I_{y2} \\ \vdots & \vdots \\ I_{xN} & I_{yN} \end{bmatrix} \begin{bmatrix} u \\ v \end{bmatrix} = \begin{bmatrix} -I_{t1} \\ -I_{t2} \\ \vdots \\ -I_{tN} \end{bmatrix} \)
记为 \(A\begin{bmatrix}u \\ v\end{bmatrix} = -b\) ，通过最小二乘法求解 \(\begin{bmatrix}u \\ v\end{bmatrix}\) ：
\( \begin{bmatrix}u \\ v\end{bmatrix} = (A^TA)^{-1}A^T(-b) \)
2. Horn - Schunck 方法
Horn - Schunck 方法引入了全局平滑约束，将光流估计问题转化为一个能量最小化问题。定义能量函数：
\( E = \sum_{x,y}[(I_xu + I_yv + I_t)^2 + \alpha^2(|\nabla u|^2 + |\nabla v|^2)] \)
其中，\((I_xu + I_yv + I_t)^2\) 是数据项，保证光流满足光流约束方程；\(\alpha^2(|\nabla u|^2 + |\nabla v|^2)\) 是平滑项，\(\alpha\) 是平滑系数，用于控制平滑程度，\(|\nabla u|^2\) 和 \(|\nabla v|^2\) 分别表示 \(u\) 和 \(v\) 的梯度平方，使得光流在空间上更加平滑。
通过变分法求解能量函数的最小值，得到光流的迭代更新公式，不断迭代直到收敛。
二、OpenCV 中的光流估计实现
OpenCV 提供了多种光流估计算法的实现，下面以 Lucas - Kanade 方法和 Farneback 算法为例进行介绍。
1. Lucas - Kanade 稀疏光流
Lucas - Kanade 稀疏光流适用于跟踪少量特征点的运动。在 OpenCV 中，可以使用 cv2.calcOpticalFlowPyrLK() 函数来实现。
import cv2import numpy as np# 读取视频cap = cv2.VideoCapture('your_video.mp4')# 角点检测参数feature_params = dict( maxCorners = 100,qualityLevel = 0.3,minDistance = 7,blockSize = 7 )# Lucas - Kanade光流参数lk_params = dict( winSize = (15,15),maxLevel = 2,criteria = (cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03))# 随机颜色color = np.random.randint(0,255,(100,3))# 读取第一帧并检测角点ret, old_frame = cap.read()old_gray = cv2.cvtColor(old_frame, cv2.COLOR_BGR2GRAY)p0 = cv2.goodFeaturesToTrack(old_gray, mask = None, **feature_params)# 创建一个用于绘制的掩码图像mask = np.zeros_like(old_frame)while(1):ret,frame = cap.read()frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)# 计算光流p1, st, err = cv2.calcOpticalFlowPyrLK(old_gray, frame_gray, p0, None, **lk_params)# 选择好的点good_new = p1[st==1]good_old = p0[st==1]# 绘制轨迹for i,(new,old) in enumerate(zip(good_new,good_old)):a,b = new.ravel()c,d = old.ravel()mask = cv2.line(mask, (a,b),(c,d), color[i].tolist(), 2)frame = cv2.circle(frame,(a,b),5,color[i].tolist(),-1)img = cv2.add(frame,mask)cv2.imshow('frame',img)k = cv2.waitKey(30) & 0xffif k == 27:break# 更新上一帧和上一帧的角点old_gray = frame_gray.copy()p0 = good_new.reshape(-1,1,2)cv2.destroyAllWindows()cap.release()上述代码首先读取视频，使用 cv2.goodFeaturesToTrack() 函数检测第一帧中的角点作为跟踪的初始点。然后在每一帧中，通过 cv2.calcOpticalFlowPyrLK() 函数计算这些角点在下一帧中的位置，并绘制出角点的运动轨迹。
