《基于深度学习的指纹识别智能门禁系统》开题报告
个人主页:@大数据蟒行探索者
1研究背景
1.1开发目的和意义
指纹识别作为生物特征识别领域的一项重要技术,在安全认证、犯罪侦查和个人身份验证等方面具有广泛应用前景。随着深度学习技术的迅猛发展,基于深度学习的指纹识别系统成为了当前研究的热点之一。传统的指纹识别方法在复杂背景、低质量图像和变形指纹等情况下存在着一定的局限性,而深度学习技术通过学习大量数据的特征表示,能够有效地提高指纹识别的准确性和鲁棒性。
1.1.1开发目的
提高安全性:传统门禁系统存在一些安全隐患,如钥匙或卡片可能被复制、密码可能被泄露或破解等。而指纹识别是一种生物特征识别技术,每个人的指纹都是独一无二的,难以被复制或伪造。通过深度学习算法,可以更准确地识别指纹,进一步提高门禁系统的安全性。
提升识别效率:深度学习技术能够自动提取指纹特征,优化指纹识别的算法和模型,从而提高指纹识别的速度和准确性。这使得门禁系统能够快速响应,减少用户等待时间,提高通行效率。
增强系统智能化:深度学习技术可以赋予门禁系统更强的学习和适应能力。系统能够自动学习和更新指纹特征,适应指纹的变化,如手指受伤或指纹磨损等情况。此外,还可以通过与其他技术(如人脸识别、物联网等)的结合,实现更智能化的门禁管理。
1.1.2开发意义
保障人员和财产安全:在住宅小区、办公楼、企业园区等场所,基于深度学习的指纹识别智能门禁系统能够有效防止未经授权的人员进入,减少盗窃、入侵等不法行为的发生。这有助于保护居民、员工的生命和财产安全。
提高管理效率:该系统可以自动记录人员的进出信息,并将数据存储在数据库中。管理人员可以通过系统随时查询和分析这些数据,了解人员的出入情况,从而优化管理流程,提高管理效率。
1.2国内外发展现状
1.2.1国内发展现状
技术研究与应用:国内在指纹识别技术的研究和应用方面发展迅速,一些高校和科研机构积极开展相关研究,取得了不少成果。例如,清华大学、浙江大学等高校在指纹识别算法、特征提取等方面进行了深入研究,为技术的进一步发展奠定了基础。
企业参与与市场竞争:国内有多家企业涉足指纹识别领域,如汇顶科技(Goodix Technology)、思立微(Shanghai OXi Technology)等。这些企业在指纹识别芯片、模组等方面不断创新,推动了指纹识别技术在智能门禁等领域的应用。市场竞争较为激烈,促使企业不断提升技术水平和产品质量。
行业应用拓展:指纹识别技术在国内的智能门禁系统中得到了广泛应用,如住宅小区、办公楼、工厂等场所。随着人们对安全和便捷性的要求不断提高,基于深度学习的指纹识别智能门禁系统逐渐成为市场的主流选择。
政策支持与标准制定:政府出台了一系列政策支持生物识别技术的发展,包括指纹识别技术。同时,相关部门也在积极推动相关标准的制定和完善,以规范市场秩序,促进技术的健康发展。
1.2.2国外发展现状
技术领先地位:国外在指纹识别技术的研究和应用方面起步较早,技术相对成熟。一些发达国家如美国、日本等在指纹识别算法、传感器技术等方面处于领先地位。例如,高通(Qualcomm)、日本显示器公司(Japan Display)等企业在指纹识别技术的研发和应用方面取得了显著成果。
企业主导与市场拓展:国外的指纹识别市场主要由一些大型科技企业主导,这些企业在技术研发、产品推广和市场拓展方面具有强大的实力。例如,Fingerprint Cards 是一家知名的指纹识别技术供应商,其产品广泛应用于智能手机、智能门锁等领域。
行业应用广泛:在国外,指纹识别技术不仅应用于智能门禁系统,还在金融、安防、移动支付等多个领域得到了广泛应用。例如,在金融领域,指纹识别技术被用于身份验证和交易授权,提高了金融服务的安全性和便捷性。
标准与规范完善:国外在指纹识别技术的标准和规范制定方面较为完善,这些标准和规范为技术的推广和应用提供了有力保障。例如,美国国家标准与技术研究院(NIST)制定了一系列指纹识别技术的标准和测试方法,为相关产品的研发和认证提供了依据。
