膚色分割演算法

A. 王甦菁的發表論文

Su-Jing Wang, Jian Yang, Na Zhang, Chun-Guang Zhou. Tensor Discriminant Color Space for Face Recognition[J]. IEEE Transactions on Image Processing 2011. 20(9):2490-2501 DOI:10.1109/TIP.2011.2121084. (SCI 期刊，goggle scholar 被引4次)
Su-Jing Wang, Chun-Guang Zhou, Na Zhang, Xu-Jun Peng, Yu-Hsin Chen, Xiao-Hua Liu. Face Recognition using Second Order Discriminant Tensor Subspace Analysis [J]. Neurocomputing.2011, 74(12-13):2142-2156. DOI:10.1016/j.neucom.2011.01.024.(SCI 期刊，goggle scholar 被引1次)
Su-Jing Wang, Yu-Hsin Chen, Xu-Jun Peng, Chun-Guang Zhou. Exponential locality preserving projections for small sample size problem [J]. Neurocomputing.2011, 74(17): 3654-3662. DOI:10.1016/j.neucom.2011.07.007 (SCI 期刊)
Su-Jing Wang, Chun-Guang Zhou, Yu-Hsin Chen, Xu-Jun Peng, Hui-Ling Chen, Gang Wang, Xiaohua Liu. A novel face recognition method based on sub-pattern and tensor[J]. Neurocomputing.2011, 74(17):3553-3564.DOI:10.1016/j.neucom.2011.06.017(SCI 期刊，goggle scholar 被引1次)
Su-Jing Wang, Na Zhang, Xu-Jun Peng, Chun-Guang Zhou. Two-dimensional locality preserving projection based on Maximum Scatter Difference[J]. Journal of Information & Computational Science. 2011, 8(3):484-494.（EI期刊）.
Su-Jing Wang, Chun-Guang Zhou, Ming-Fang Sun, Hui-Ling Chen, Xiao-Hua Liu, Xu-Jun Peng. Can Estimate Age Range Using 'a Face a Person'?. Journal of Computational Information Systems. 2011, 7(13):4586-4593.（EI期刊）
王甦菁，周春光，張娜， 李建朋，張利彪. 一種基於形狀和紋理特徵的人臉年齡估計方法[J]. 吉林大學學報（工學版）. 2011, 41(5):1383-1387.（EI期刊）
Su-Jing Wang, Cheng-Cheng Jia, Hui-Ling Chen, Chun-Guang Zhou.Matrix Exponential LPP for Face Recognition[C]. The First Asian Conference on Pattern Recognition. 2011, p. 189-193. （EI檢索）
Su-Jing Wang, Na Zhang, Ming-Fang Sun, Chun-Guang Zhou. The analysis of parameters t and k of LPP on several famous face databases[C]. The Second International Conference on Swarm Intelligence. 2011, p. 333-339. （EI檢索）.
Su-Jing Wang, De-Cai Zhang, Cheng-Cheng Jia, Na Zhang, Chun-Guang Zhou, Li-Biao Zhang. A Sign Language Recognition Based on Tensor. 2010 Second International Conference on MultiMedia and Information Technology(MMIT 2010) 2010 Second International Conference on. 2010. p. 192-195. (EI檢索：20102713061118)
Su-Jing Wang, Zhen Chen, Dong-Jing Wang. An Algorithm based on Concept-Matrix for Building Concept Lattice with Hasse. 2007 International Conference on Wireless Communications, Networking and Mobile Computing, Proceedings-Volume 8, September 21-25, 2007: 5588-5591. (EI檢索：20080311028522)
王甦菁, 陳震. 一種基於概念格的關聯規則挖掘演算法[J]. 計算機工程與應用, 2007, 43(28):157-161.
陳震，王甦菁，周春光，曹歡歡. 一種基於BP網路的人體膚色模型[J].計算機工程與應用, 2008, 44(14):166-168
陳震，張娜，王甦菁. 一種基於概念矩陣的概念格生成演算法[J]. 計算機科學. 2010(09): 180-183.（通訊作者）