2. Farneback 稠密光流
Farneback 稠密光流可以计算图像中所有像素点的光流，得到一个稠密的光流场。在 OpenCV 中，使用 cv2.calcOpticalFlowFarneback() 函数实现。
import cv2import numpy as npcap = cv2.VideoCapture('your_video.mp4')ret, prev_frame = cap.read()prev_gray = cv2.cvtColor(prev_frame, cv2.COLOR_BGR2GRAY)while True:ret, frame = cap.read()if not ret:breakframe_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)# 计算Farneback光流flow = cv2.calcOpticalFlowFarneback(prev_gray, frame_gray, None,0.5, 3, 15, 3, 5, 1.2, 0)# 计算光流的大小和方向magnitude, angle = cv2.cartToPolar(flow[..., 0], flow[..., 1])# 将角度映射到0-180度angle = np.arctan2(flow[..., 1], flow[..., 0]) * 180 / np.pi# 归一化光流大小magnitude = cv2.normalize(magnitude, None, 0, 255, cv2.NORM_MINMAX)# 转换为8位无符号整数magnitude = np.uint8(magnitude)# 生成颜色映射图像color = cv2.applyColorMap(magnitude, cv2.COLORMAP_HSV)# 将角度转换为HSV颜色空间的色调值color[..., 0] = angle % 180# 将HSV转换为BGRcolor = cv2.cvtColor(color, cv2.COLOR_HSV2BGR)cv2.imshow('Optical Flow', color)if cv2.waitKey(1) & 0xFF == ord('q'):breakprev_gray = frame_gray.copy()cap.release()cv2.destroyAllWindows()上述代码通过 cv2.calcOpticalFlowFarneback() 函数计算每一帧与前一帧之间的稠密光流场，然后将光流的大小和方向转换为 HSV 颜色空间，再转换为 BGR 颜色空间进行可视化。
三、光流估计的应用场景与局限性
1. 应用场景
- 运动目标跟踪：通过光流估计可以跟踪视频中物体的运动轨迹，在安防监控、自动驾驶等领域有广泛应用。例如，在安防监控中，跟踪人员或车辆的移动；在自动驾驶中，跟踪前方车辆和行人的运动。
- 视频压缩：光流信息可以用于视频压缩算法中，减少相邻帧之间的冗余信息，提高压缩效率。
- 动作识别：分析视频中人体或物体的动作，在人机交互、体育动作分析等方面发挥作用 。例如，在人机交互中，根据用户的动作执行相应的操作；在体育动作分析中，评估运动员的动作是否标准。
2. 局限性
- 亮度恒定假设不满足：当光照条件发生剧烈变化时，光流估计的准确性会受到严重影响。例如，视频中突然开灯或关灯，会导致像素点的亮度发生突变，破坏亮度恒定假设。
- 大运动目标：对于运动速度过快或运动幅度较大的物体，光流估计可能无法准确捕捉其运动信息。因为光流估计的基本假设是相邻帧之间的运动较小，大运动目标可能超出这个假设范围。
- 遮挡问题：当物体发生遮挡时，被遮挡部分的光流无法准确估计。例如，在视频中一个物体被另一个物体遮挡，遮挡部分的像素点运动信息丢失，导致光流估计错误。
四、总结
本文详细介绍了光流估计的原理，包括 Lucas - Kanade 方法和 Horn - Schunck 方法，并结合 OpenCV 代码演示了稀疏光流（Lucas - Kanade 方法）和稠密光流（Farneback 算法）的实现过程。同时，分析了光流估计的应用场景和局限性。光流估计作为计算机视觉领域的重要技术，在众多领域都有着广泛的应用前景。通过学习和实践，我们可以更好地利用这项技术解决实际问题。
希望本文能帮助你深入理解 OpenCV 光流估计，如果你在实践过程中有任何问题或有新的想法，欢迎在评论区交流讨论！
相关文章：
OpenCV 光流估计：从原理到实战
在计算机视觉领域，光流估计（Optical Flow Estimation）是一项至关重要的技术，它能够通过分析视频序列中图像像素的运动信息，捕捉物体和相机的运动情况。OpenCV 作为强大的计算机视觉库，为我们提供了高效实现…...
星火杯大模型应用创新赛学习笔记——datawhale
背景——赛事任务 聚焦大学生真实应用场景，围绕阅读、写作、搜索、聊天、问答等方向，聚焦口语学习、面试招聘、论文写作、学习笔记等一个或多个细分应用场景，完成具有创新性、实用性的应用方案，呈现可演示、可落地、具备商业价值…...