2.开发设计的基本内容及预期设计效果
基本内容:开发设计一个基于深度学习的指纹识别智能门禁系统,实现用户输入指纹,
门禁系统能快速准确地进行识别并给出反应,并且实现针对虚假伪装指纹进行防伪识别,针对用户输入的残缺指纹,污损指纹进行有效识别
预期设计效果:
2.1主要功能
(1)指纹采集与注册:通过光学或电容式指纹传感器采集用户指纹图像,并将其存储在系统数据库中,完成用户指纹的注册。
(2)指纹识别与验证:当用户需要进入时,系统通过深度学习算法对采集到的指纹图像进行特征提取和比对,判断其是否与注册的指纹匹配,从而实现身份验证。
门禁控制:根据指纹识别的结果,控制门禁系统开启或关闭。只有当指纹验证通过时,门禁才会解锁。
(3)多模态识别(可选):系统还可以结合面部识别等其他生物识别技术,提供双重验证,进一步提高安全性。
(4)用户管理:支持添加、删除、修改用户指纹信息,以及设置用户权限,如允许某些用户在特定时间进入。
(5)记录与监控:记录每次门禁的使用情况,包括时间、用户身份等信息,便于安全监控和事后追溯。
远程管理与通知:通过网络连接,管理人员可以远程监控门禁状态,并在异常情况发生时接收通知。
2.2技术指标
(1)识别准确率:通常要求指纹识别的准确率在99%以上。
(2)识别速度:从采集指纹到完成验证并做出响应的时间应尽可能短,一般在1秒以内。
(3)指纹传感器性能:
光学传感器:具有较高的耐用性和对干湿手指的适应性,但体积较大。
电容式传感器:体积小,适合安装在小型设备中,但对干湿手指的适应性较差,成本较高。
(4)深度学习算法:采用卷积神经网络(CNN)等深度学习算法,能够自动提取指纹特征并进行高效比对。
(5)安全性:具备防伪能力,能够识别并拒绝伪造指纹。
(6)系统兼容性:能够与现有的门禁硬件和网络环境兼容,支持多种操作系统和数据库。
(7)用户容量:根据应用场景的不同,系统应能够支持一定数量的用户指纹注册,一般从几百人到上千人不等。
3.开发设计方案
3.1设计思想
采用基于深度学习的指纹识别的方式,提高门禁系统的安全性和准确性。选择STM32F4或STM32F7系列开发板,这些系列的开发板性能较好,能够满足指纹识别及门禁控制的需求。指纹识别模块:采用ATK-AS608光学指纹识别模块,该模块识别准确率高,稳定性好,适合用于门禁系统。设计一个深度学习指纹算法,输入数据集,将其训练出一个模型,将模型移植到stm32平台上,将训练好的模型移植到stm32开发板上,连接传感器,门锁等硬件,进行测试。
软件设计流程图如图1所示:
图1 软件流程图
3.2设计方案
(1)系统结构
基于深度学习的指纹识别智能门禁系统主要由前端设备、数据传输模块、后端处理器和门禁控制模块组成。各部分通过高效的数据交互和协同工作,实现指纹识别与门禁控制功能。
1.前端设备
1.1指纹采集设备
功能:采集用户的指纹图像,是整个系统的输入端。
技术要求:
高分辨率:至少达到500dpi以上,以确保采集到的指纹图像清晰,能够准确捕捉指纹的细节特征。
抗干扰能力:能够适应不同的环境条件,如湿度、温度、光照等变化,例如在手指潮湿或干燥的情况下仍能正常采集。
安全性:具备活体检测功能,防止伪造指纹(如硅胶指纹)的攻击,确保采集到的指纹来自真实用户。
硬件组成:
光学传感器:通过光学成像原理采集指纹图像,适用于大多数应用场景。
电容传感器:通过电容变化检测指纹的脊线和谷线,具有较高的灵敏度和抗干扰能力。
2.用户交互界面
功能:提供用户交互界面,用于用户注册、指纹采集提示、错误信息反馈等。
实现方式:
显示屏:采用LCD或OLED屏幕,显示指纹采集的提示信息、注册成功与否等。
3.后端处理器
3.1硬件配置
STM32开发板
特点:STM32开发板适合用于简单的门禁系统,成本较低,易于开发。
适用场景:适用于对计算性能要求不高的门禁系统,如小型企业或家庭门禁。
优势:具有丰富的开发资源和社区支持,适合初学者和小型项目。
3.2软件平台