Hui-Ling Chen, Da-You Liu, Bo Yang, Jie Liu, Gang Wang and Su-Jing Wang. An Adaptive Fuzzy k-Nearest Neighbor Method Based on Parallel Particle Swarm Optimization for Bankruptcy Prediction. PAKDD 2011, Part I, LNAI 6634, p. 249-264 （EI檢索）.
Cheng-Cheng Jia, Su-Jing Wang, Xu-Jun Peng, Wei Pang, Can-Yan Zhang, Chun-Guang Zhou, Zhe-Zhou Yu. Incremental multi-linear discriminant analysis using canonical correlations for action recognition. Neurocomputing. DOI:10.1016/j.neucom.2011.11.006.(SCI 期刊)
Ming-Fang Sun, Su-Jing Wang, Xiao-Hua Liu, Cheng-Cheng Jia, Chun-Guang Zhou. Human Action Recognition Using Tensor Principal Component Analysis. 4th IEEE International Conference on Computer Science and Information Technology,2011, p.487-491.（EI檢索）.
Hui-Ling Chen, Bo Yang, Gang Wang, Jie Liu, Xin Xu, Su-Jing Wang, Da-You Liu. A novel bankruptcy prediction model based on an adaptive fuzzy k-nearest neighbor method. Knowledge-Based Systems.2011. 24(8): p. 1348-1359. DOI:10.1016/j.knosys.2011.06.008(SCI 期刊).
Hui-Ling Chen, Bo Yang, Gang Wang, Su-Jing Wang, Jie Liu, Da-You Liu. Support vector machine based diagnostic system for breast cancer using swarm intelligence. Journal of Medical Systems. DOI: 10.1007/s10916-011-9723-0, (SCI 期刊).
Yuan-Ning Liu, Gang Wang, Hui-Ling Chen, Hao Dong, Xiao-Dong Zhu, Su-Jing Wang. An Improved Particle Swarm Optimization for Feature Selection. Journal of Bionic Engineering. 2011, 8(2):191-200. DOI:10.1016/S1672-6529(11)60020-6 (SCI 期刊).
Cheng-Cheng Jia, Su-Jing Wang, Chunguang Zhou, Caitang Sun, Libiao Zhang. Tensor analysis and multi-scale features based multi-view human action recognition, in Computer Engineering and Technology (ICCET), 2010 2nd International Conference on. 2010. p. V4-60-V4-64. (EI檢索：20104313317160)
Qing XIA, Su-Jing Wang, Zhen CHEN, Tao LV, Dong-Jing WANG. ARCA: An Algorithm for Mining Association Rules based Concept Lattice. 2008 International Conference on Wireless Communications, Networking and Mobile Computing, WiCOM 2008, October 12-14, 2008: 1-5.(EI檢索：20090111835430)
Libiao Zhang, Xiangli Xu,Su-Jing Wang, Chunguang Zhou, Caitang Sun. Environmental/Economic Dispatch using a improved Differential Evolution, in Computer Engineering and Technology (ICCET), 2010 2nd International Conference on. 2010. p. V4-55-V4-59. (EI檢索：20104313317177)
Libiao Zhang, Xiangli Xu, Su-Jing Wang, Ming Ma, Chunguang Zhou, Caitang Sun. Solved Environmental/Economic Dispatch Based on Multi-objective PSO, in Intelligent Computation Technology and Automation (ICICTA), 2010 International Conference on. 2010. p. 352-355. (EI檢索)
張德才，周春光，周強，池淑珍，王甦菁.基於輪廓的孔洞填充演算法[J].吉林大學學報(理學版),2011,49(1):82-86.
陳前，王甦菁，劉小華，高蕾，周春光. 一種快速的虹膜定位演算法[J].吉林大學學報(理學版),2011,49 (06): 1095-1100
劉小華，石娜，王甦菁，李春玲. 復雜背景下同光度性質物體的圖像分割[J].吉林大學學報(理學版),2011,49 (05): 901-905
張娜，陳震，陳彬，呂濤，王甦菁. 智能體(Agent)技術在交通樞紐模擬系統中的研究與應用[J].交通信息與安全. 2009(02): 104-106.