Ulyssess Ring Attention
https://zhuanlan.zhihu.com/p/689067888https://zhuanlan.zhihu.com/p/689067888DeepSpeed Ulysess：切分Q、K、V序列维度，核心卖点保持通信复杂度低，和GPU数无关，和序列长度呈线性关系。 Ring-Attention：切分Q、K、V序…...
c++重要知识点汇总（不定期更新）
前言 真心希望各位dalao点赞收藏~ 树状数组 作用：高效求出区间前缀和，允许进行修改操作。 举个栗子： 刚开始有8项，分别为1-8。 首先构建二叉树： 1-8/ |/ |/ |/ |/ |1-4 5-8/ | / |/ | / |1-…...
重排序模型解读 mxbai-rerank-base-v2 强大的重排序模型
mxbai-rerank-base-v2 强大的重排序模型 模型介绍benchmark综合评价安装 模型介绍 mxbai-rerank-base-v2 是 Mixedbread 提供的一个强大的重排序模型，旨在提高搜索相关性。该模型支持多语言，特别是在英语和中文方面表现出色。它还支持代码和 SQL 排序&a…...
电子电路：到底该怎么理解电容器的“通交流阻直流”？
电容器“通交流，阻直流”的特性源于其对不同频率电信号的响应差异，具体可通过以下步骤理解： 一、电容器的基本结构与充放电机制 结构：由两个导体极板（如金属）和中间的绝缘介质组成。充放电过程：…...
售前工作.工作流程和工具
第一部分 售前解决方案及技术建议书的制作 售前解决方案编写的标准操作步骤SOP: 售前解决方案写作方法_哔哩哔哩_bilibili 第二部分 投标过程关键活动--商务标技术方案 1. 按项目管理--售前销售项目立项 销售活动和销售线索的跟踪流程和工具 1）拿到标书ÿ…...
ORACLE数据库实例报错ORA-00470: LGWR process terminated with error宕机问题分析报告
服务概述 10月21号03:22分，BOSS数据库实例发生异常宕机；工程师及时响应此问题并对此故障原因进行分析及相关建议,详细的故障情况及相关日志、TRACE文件的分析及总结、建议，请参阅本文档。 hzboss数据库实例宕机分析 4.1 数据库层面日志的分…...
深度学习---知识蒸馏（Knowledge Distillation, KD）
一、知识蒸馏的本质与起源 定义： 知识蒸馏是一种模型压缩与迁移技术，通过将复杂高性能的教师模型（Teacher Model）所学的“知识”迁移到轻量级的学生模型（Student Model），使学生模型在参数量和计…...
AI日报 - 2024年5月17日
🌟 今日概览 (60秒速览) ▎🤖 大模型前沿 | OpenAI推出自主编码代理Codex；Google DeepMind发布Gemini驱动的编码代理AlphaEvolve，能设计先进算法；Meta旗舰AI模型Llama 4 Behemoth发布推迟。 Codex能并行处理多任务&…...
OAuth2.0
OAuth2.0 1. 什么是OAuth2.02.OAuth2.0的应用场景3. OAuth2.0基本概念4. 经典OAuth2.0认证流程5. 四种授权模式5.1 授权码模式（Authorization Code Grant）5.2 隐式授权（Implicit Grant）5.3 密码模式（Resource Owner Pa…...
deepin v23.1 音量自动静音问题解决
有的机器上会有音量自动静音问题, 如果你的电脑上也遇到, 这个问题是 Linux 内核的原因, ubuntu上也可能会遇到相同问题(比如你升级了最新内核6.14), 而我测试得6.8.0的内核是不会自动静音的. Index of /mainline 到上面这个链接(linux 内核的官方链接)下载6.8.0的内核, s…...
Spring Security 集成指南：避免 CORS 跨域问题
Spring Security 集成指南：避免 CORS 跨域问题 在现代 Web 应用开发中，前后端分离架构已成为主流。当我们使用 Spring Security 保护后端 API 时，经常会遇到跨域资源共享（CORS）问题。这篇文章将详细解析 Spring Secur…...
stack和queue简单模拟实现
stackreverse_iteratorqueuepriority_queue仿函数具体代码 stack Stacks are a type of container adaptor, specifically designed to operate in a LIFO context (last-in first-out), where elements are inserted and extracted only from one end of the container. 上述描…...