操作系统:Linux(如Ubuntu Server或CentOS),具有良好的稳定性和兼容性。
深度学习框架:PyTorch或TensorFlow,用于构建和训练深度学习模型。
数据库管理系统:MySQL或PostgreSQL,用于存储指纹特征模板和用户信息。
4.功能模块
指纹图像预处理模块:
功能:对采集到的指纹图像进行预处理,包括灰度化、二值化、去噪、归一化等操作,提高图像质量。
技术实现:使用OpenCV等图像处理库进行图像预处理操作。
特征提取模块:
功能:从预处理后的指纹图像中提取特征,用于后续的指纹识别和验证。
技术实现:采用深度学习模型(CNN、ResNet等)提取指纹图像的特征向量。
指纹识别与验证模块:
功能:将提取到的特征与数据库中的特征模板进行比对,判断是否为同一用户。
技术实现:使用Siamese网络或Triplet网络等进行指纹匹配,计算特征向量之间的相似度。
用户管理模块:
功能:管理用户信息,包括用户注册、指纹采集、指纹更新、用户删除等操作。
技术实现:通过Web界面或API接口进行用户管理操作,支持批量导入和导出用户信息。
5.门禁控制模块
硬件组成
电控锁:通过电流控制锁的开启和关闭,适用于各种类型的门禁系统。
门禁控制器:接收后端服务器的指令,控制电磁锁或电控锁的开关,支持多种通信接口(如RS485、TCP/IP等)。
功能实现
接收指令:通过数据传输模块接收后端服务器的指令,判断是否允许用户通过。
控制门禁设备:根据指令控制电磁锁或电控锁的开关,实现门禁的开启和关闭。
反馈状态:将门禁设备的当前状态(如门开、门关、故障等)反馈给后端服务器,便于实时监控和管理。
架构图如下:
(2)硬件开发环境
STM32开发板:选择STM32F4或STM32F7系列开发板,这些系列的开发板性能较好,能够满足指纹识别及门禁控制的需求。
指纹识别模块:采用ATK-AS608光学指纹识别模块,该模块识别准确率高,稳定性好,适合用于门禁系统。
其他外设:
电磁门锁:用于门禁控制。
继电器模块:用于控制电磁门锁。
OLED显示屏:用于显示系统状态,如指纹识别结果、门禁状态等。
蜂鸣器:用于提示用户操作结果,如指纹识别成功或失败。
按键模块:用于用户交互,如录入指纹、删除指纹等操作。
软件开发环境
开发工具:
STM32CubeIDE:用于创建、编写、编译和调试STM32项目。它提供了丰富的外设驱动库和配置工具,能够简化开发流程。
Keil uVision(可选):也可用于编写、编译和调试代码,具有良好的稳定性和丰富的功能。
STM32CubeMX:用于配置STM32微控制器的引脚和外设,能够生成初始化代码,提高开发效率。
ST-Link Utility:用于将编译好的代码下载到STM32开发板中。
深度学习工具:
TensorFlow:在PC上进行模型的训练和优化。可以使用TensorFlow Lite将训练好的模型转换为适合在STM32上运行的格式。
STM32Cube.AI:用于将训练好的深度学习模型导入到STM32项目中,并进行优化和部署。
工具选择原因
STM32开发板:具有高性能、低功耗、丰富的外设接口和良好的社区支持,适合用于开发智能门禁系统。
STM32CubeIDE:提供了一站式的开发环境,包括代码编辑、编译、调试等功能,并且与STM32CubeMX等工具无缝集成,能够提高开发效率。
TensorFlow与STM32Cube.AI:TensorFlow是目前最流行的深度学习框架之一,具有强大的模型训练和优化能力。STM32Cube.AI能够将TensorFlow训练好的模型高效地部署到STM32上,实现深度学习算法在嵌入式设备上的运行。
其他外设模块:如OLED显示屏、蜂鸣器、按键模块等,这些模块能够丰富系统的功能,提升用户体验。
(3)技术路线
1. 数据准备与预处理
数据集选择:选择合适的指纹数据集,如Sokoto Coventry Fingerprint Dataset(SOCOFing),该数据集包含大量不同条件下的指纹图像,适合用于训练和测试指纹识别模型。