B. 求matlab 根據膚色檢測手部輪廓提取和分割的演算法以及實現程序，最好有注釋，重謝！

解決方案1：
直接用緝鼎光刮叱鈣癸水含驚ifft();例如信號x
y=fft(x);%對信號傅里葉變換到頻域
z=ifft(y);%對信號y傅里葉反變換到時域，

解決方案2：
工具箱啊。IFFT()函數

C. java 實現人臉的動漫化 照片用數組存還是image對象提取人臉的什麼特徵人臉處理常用哪些特徵

YOGUAI為保險櫃，自動門，考勤等行業提供人臉識別方案。

隨著計算機網路和通信技術的發展，信息安全、知識產權保護和身份認證等問題成了一個重要而緊迫的研究課題。身份認證是保證系統安全的必要前提，在多種不同的安全領域都需要准確的身份認證。傳統的身份證、智能卡、密碼等身份認證方法存在攜帶不便、容易遺失、不可讀或密碼易被破解等諸多問題。基於人臉識別技術的身份認證方法與傳統的方法相比，具有更好的安全性、可靠性和有效性，因此正越來越受到人們的重視，並逐漸進入社會生活的各個領域。

人臉識別技術具有廣泛的應用前景，可以應用到多種不同的安全領域，因其識別特徵的獨特性、惟一性和相對穩定性，逐漸成為一非常熱門的研究課題。許多典型的人臉識別演算法和應用系統都是針對標准或特定的人臉資料庫，利用庫內人臉進行訓練，並在相同的庫中實現人臉識別。但在軟體保護、計算機安全等特殊應用中，身份認證僅針對單個對象進行人臉識別，現有的人臉識別方法並不能勝任這樣的識別任務。為此，本文針對單對象人臉識別的特點，討論了單對象人臉檢測和識別的關鍵技術，在此基礎上提出了一種單對象人臉識別演算法，實驗結果證明了該方法的有效性。

2單對象人臉識別的特點

與典型的人臉識別相比，單對象人臉識別有以下4個方面的特點：

應用領域人臉識別的應用領域很廣，如刑偵破案、證件核對、保安監控等，而單對象人臉識別主要應用在軟體保護、計算機安全鎖、特定對象追蹤等領域。

識別系統的目標單對象人臉識別的最終目標是系統必須具有高度的安全性和可靠性，即識別錯誤率趨於0。雖然降低識別錯誤率的同時識別率也會降低，但可以通過提示用戶調整姿態(如注視攝像頭等)加以改善。

膚色模型由於單對象人臉識別僅針對特定的對象，所以人臉檢測的膚色模型可採用自適應的方法調整膚色范圍。

分類方法單對象人臉識別不存在人臉資料庫，常用的最小距離分類法不能夠正確識別特定的對象，只能用閾值作為判據。因此，閾值的選取十分重要，閾值過大則容易出現錯判，存在安全隱患；而閾值過小又會影響識別效率。

3人臉的檢測和歸一化

人臉檢測是人臉識別的前提。對於給定的圖像，人臉檢測的目的在於判斷圖像中是否存在人臉，如果存在，則返回其位置和空間分布。利用人臉膚色和面部特徵，將人臉檢測分為兩個階段：外臉檢測和內臉定位。外臉檢測主要利用人臉膚色進行初步的臉區檢測，分割出膚色區域；內臉檢測是在外臉區域中利用面部幾何特徵進行驗證和定位。

3.1外臉檢測

外臉檢測的任務是將待檢圖像中可能的人臉區域找出來並加以標記，其步驟如下：

(1)根據人類膚色在色彩空間中存在區域性的特點，將可能為人臉的像素檢測出來。為更好地利用膚色特徵，同時選用HSI和YcbCr兩種色彩空間對圖像進行二值化處理，膚色范圍限定在H∈[0，46]，S∈[0.10，0.72]，Cb∈[98，130]，Cr∈[128，170]內。將滿足條件的像素標記為膚色像素，其餘的均為非膚色像素。