2.单链表两数相加（java）
题目描述： 分析： 1.首先创建一个虚拟节点 ListNode dummy new ListNode(-1);再创建一个节点来保存虚拟节点，因为使用虚拟节点来移动，如果不保存，最后就会丢失。保存虚拟节点：ListNode pdummy; 2.进位标志…...
JDBC 的编写步骤及原理详解
一、JDBC 简介 JDBC（Java DataBase Connectivity）即 Java 数据库连接，是 Java 语言用于操作数据库的一套 API。它为多种关系数据库提供了统一的访问方式，允许 Java 程序与不同类型的数据库（如 MySQL、Oracle、SQL Ser…...
AIStarter Windows 版本迎来重磅更新！模型插件工作流上线，支持 Ollama / ComfyUI 等多平台本地部署模型统一管理
如果你正在使用 AIStarter 工具进行本地 AI 模型部署 ，那么这条消息对你来说非常重要！ 在最新推出的 AIStarter Windows 正式版更新中 ，官方对整个平台进行了功能重构和性能优化，尤其是新增了「模型插件工作流 」功能，…...
卸载和安装JDK
文章目录 卸载JDK安装JDK 卸载JDK 删除java的安装目录删除JAVA_HOME删除path下关于java的目录在cmd命令提示符中输入 java -version 安装JDK 浏览器搜索JDK8 下载电脑对应版本 双击安装JDK 记住安装的路径 配置环境变量 我的电脑 -> 右键 -> 属性 新建系统环境变量…...
【蓝桥杯省赛真题51】python石头运输 第十五届蓝桥杯青少组Python编程省赛真题解析
python石头运输 第十五届蓝桥杯青少年组python比赛省赛真题详细解析 博主推荐 所有考级比赛学习相关资料合集【推荐收藏】1、Python比赛 信息素养大赛Python编程挑战赛 蓝桥杯python选拔赛真题详解 <...
USRP 射频信号 采集 回放 系统
USRP 射频信号采集回放系统 也可以叫做： 利用宽带RF录制和回放系统实现6G技术研究超宽带射频信号采集回放系统使用NI USRP平台实现射频信号录制和回放操作演示USRP也能实现多通道宽带信号流盘回放了！ 对于最简单的实现方法就是使用LabVIEW进行实现 采…...
产品经理入门（2）产品体验报告
产品体验报告大纲：重点在产品体验——优点。 1.产品概括 可以从各大平台搜产品介绍。 2.市场分析 按照产品方向分析各个指标——包括有效使用时间,市场规模等。 3. 用户分析——对用户通过各项指标画像。 4.产品体验——对各项功能与设计的体验。 5.报告总结...
区块链基本理解
文章目录 前言一、什么是分布式账本(DLT)二、什么是P2P网络？二、共识算法三、密码算法前言 区块链是由一个一个数据块组成的链条，按照时间顺序将数据块逐一链接，通过哈希指针链接，所有的数据块共同维护一份分布式账本（DLT）,每个节点(可以理解为一个玩家，一台计算机)都拥…...
数字万用表与指针万用表使用方法及注意事项
在电子测量领域，万用表是极为常用的工具，数字万用表和指针万用表各具特点。熟练掌握它们的使用方法与注意事项，能确保测量的准确性与安全性。下面为您详细介绍： 一 、数字万用表按钮功能 > 进入及退出手动量程模式 每 按 […...
C语言查漏补缺
1、数组初始化时，例如char arr[5] "abcde"，因为字符串中有6个字符，即末尾还有个结束符，但是数组容量为5，所以仅接纳5个字符，末尾的结束符不会被接纳，故而这样的字符数组在直接输出时…...
【JDBC】JDBC常见错误处理方法及驱动的加载
MySQL8中数据库连接的四个参数有两个发生了变化 String driver "com.mysql.cj.jdbc.Driver"; String url "jdbc:mysql://127.0.0.1:3306/mydb?useSSLfalse&useUnicodetrue&characterEncodingutf8&serverTimezoneAsia/Shanghai"; 或者Strin…...
从紫光集团看基本财务分析
PE 46PE 代表投资人对他的期望是它的业绩至少要增长50%才算及格。 但实际业绩 一年不如一年. 所以，这个PE 应该是 业绩倒退了，但是市值还没有掉下去，导致运算的结果处在高PE阶段。 那么随着股价的下跌，这个数字会慢慢变小。 当然…...