图像预处理:对指纹图像进行灰度化、二值化、去噪、归一化等操作,以提高图像质量,增强模型的鲁棒性。例如,将图像转换为灰度图后,再将其扩展到RGB模式,以便更好地适应深度学习模型的输入要求。
2. 深度学习模型设计
特征提取:使用卷积神经网络(CNN)进行特征提取。CNN能够自动学习指纹图像的低级特征(如边缘、角点等),并通过池化层减少特征图的维度。
模型架构选择:可以选择ResNet、DenseNet等预训练模型进行迁移学习。
模型训练与优化:使用Adam优化器进行模型训练,设置合适的学习率(如0.001)和批量大小(如32),并采用交叉熵损失函数优化模型参数。训练过程中可以使用数据增强技术(如旋转、缩放、高斯模糊等)来提高模型的泛化能力。
3. 模型部署与系统集成
模型转换:将训练好的深度学习模型转换为适合在STM32等嵌入式设备上运行的格式。可以使用STM32Cube.AI等工具将TensorFlow或PyTorch模型转换为C代码。
硬件集成:将STM32开发板与指纹传感器、显示屏、继电器等外设连接,实现指纹采集、显示和门禁控制功能。
软件开发:在STM32上开发相应的驱动程序和应用程序,实现指纹图像的采集、预处理、特征提取、识别以及门禁控制逻辑。
4. 系统测试与验证
单元测试:对每个模块(如指纹采集模块、识别模块、控制模块等)进行单独测试,确保其功能正常。
集成测试:将各模块集成到一起,测试整个系统的协同工作能力,确保系统能够稳定运行。
性能测试:测试系统的识别速度、准确率等性能指标,确保系统满足实际应用需求。
5. 优化
活体检测:在指纹采集模块中加入活体检测功能,防止伪造指纹攻击。
模型优化:对深度学习模型进行剪枝和量化,减少模型大小和计算量,提高运行效率。
通过以上技术路线,可以设计和实现一个高效、准确、安全的基于深度学习的指纹识别智能门禁系统。
4.参考文献
[1]Deepak J K ,S. N ,Ankit V , et al.Deep learning-based intelligent system for fingerprint identification using decision-based median filter[J].Pattern RecognitionLetters,2023,17425
[2]Ahmed A ,Quoitin B ,Gros A , et al.A Comprehensive Survey on Deep Learning-Based LoRa Radio Frequency Fingerprinting Identification[J].Sensors,2024,24(13):4411-4411.
[3]Fu H ,Dong H ,Yin J , et al.Radio Frequency Fingerprint Identification for 5G Mobile Devices Using DCTF and Deep Learning[J].Entropy,2023,26(1):
[4]杨忠培.基于深度学习的IoT射频指纹识别[D].电子科技大学,2024.
[5]王鑫心.基于深度学习的电容式指纹识别模组表面缺陷检测研究[D].南昌大学,2024.
[6]李硕,赵朝阳,屈音璇,等.深度学习技术在指纹识别中的应用[J].计算机工程,2024,50(12):33-47
[7]贺彦钧,朱磊,黄炜.基于机器学习的应用系统深度指纹识别技术及应用[J].通信技术,2023,56(09):1082-1087.
[8]吴震东,王雅妮,章坚武.基于深度学习的污损指纹识别研究[J].电子与信息学报,2017,39(07):1585-1591.
[9]钟瑞.基于深度学习和多特征融合的小面积指纹识别算法研究[D].西安电子科技大学,2018.
[10]陈虹旭,李晓坤,郑永亮,等.基于深度学习的指纹识别方法研究[J].智能计算机与应用,2018,8(03):64-69.