(2)去噪處理。在以每一個膚色點為中心的5×5鄰域內統計膚色像素的個數，超過半數時中心點保留為膚色，否則認為是非膚色。

(3)將二值圖像中的膚色塊作區域歸並，並對目標區域進行比例、結構分析，過濾掉不可能的人臉區域。目標區域的高度／寬度比例限定在0.8～2.0。

3.2內臉檢測和定位

將包含眼、眉、鼻和嘴的區域稱為內臉區域。內臉區域能夠很好地表達人臉特徵，且不易受背景、頭發等因素的干擾，因此內臉區域的檢測和定位對後續的特徵提取和識別至關重要。

在外臉區域的上半部，對二值圖像進行水平方向和垂直方向的投影，確定兩個包含黑點的矩形區域作為雙眼的大致區域。在確定的兩個區域中，對黑點進行區域膨脹，可以得到眼睛的基本輪廓和左石眼角，黑點坐標的平均值作為瞳孔的位置。

設左右瞳孔的坐標分別為(Lx，Ly)和(Rx，Ry)，兩個瞳孔之間的距離為d，根據人臉的幾何特徵，我們將內臉區域定義為：寬度=-d×1.6，高度=-d×1.8，左上角坐標為(Lx-d×0.3，(Ly Ry)／2-(-d)×0.3)。實驗表明，該區域能夠很好地表達人臉特徵。

3.3內臉區域的歸一化

由於各待測圖像中的人臉大小具有很大的隨機性，因此，有必要對內臉區域進行歸一化操作。人臉歸一化是指對內臉區域的圖像進行縮放變換，得到統一大小的標准圖像，實驗中，我們規定標准圖像的大小為128×128。歸一化處理，保證了人臉大小的一致性，體現了人臉在圖像平面內的尺寸不變性。

對歸一化的人臉圖像，採用小波變換與DCT相結合的方法提取人臉特徵。首先對人臉圖像進行3層小波分解，取低頻子圖像LL3作為人臉特徵提取的對象，從而獲得每幅訓練樣本或測試樣本的低頻子圖像；然後對低頻子圖像進行離散餘弦變換(DCT)，DCT系數個數與子圖像的大小相等(即256)，由於圖像DCT變換，能量集中在低頻部分，因此只取其中的136個低頻系數作為特徵向量。

5人臉的識別

完成訓練過程並獲得待測樣本的特徵後，即可進行人臉識別，本文採用歐氏距離進行分類。

5.1計算樣本與平均臉的歐氏距離

用m和x表示平均臉和樣本的特徵向量，則樣本與平均臉的歐氏距離為：

其中mk表示平均臉的第k個特徵向量，xk表示待測樣本的第k個特徵向量。身份認證時，計算待測樣本與平均臉的歐氏距離，並與特定對象的自適應閾值進行比較，將小於閾值的樣本判為該對象的人臉，即認證通過。

5.2自適應閾值的選取

與典型的人臉識別方法不同，單對象人臉認識沒有人臉資料庫，不能用距離最小作為判據，只能用閾值作為判別依據。閾值的選取應兼顧識別率和識別的准確性，實驗中我們取訓練樣本與平均臉的歐氏距離平均值作為分類閾值，即:

其中，N為訓練樣本數，此值不宜太小；di為第i個樣本與平均臉之間的歐氏距離。

莫士特科技有限公司提供模式識別主板及解決方案。
希望採納

D. 傳音在影像領域的行業地位如何

近年來，傳音在已有技術積累的基礎上，針對深膚色人像與場景相關的技術難點，從數據、演算法、算力三個方向構建人工智慧深膚色影像關鍵技術研發平台，並攜手行業夥伴共同推進該細分領域的研究和應用，逐步完善技術創新體系。