软件调试纵横谈-17-win32堆的调试支持
17.Win32堆的调试支持_哔哩哔哩_bilibili 继续边看录像边做实验。 堆上的内存时用size表达的，组成一个链表。 创建一个FreCheck应用 上次看heap，直接使用下载的文件，本次要做实验了，就需要自己动手，搞个VC proje…...
CANoe CAPL TCP DoIP通信问题
目录 问题Class: TcpSocketdemo示例client注释掉配置TCP/IP stack改demo代码过滤IP，与需要的IP建立连接问题 使用CANoe进行DoIP通信时，如果是标准的DoIP节点，可以使用DoIP相关函数进行通信。 以下两篇文章是按照此方式实现的。 十六、DoIP诊断通信 1 （专栏：从零开始搭建…...
理解 plank 自动生成的 copyWithBlock: 方法
当你使用 plank 命令自动生成一个类时 ./plank --objc_class_prefix=PUG --no_runtime --no_recursive user.json分析 在 JSON 目录下, 执行如上命令后, 生成的 PUGUser 对象, 会自带 copyWithBlock: 方法, 这个方法是用来做什么的 ? copyWithBlock: （注意末尾有一个冒号，因…...
FreeCAD源码分析: Transaction实现原理
本文阐述FreeCAD中Transaction的实现原理。 注1：限于研究水平，分析难免不当，欢迎批评指正。 注2：文章内容会不定期更新。 一、概念 Ref. from What is a Transaction? A transaction is a group of operations that have the f…...
黑马点评-用户登录
文章目录 用户登录发送短信验证码注册/登录校验登录 用户登录 发送短信验证码 public Result sendCode(String phone, HttpSession session) {// 1.校验手机号if (RegexUtils.isPhoneInvalid(phone)) {// 2.如果不符合，返回错误信息return Result.fail("手机…...
OpenAI新发布Codex的全面解析
一 . 介绍 人工智能技术的飞速发展正在重塑各行各业的运作方式，特别是在软件工程领域。随着生成式AI模型能力的不断提升，代码生成与软件开发领域正经历一场前所未有的变革。OpenAI作为人工智能领域的领军企业，其每一次技术突破都备受全球科技…...
【AI算法工程师面试指北】ResNet为什么用avgpool结构？
在ResNet（残差网络）中，最后使用平均池化（AvgPool）结构主要有以下几个关键原因，这些设计与网络的效率、性能和泛化能力密切相关： 1. 减少参数与计算量，避免过拟合 替代全连接层的冗…...
单调栈和单调队列
一、单调栈 1、使用场景 解决元素左 / 右侧第一个比他大 / 小的数字。 2、原理解释 用栈解决，目标是栈顶存储答案。 以元素左侧第一个比他小为例： （1）遍历顺序一定是从左向右。 （2）由于栈顶一定是答…...
)
DeepSeek-R1 Supervised finetuning and reinforcement learning (SFT + RL)
DeepSeek-R1Supervised finetuning and reinforcement learning (SFT RL) 好啊，我们今天的直播会非常透彻的跟大家系统性的分享一下整个agents AI就大模型智能体系统和应用程序。我们在做开发的时候，或者实际做企业级的产品落地的时候，你必…...
【部署】读取excel批量导入dify的QA知识库
回到目录 【部署】读取excel批量导入dify的QA知识库 0. 背景 dify的知识库支持QA模式，分段效果不算太理想，在我们的项目里面，手工编辑高质量QA文档，没有办法批量导入系统。 项目dify_import，支持读取excel文件批量导…...
Scanner对象
文章目录 Scanner对象基本语法使用next()接受使用nextLine()接受小案例总结 Scanner对象 java给我们提供了一个工具类，我们可以获取用户的输入 java.util.Scanner是java5的新特性，我们可以通过Scanner类来获取用户的输入 基本语法 Scanner s new Sc…...
Java 面向对象详解和JVM底层内存分析
先关注、点赞再看、人生灿烂！！！（谢谢） 神速熟悉面向对象 表格结构和类结构 我们在现实生活中，思考问题、发现问题、处理问题，往往都会用“表格”作为工具。实际上，“表格思维”就是…...