相关文章:
《基于深度学习的指纹识别智能门禁系统》开题报告
个人主页:大数据蟒行探索者 1研究背景 1.1开发目的和意义 指纹识别作为生物特征识别领域的一项重要技术,在安全认证、犯罪侦查和个人身份验证等方面具有广泛应用前景。随着深度学习技术的迅猛发展,基于深度学习的指纹识别系统成为了当前研究…...
数据预处理流程与关键步骤解析
数据预处理流程图(Markdown格式): #mermaid-svg-b3mhJcpFWaJ9qMZ8 {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-b3mhJcpFWaJ9qMZ8 .error-icon{fill:#552222;}#mermaid-svg-b3m…...
单片机开发资源分析实战——以STM32F103ZET6为例子,分析我们的单片机
目录 第一件事情:为什么叫STM32F103ZET6 分析我们的资源手册 第二件事情,关心我们的GPIO引脚输出 第三件事情:去找对应外设的说明部分 本文章隶属于项目: Charliechen114514/BetterATK: This is a repo that helps rewrite ST…...
uv命令介绍(高性能Python包管理工具,旨在替代pip、pip-tools和virtualenv等传统工具)
文章目录 **主要功能**1. **快速安装和管理 Python 包**2. **生成和管理锁文件 (requirements.lock)**3. **创建虚拟环境**4. **与 poetry 兼容** **核心优势**1. **极快的速度**:基于 Rust 实现,利用多线程和缓存大幅加速依赖解析。2. **轻量且独立**&a…...
React Native进阶(六十):webview实现屏蔽所嵌套web页面异常弹窗
文章目录 一、前言二、解决方案三、注意事项四、拓展阅读 一、前言 在React Native项目集成web页面时,webview嵌套方式是常用方式。如果所嵌套的web页面由于某种不可控因素导致出现错误弹窗信息,webview作为web嵌套方式应该对其行为可控。 React Nativ…...
IS-IS原理与配置
一、IS-IS概述 IS-IS(Intermediate System to Intermediate System,中间系统到中间系统)是ISO(International Organization for Standardization,国际标准化组织)为它的CLNP(ConnectionLessNet…...
响应式CMS架构优化SEO与用户体验
内容概要 在数字化内容生态中,响应式CMS架构已成为平衡搜索引擎可见性与终端用户体验的核心载体。该系统通过多终端适配技术,确保PC、移动端及平板等设备的内容渲染一致性,直接降低页面跳出率并延长用户停留时长。与此同时,智能S…...
mysql 主从配置
核心概念: 主服务器(Master):负责处理客户端的写操作,并将数据更改记录到二进制日志(binlog)中。从服务器(Slave):负责读取主服务器的二进制日志,…...
Windows下编译安装Qt5.15.0指南
1. 系统要求 操作系统: Windows 7 或更高版本(推荐 Windows 10/11)。 磁盘空间: 至少 20-30 GB(编译过程会生成大量中间文件)。 内存: 建议 8GB 或更高。 编译器: 需要安装 Visual Studio(推荐 MSVC 2017 或 MSVC 2…...
001-JMeter的安装与配置
1.前期准备 下载好JMeter : https://jmeter.apache.org/download_jmeter.cgi 下载好JDK : :Java Downloads | Oracle 中国 下载图中圈蓝的JMeter和JDK就行,让它边下载,我们边往下看 2.为什么要下载并安装JDK ? JMeter 是基于 Java 开发的工具&#…...
kube-score K8S Yaml静态代码分析工具详解
kube-score 是一款专注于 Kubernetes 配置文件的静态代码分析工具,旨在通过自动化检查帮助用户识别资源配置中的潜在问题,并遵循最佳实践以提升集群的安全性、稳定性和性能。以下是其核心功能、使用方法和应用场景的详细解析: 一、核心功能与…...
【Go】Go语言结构体笔记
整体介绍 虽然 Go 语言不是传统意义上的面向对象语言,但它提供了结构体(struct)来组织数据,并且可以为结构体绑定方法,从而达到面向对象的部分效果。 关键知识点包括: 结构体定义与实例化 定义结构体时使用…...
Oracle数据库性能优化全攻略:十大关键方向深度解析与实践指南
文章目录 一、SQL查询优化二、索引优化三、内存管理四、I/O优化五、分区表与分区索引六、并行处理七、统计信息管理八、锁与并发控制九、数据库参数调优十、应用设计优化结论 在当今数据驱动的时代,数据库的性能优化成为了确保企业应用高效运行的关键。Oracle作为业…...