2019年，傳音控股旗下影像研發團隊入選上海2019人工智慧創新發展專項支持，圍繞大數據基礎建設，全力構建面向「一帶一路」區域的億量級人工智慧深膚色影像數據服務平台。

2020年，傳音控股旗下影像研發團隊首次參加國際計算機視覺與模式識別會議舉辦的CVPR LIP國際競賽，憑借在深膚色圖像領域的演算法技術優勢和數據樣本積累優勢，獲得了深膚色人像分割賽道冠軍。
而在另一個國際權威組織—國際電信聯盟全會上，傳音主導提交的《移動終端計算攝影系統參考架構》提案也成功獲得立項，在移動終端計算攝影領域的工作成果獲得國際同行專家的認可，首創性地填補了行業標准空白。
在國內，傳音控股《面向一帶一路區域的深膚色影像人工智慧關鍵技術研發平台》項目也同樣獲得了專家評委的高度肯定，榮獲第十屆「吳文俊人工智慧科技進步獎」。

2021年，傳音主導提交的三項新的移動終端計算攝影國際標准提案全部正式獲ITU-T（國際電信聯盟）批准立項，持續推進該領域的標准化體系化建設。

目前，傳音在中國上海、深圳和重慶建立的自主研發中心共擁有研發人員1915人，聚焦手機產品硬體、軟體及移動互聯網開發方面，不斷加強專利儲備。同時在深膚色影像領域繼續深入研發，努力打造差異化產品競爭優勢。

E. 榮耀10系統

榮耀Play和榮耀10參數對比：
1、屏幕：榮耀Play採用6.3英寸大視野全面屏，解析度2340X1080像素，玩游戲視覺效果非常好；榮耀10屏幕尺寸是5.84英寸，解析度FHD+1080x2280像素，屏幕清晰，相比榮耀Play屏幕大一些。
2、攝像頭：榮耀Play前置攝像頭1600 萬像素，F2.0光圈，能准確識別人臉的多個特徵點，進行膚色和光感的調節；後置雙攝像頭，1600萬（上側）+200萬（下側）像素，F2.2+F2.4光圈，經過海量圖片和攝影師技巧的AI學習，能智能識別22類攝影對象，500+場景；榮耀10後置攝像頭1600萬（彩色）像素＋2400萬（黑白）像素，F/1.8光圈，支持自動對焦（深度對焦/相位對焦/反差對焦），前置攝像頭2400萬像素，F/2.0光圈，支持固定焦距，自拍更加細膩，喜歡拍照可以選擇榮耀10手機。
3、系統方面：榮耀Play採用EMUI 8.2（基於安卓8.1）操作系統，搭載麒麟970晶元八核 + 微智核i710納米旗艦處理器， 6GB大內存可選，輕松駕馭大型3D游戲，盡享高幀率暢爽體驗。神經網路處理器（NPU）的存在，讓復雜的AI演算法快速運行；榮耀10手機採用EMUI 8.1（基於安卓8.1系統），性能較高的麒麟970+八核處理器，多應用同時運行無壓力，游戲運行更流暢。
4、續航方面：榮耀Play採用3750mAh（典型值）高密度電池，續航更持久，重度用戶可使用1.5天。標配9V/2A充電器，支持快充（9V/2A）；榮耀10電池容量3400mAh（典型值），標配5V/4.5A充電器，兼容4.5V/5A充電，支持（超級快充5V/4.5A），系統優化，功耗更低，電池更耐用更持久，榮耀Play電池容量更大，榮耀10手機充電更快。
兩款手機都很不錯，可根據自己實際使用需求來選擇，建議登錄華為商城查看產品更多相關信息。

F. OPPO Find X3 Pro有哪些好玩的功能

哈嘍，大家好，我是服務菌~
色彩影像旗艦OPPO Find X3 Pro系列發布以來備受關注，作為十年理想之作帶來的不僅僅是領先的工藝技術，更有絕佳的使用體驗，那麼這些驚喜滿滿的功能要怎麼玩兒呢？服務菌這就給你翻譯翻譯什麼叫驚喜~