PIC16F18877 ADC 代码
这段代码是为PIC16F18877微控制器设计的嵌入式系统程序，主要实现了LCD显示屏控制、DHT11温湿度传感器数据采集和ADC模拟量读取三大功能。程序通过配置32MHz内部时钟源初始化系统，使用4位数据总线驱动LCD显示模块，定时读取DHT11传感器获取温湿度数据并校验，同时通过ADC通道采…...
Visual Studio2022跨平台Avalonia开发搭建
由于我已经下载并安装了 VS2022版本，这里就跳过不做阐述。 1.安装 Visual Studio 2022 安装时工作负荷Tab页勾选 “.NET 桌面开发” 和“Visual Studio扩展开发” ，这里由于不是用的微软的MAUI，所以不用选择其他的来支持跨平台开发&a…...
灵光一现的问题和常见错误1
拷贝构造函数显式写，编译器还会自动生成默认构造函数吗，还有什么函数会出现这种问题 在C中，当类显式定义某些特殊成员函数时，编译器可能不再自动生成其他相关函数。以下是详细分析： I. 显式定义拷贝构造函数对默认构造…...
React学习（二）-变量
也是很无聊，竟然写这玩意，毕竟不是学术研究，普通工作没那么多概念性东西，会用就行╮(╯▽╰)╭ 在React中，变量是用于存储和管理数据的基本单位。根据其用途和生命周期，React中的变量可以分为以下几类： 1. 状态变量（State） 用途：用于存储组件的内部状态，状态变化会触…...
我的世界模组开发——特征（2）
原版代码 AbstractHugeMushroomFeature 以下是对AbstractHugeMushroomFeature类代码的逐段解析，结合Minecraft游戏机制和蘑菇形态学特征进行说明： 1. 类定义与继承关系 public abstract class AbstractHugeMushroomFeature extends Feature<HugeMushroomFeatureConfigu…...
)
中国30米年度土地覆盖数据集及其动态变化(1985-2022年)
中文名称 中国30米年度土地覆盖数据集及其动态变化(1985-2022年) 英文名称：The 30 m annual land cover datasets and its dynamics in China from 1985 to 2022 CSTR:11738.11.NCDC.ZENODO.DB3943.2023 DOI 10.5281/zenodo.8176941 数据共享方式：…...
2000 元以下罕见的真三色光源投影仪：雷克赛恩Cyber Pro1重新定义入门级投影体验
当性价比遇上技术瓶颈 在 2000元以下的1080P投影仪，单LCD 技术长期主导。而三色光源的DLP和3LCD真1080P都在4000元以上。 单LCD投影为纯白光光源，依赖CF滤光膜导致光效低下，普遍存在" 色彩失真 " 等问题。数据显示，该价…...
数学复习笔记 19
前言 向量收尾。线代大概是学了一半了。 向量 向量可以认为是一个矩阵。 线性组合 前面加一个系数就可以了。线性组合和线性表示实际上就是一个意思。 线性相关性 实际上就是内部的向量，至少有一个可以用其他向量表示出来。存在一种情况，系数不全…...
信息收集+初步漏洞打点
目标：理解信息收集在渗透测试中的意义，熟悉常用工具用法，完成基本打点测试 一.理论学习： 模块内容说明信息收集分类主动信息收集 vs 被动信息收集目标发现子域名、IP、端口、子站点、目录、接口技术指纹识别Web框架（如…...
)
计算机视觉与深度学习 ｜ Python实现EMD-SSA-VMD-LSTM时间序列预测（完整源码和数据)
EMD-SSA-VMD-LSTM混合模型 一、环境配置与依赖二、数据生成（示例数据）三、多级信号分解1. 经验模态分解（EMD）2. 奇异谱分析（SSA）3. 变分模态分解（VMD） 四、数据预处理1. 归一化处理2…...
Linux线程同步信号量
什么是信号量（Semaphore）？ 信号量（Semaphore） 是一种用于线程同步和进程间通信的机制，它用于控制多个线程对共享资源的访问。在 Linux 中，信号量通常用于防止多个线程同时访问有限的资源&#…...
日志系统**
1.设置日志级别 enum LogLevel{TRACE,DEBUG,INFO,WARN,ERROR,FATAL,NUM_LOG_LEVELS,}; 2.日志格式 TimeStamp 级别 内容 [2025-05-17 20:32:41][ERROR]This is an error message 3.输出：控制台/文件 4.注意 #include <chrono> #include <iomanip&g…...