Modern C++面试题及参考答案
目录 解释右值引用的定义及其与左值引用的核心区别 std::move 的实现原理是什么?为什么它本身不执行移动操作? 移动构造函数与拷贝构造函数的调用场景有何不同? 实现一个支持移动语义的类需要遵循哪些原则? 完美转发(Perfect Forwarding)的实现原理及 std::forward 的…...
【单片机通信技术应用——学习笔记三】液晶屏显示技术,取模软件的应用
一、液晶显示技术简介 1.RGB信号线 RGB是一种色彩模式,是工业界的一种颜色标准,是通过红(R)、绿(G)、蓝(B)三个颜色通道的变化,以及它们相互之间的叠加来得到各式各样的…...
Git push后撤销提交
一、介绍 当某次更改完工程后,push了本地仓库到云端,但是发现有地方改错了,想撤销这次推送,或者某次提交就更改了很小一部分,想和本地这次修改的合并为一次推送,省的在云端显示特别多次提交,显得…...
React多层级对象改变值--immer
reduxjs/toolkit底层就是immer,,,所以在使用redux的时候,直接赋值,就会响应式的数据 如果不使用reduxjs/toolkit,可以自己使用immer来实现 安装immer npm install immer引入produce函数,,prod…...
17153. 班级活动(蓝桥杯-python)
代码写法 import os import sys# 请在此输入您的代码n int(input()) a list(map(int,input().split()))da {} flag1 0 flag2 0for i in a:da[i] da.get(i,0)1for i,j in da.items():if j 1:flag1 1if j > 2:flag2 j-2if flag2 > flag1:print(flag2) else:print(…...
html5-qrcode前端打开摄像头扫描二维码功能
实现的效果如图所示,全屏打开并且扫描到二维码后弹窗提醒,主要就是使用html5-qrcode这个依赖库,html5-qrcode开源地址:GitHub - mebjas/html5-qrcode: A cross platform HTML5 QR code reader. See end to end implementation at:…...
【后端】【Django】【ORM】SearchFilter 详解
SearchFilter 详解 SearchFilter 是 Django REST Framework(DRF)提供的一个过滤器,用于在 ModelViewSet 视图集中支持搜索功能。它允许用户通过 URL 查询参数(默认 search)对多个字段进行模糊匹配。 一、基本用法 &a…...
python 实现一个简单的window 任务管理器
import tkinter as tk from tkinter import ttk import psutil# 运行此代码前,请确保已经安装了 psutil 库,可以使用 pip install psutil 进行安装。 # 由于获取进程信息可能会受到权限限制,某些进程的信息可能无法获取,代码中已经…...
使用密码连接Redis服务的两种方式
说明:本文介绍连接需要密码的Redis服务的两种方式 方式一 连接时,携带密码,如下: redis-cli -a [密码]如下: 有两个问题: 密码直接放在命令里,可通过 history 找到,不安全&#x…...
基于C语言实现的观察者模式 以温度监控系统为例
场景为 温度监控系统:当温度传感器检测到温度变化时,自动通知所有注册的显示器(如LCD、手机App)更新显示。 场景描述 主题(Subject):温度传感器,负责检测温度变化并通知观察者。 观察者(Observer):显示器(LCD显示器、手机App),订阅温度数据并在温度变化时更新显…...
英伟达黄仁勋2025GTC演讲深度解析:液冷GPU、AI工厂、机器人AI…...
目录 一、技术产品与架构升级:从芯片到算力工厂1. 新一代GPU与计算架构2. AI工厂与算力操作系统 二、AI技术演进:从生成式到物理AI1. AI发展的三大阶段2. 推理算力需求爆炸式增长 三、生态合作与行业落地1. CUDA生态与开源工具2. 跨行业合作案例 四、未来…...