顯微鏡
影像領域除了超強的主攝和廣角，還帶來了超越想像力的黑科技——60倍放大倍率的顯微鏡，帶你探索平日里肉眼無法看到的新世界，衣服織物的纖維，沙粒的晶體甚至是屏幕的像素排列都能一覽無余。
操作方法：相機 > 更多 > 顯微鏡

AI調色大師
在小紅書和微博看到自己喜歡的照片，或者你有一個很喜歡的攝影師風格，但自己拍出來怎麼都沒有那個質感，有什麼方法可以提升照片的質感嗎？這時候OPPO的AI調色大師就派上用場了，拯救廢片神器，一秒復制大師質感，學習同樣的色彩風格，讓照片色彩風格突破濾鏡限制。
操作方法：相機 > 選中任意一張圖片> 編輯 > AI調色

AI場景色彩 - 情緒色彩
人都是情感動物，我們的所見會受到彼時彼地的情緒影響。影像能捕捉我們細膩的「情感現場」， AI場景色彩幫助影像拍出更有臨場感、氛圍感的場景。
以往更多根據主觀觀感進行調試，比如攝影師、調色師等，缺少堅實且明確的依據。OPPO與浙江大學羅明教授合作，成立浙江大學-OPPO聯合創新中心色彩實驗室，以科學的方法系統開展「記憶色工程」研究，建立人的感受和色彩之間的關系，為色彩表現找到一條科學的基準線。
在符合人眼真實的金線上，基於場景檢測和環境色溫等信息，結合AI人像分割，通過局部自適應對比度增強和3DLUT等手段強化包含膚色、藍天、夕陽、鮮花和綠植等場景的色彩。
操作方法：相機 > AI

大師濾鏡
姜文是個極具個人風格的導演，很多人喜歡姜文導演電影里的質感，OPPO為了讓Find X3系列用戶更易拍出極具質感的照片，與姜文導演聯手打造了兩款電影級別的大師濾鏡可以把導演自用的濾鏡用在自己的照片上獲得更好的色彩體驗和姜文導演聯手，打造了兩個電影濾鏡——姜文電影一號、姜文電影二號。
姜文電影一號是偏暖色調的濾鏡，充滿了溫暖、懷舊的色彩，比較像老照片的風格，適合拍人物照、生活照
姜文電影二號是黑白濾鏡，但這個黑白濾鏡卻有著非常飽滿的色彩感，成像極為細膩，在彩色的世界開拓出一片獨特的黑白視野，適合拍藝術照、風景照
操作方法：相機 > 濾鏡

色彩視覺增強-千人千屏
每個人的視覺特徵能力的不同，對色彩的感知程度也不同。即使同一張圖片，每個人看到的色彩也存在差異。OPPO尋找了上千人做了上千輪試驗，針對人眼對色彩感知弱的問題，進行屏幕專項調試，為用戶打造最適合自己的屏幕，最終實現了突破，讓色彩感知弱的人，也能在屏幕上分辨出不同的色彩！
操作方法：設置 > 顯示與亮度>屏幕色彩模式>色彩視覺增強>個性化色彩視覺增強

視頻超清增強
看視頻有些時候不得不遇到一些清晰度很低，畫面模糊的場景，比如說懷舊港片或者沒有視頻網站會員，「視頻超清增強「通過演算法優化，提供480P及以下視頻內容的清晰度優化（480P視頻畫質超清增強至近1080P效果），可以獲得更清晰的視頻內容，從而提升觀看體驗。目前已經支持相冊、騰訊視頻、愛奇藝、優酷、芒果TV、微博、B站，堪稱永久的免費視頻VIP。
操作方法：設置 > 顯示與亮度>視頻超清增強
除了以上介紹的功能點之外，其實還有非常多的驚喜等待你來探索，趕緊上手去試試吧~

G. 戲精的誕生：榮耀Play距離小米8還差著幾個華為

榮耀play非常不錯，產品參數如下：
1、外觀：榮耀play顏色有幻夜黑，極光藍，星雲紫三種時尚配色，屏幕採用6.3英寸大視野全面屏，解析度2340X1080像素，採用一體化金屬機身，觸感細膩，外觀設計的非常漂亮。
2、攝像：前置攝像頭1600 萬像素，F2.0光圈，能准確識別人臉的多個特徵點，進行膚色和光感的調節，發絲精細背景虛化，人像更突出；後置雙攝像頭，1600萬（上側）+200萬（下側）像素，F2.2+F2.4光圈，經過海量圖片和攝影師技巧的AI學習，能智能識別22類攝影對象，500+場景。適配圖像語義分割和分區調優AI技術，即使同一張照片，也能針對圖像中不同對象，分別自動進行專業參數調優。
3、系統：採用麒麟970晶元八核 + 微智核i710納米旗艦處理器， 6GB大內存可選，輕松駕馭大型3D游戲，盡享高幀率暢爽體驗。神經網路處理器（NPU）的存在，讓復雜的AI演算法快速運行。
4、續航：採用3750mAh（典型值）高密度電池，續航更持久，重度用戶可使用1.5天。標配9V/2A充電器，支持快充。
5、GPU Turbo技術：榮耀Play榮耀首款搭載GPU Turbo的手機，性能釋放，帶來持續穩定高幀率的游戲體驗，畫面平滑，不抖動，不拖影；暢爽不卡頓。
建議可以登陸華為商城查看產品更多相關信息。