学习Flutter:搭建第一个 Flutter 应用
引言 曾几何时,我们还在为 Android 和 iOS 各写一套 UI 而头疼,做一个需求像是两家公司在竞争。但 Flutter 的出现,改变了这一切。它让跨平台开发变得可能,让一个程序员的代码可以同时运行在多个设备上,省时省力&…...
lua实现面向对象(封装/继承/多态)
lua实现面向对象封装/继承/多态 lua实现面向对象(封装/继承/多态) lua实现面向对象(封装/继承/多态) print("***********面向对象**********") print("*************封装************") --表就是表现类的一种形式 --实现了new方法:本质上是创建一个空表&a…...
WX小程序
下载 package com.sky.utils;import com.alibaba.fastjson.JSONObject; import org.apache.http.NameValuePair; import org.apache.http.client.config.RequestConfig; import org.apache.http.client.entity.UrlEncodedFormEntity; import org.apache.http.client.methods.Cl…...
【模拟面试】计算机考研复试集训(第十一天)
文章目录 前言一、专业面试1、什么是面向对象编程?2、软件工程的主要模型有哪些?3、Cache和寄存器的区别4、卷积层有哪些参数,它们代表什么?5、你有读博的打算吗?6、你的师兄/姐临近毕业,仍做不出成果&…...
【深度技术揭秘】 Android SystemUI锁屏界面动态布局重构:横竖屏智能适配指南
1. 问题背景与需求拆解 在Android 13系统定制中,发现平板横屏锁屏界面存在两大视觉问题: 时钟控件尺寸过大,与竖屏样式不统一 解锁图标位置异常,横向居中而非顶部居中(如图示) 需实现: 横竖屏…...
AI比人脑更强,因为被植入思维模型【20】卡尼曼双系统理论
定义 卡尼曼双系统理论思维模型是由诺贝尔经济学奖得主丹尼尔卡尼曼提出的,该理论认为人类的思维系统可以分为两个相互关联但又具有不同特点的子系统,即系统1(快思考)和系统2(慢思考)。系统1是基于直觉、经…...
修改服务器windows远程桌面默认端口号
修改服务器windows远程桌面默认端口号 在Windows服务器上修改远程桌面协议(RDP)的默认端口(3389)可以增强服务器的安全性,减少被恶意扫描和攻击的风险。以下是修改远程端口的详细步骤: 按 Win R 打开运行…...
3.22模拟面试
前端模拟面试(1 年经验) 面试时长:40-60 分钟 面试难度:初中级 技术栈:Vue 3、TypeScript、微前端(qiankun)、Webpack/Rspack、Ant Design、组件库迁移 一、基础知识 HTML & CSS 介绍一下…...
MySQL高频八股——索引
大家好,我是钢板兽! 今天来更新MySQL高频八股的最后一篇文章,包括很多内容:索引分类、最左匹配原则、范围查询使联合索引失效、索引下推、给联合查询加索引、索引失效情况。 在MySQL的第一篇八股文章,我写了MySQL的索…...
二分查找(java)
文章目录 1. 基本原理2. 步骤3.练习 1. 基本原理 二分查找(Binary Search)是一种基于分治思想的高效搜索算法,核心逻辑是通过不断缩小搜索区间来定位目标值。其前提是数据必须为有序数组,时间复杂度为 O(log n)。 2. 步骤 1.…...
2025_0321_生活记录
刚刚写完待会儿早上要汇报的文档,看了一眼时间,现在已经是凌晨2点多了。一直说要早睡,但是一直都没做到。。。算了,不苛求自己了。 昨天是春分,春分秋分,昼夜平分。不知不觉就到春天了,但房间里…...
【LangChain入门 6 Chain组件】单链和多链
一、单链 1.1 LCEL的语法 | 为关键字,使用 | 作为链接符号 from langchain_core.output_parsers import StrOutputParser from langchain_ollama import ChatOllama llm ChatOllama( model"deepseek-r1:7b") parser StrOutputParser() # 加了这段后&…...
决策树基础
决策树 定义 从根节点开始,也就是拥有全部的数据,找一个维度对根节点开始划分, 划分后希望数据整体的信息熵是最小的, 针对划分出来的两个节点,我们继续重复刚才的划分方式寻找信息熵最小的维度和阈值。 递归这个…...
MATLAB+Arduino控制小车直行+转向
1 硬件 两轮车arduino板子 硬件连接 注意:电机连线。 这个小车的电机电流小,可以用arduino板子直接驱动,如果是大电流的,需要你自带电池,供电用用你的电池(如移动电源),控制信号&…...
【uni-app】引用公共组件
目录 一、建立公共组件 1.1新建vue文件 1.2编写公共文件代码 1.3使用 注意事项 一、建立公共组件 1.1新建vue文件 在公共组件文件目录下新建所需要的功能文件 1.2编写公共文件代码 按需求写对应功能的代码 1.3使用 在需要使用的文件下引用公共组件 注意事项 想要使用s…...
六西格玛遇上Python:统计学的高效实践场
在当今数据驱动的时代,数据分析和可视化工具成为了各行业优化流程、提升质量的关键手段。六西格玛(Six Sigma)作为一种以数据为基础、追求完美质量的管理理念,其实施依赖于一系列基础工具的灵活运用。而Python,凭借其强…...
虚幻基础:UI
文章目录 控件蓝图可以装载其他控件蓝图可以安装其他蓝图接口 填充:相对于父组件填充水平框尺寸—填充—0.5:改变填充的尺寸填充—0.5:改变与父组件的距离 锚点:相对于父组件的控件坐标系原点,屏幕比例改变时ÿ…...
事件、页面跳转、wxml语法——微信小程序学习笔记
1. 事件 1.1 事件绑定 <!--pages/infoPage/infoPage.wxml--><button type"primary" bind:tap"childrenClicked">子按钮</button> // pages/infoPage/infoPage.jsPage({childrenClicked(){console.log("childrenClicked")} …...
关于kafka的一些知识总结
Kafka 1. 基本知识 1.1 前置知识 topic表示一个类型/业务的数据的组为方便扩展,提高吞吐率,一个topic分为多个partition。配合分区的设计,提出消费者组的概念,每个消费者并行消费,同时,一个分区的数据&a…...
系统架构书单推荐(一)领域驱动设计与面向对象
本文主要是个人在学习过程中所涉猎的一些经典书籍,有些已经阅读完,有些还在阅读中。于我而言,希望追求软件系统设计相关的原则、方法、思想、本质的东西,并希望通过不断的学习、实践和积累,提升自身的知识和认知。希望…...
JS—原型与原型链:2分钟掌握原型链
个人博客:haichenyi.com。感谢关注 一. 目录 一–目录二–原型三–原型链 二. 原型 什么是原型? 每个JavaScript对象都有一个原型,这个原型也是一个对象。比方说 function Person(name) {this.name name; } let person new Person(&quo…...
微软产品的专有名词和官方视频教程
Legend/Acronyms (D) Microsoft Documentation (V) Video (B) Blog (S) Site (IG)<...
OpenCV旋转估计(5)图像拼接的一个函数waveCorrect()
操作系统:ubuntu22.04 OpenCV版本:OpenCV4.9 IDE:Visual Studio Code 编程语言:C11 算法描述 waveCorrect 是OpenCV中用于图像拼接的一个函数,特别适用于全景图拼接过程中校正波浪形失真(Wave Correction)…...
基于3DMax与Vray引擎的轻量级室内场景渲染实践
欢迎踏入3DMAX室内渲染的沉浸式学习之旅!在这个精心设计的实战教程中,我们将携手揭开3DMAX与Vray这对黄金搭档在打造现实室内场景时的核心奥秘。无论您是渴望入门的3D新手,还是追求极致效果的专业设计师,这里都将为您呈现从场景蓝图构建到光影魔法施加的完整技术图谱。我们…...
项目日记 -云备份 -服务器配置信息模块
博客主页:【夜泉_ly】 本文专栏:【项目日记-云备份】 欢迎点赞👍收藏⭐关注❤️ 代码已上传 gitee 目录 前言配置信息文件文件配置类getInstance 获得实例readConfigFile 读取配置信息文件 测试 #mermaid-svg-ewlCpjdOf0q0VTLI {font-family:…...
Linux冯诺依曼体系与计算机系统架构认知(8)
文章目录 前言一、冯诺依曼体系冯•诺依曼体系结构推导内存提高冯•诺依曼体系结构效率的方法你用QQ和朋友聊天时数据的流动过程与冯•诺依曼体系结构相关的一些知识 二、计算机层次结构分析操作系统(Operator System)驱动层的作用与意义系统调用接口(system call)用户操作接口…...