H. 視頻檢索的智能視頻

智能視頻處理成為視頻監控的「救命稻草」
智能視頻源自計算機視覺技術，計算機視覺技術是人工智慧研究的分支之一，它能夠在圖像及圖像內容描述之間建立映射關系，從而使計算機能夠通過數字圖像處理和分析來有限理解視頻畫面中的內容。運用智能視頻分析技術，當系統發現符合某種規則的行為（如定向運動、越界、游盪、遺留等）發生時，自動向監控系統發出報警信號（如聲光報警），提示相關工作人員及時處理可疑事件。
智能視頻演算法的實現
目前，智能視頻技術實現對移動目標的實時檢測、識別、分類以及多目標跟蹤等功能的主要演算法分為以下五類：目標檢測、目標跟蹤、目標識別、行為分析、基於內容的視頻檢索和數據融合等。 目標檢測（Object Detection）是按一定時間間隔從視頻圖像中抽取像素，採用軟體技術來分析數字化的像素，將運動物體從視頻序列中分離出來。運動目標檢測技術是智能化分析的基礎。常用的目標檢測技術可以分為背景減除法（Background Subtraction）、時間差分法（Temporal Difference）和光流法（Optic Flow）三類。
背景減除法利用當前圖像與背景圖像的差分檢測運動區域。背景減除法假設視頻場景中有一個背景，而背景和前景並未給出嚴格定義，背景在實際使用中是變化的，所以背景建模是背景減除法中非常關鍵的一步。常用的背景建模方法有時間平均法、自適應更新法、高斯模型等。背景減除法能夠提供相對來說比較完全的運動目標特徵數據，但對於動態場景的變化，如光線照射情況、攝像機抖動和外來無關事件的干擾特別敏感。
時間差分法充分利用了視頻圖像的時域特徵，利用相鄰幀圖像的相減來提取出前景移動目標的信息。該方法對於動態環境具有較強的自適應性，不對場景做任何假設，但一般不能完全提取出所有相關的特徵像素點，在運動實體內部容易產生空洞現象，只能夠檢測到目標的邊緣。當運動目標停止時，一般時間差分法便失效。 光流法通過比較連續幀為每個圖像中的像素賦予一個運動矢量從而分割出運動物體。
光流法能夠在攝像機運動的情況下檢測出獨立的運動目標，然而光流法運算復雜度高並且對雜訊很敏感，所以在沒有專門硬體支持下很難用於實時視頻流檢測中。 目標跟蹤（Object Tracking）演算法根據不同的分類標准，有著以下兩種分類方法：根據目標跟蹤與目標檢測的時間關系分類和根據目標跟蹤的策略分類。 根據目標跟蹤與目標檢測的時間關系的分類有三種：
一是先檢測後跟蹤(Detect before Track)，先檢測每幀圖像上的目標，然後將前後兩幀圖像上目標進行匹配，從而達到跟蹤的目的。這種方法可以藉助很多圖像處理和數據處理的現有技術，但是檢測過程沒有充分利用跟蹤過程提供的信息。
二是先跟蹤後檢測(Track before Detect)，先對目標下一幀所在的位置及其狀態進行預測或假設，然後根據檢測結果來矯正預測值。這一思路面臨的難點是事先要知道目標的運動特性和規律。三是邊檢測邊跟蹤(Track while Detect)，圖像序列中目標的檢測和跟蹤相結合，檢測要利用跟蹤來提供處理的對象區域，跟蹤要利用檢測來提供目標狀態的觀察數據。
根據目標跟蹤的策略來分類，通常可分為3D方法和2D方法。相對3D方法而言，2D方法速度較快，但對於遮擋問題難以處理。基於運動估計的跟蹤是最常用的方法之一。 目標識別（Object Recognize）利用物體顏色、速度、形狀、尺寸等信息進行判別，區分人、交通工具和其他對象。目標識別常用人臉識別和車輛識別。
視頻人臉識別的通常分為四個步驟：人臉檢測、人臉跟蹤、特徵提取和比對。人臉檢測指在動態的場景與復雜的背景中判斷是否存在面像，並分離出這種面像。人臉跟蹤指對被檢測到的面貌進行動態目標跟蹤。常用方法有基於模型的方法、基於運動與模型相結合的方法、膚色模型法等。
人臉特徵提取方法歸納起來分為三類：第一類是基於邊緣、直線和曲線的基本方法；第二類是基於特徵模板的方法；第三類是考慮各種特徵之間幾何關系的結構匹配法。單一基於局部特徵的提取方法在處理閉眼、眼鏡和張嘴等情景時遇到困難，相對而言，基於整體特徵統計的方法對於圖像亮度和特徵形變的魯棒性更強。人臉比對是將抽取出的人臉特徵與面像庫中的特徵進行比對，並找出最佳的匹配對象。
車輛識別主要分為車牌照識別、車型識別和車輛顏色識別等，應用最廣泛和技術較成熟的是車牌照識別。 車牌照識別的步驟分別為：車牌定位、車牌字元分割、車牌字元特徵提取和車牌字元識別。
車牌定位是指從車牌圖像中找到車牌區域並把其分離出來。字元分割是將漢字、英文字母和數字字元從牌照中提取出來。車牌特徵提取的基本任務是從眾多特徵中找出最有效的特徵，常用的方法有逐像素特徵提取法、骨架特徵提取法、垂直水平方向數據統計特徵提取法、特徵點提取法和基於統計特徵的提取法。車牌字元識別可以使用貝葉斯分離器、支持向量機(SVM)和神經網路分類器(NNC)等演算法。 基於內容的圖像檢索技術是由用戶提交檢索樣本，系統根據樣本對象的底層物理特徵生成特徵集，然後在視頻庫中進行相似性匹配，得到檢索結果的過程。現有基於內容的檢索方法主要分為：基於顏色的檢索方法、基於形狀的檢索方法和基於紋理的檢索方法等。數據融合是將來自不同視頻源的數據進行整合，以獲得更豐富的數據分析結果。

I. 女人正常的三圍標準是多少

女生三圍標准指數是：

胸圍＝身高（厘米）×0.535

腰圍＝身高（厘米）×0.365

臀圍＝身高（厘米）×0.565。

實際計算得出的指數與標准指數±3厘米均屬標准

小於5厘米，說明過於苗條（偏瘦）

大於5厘米，說明過於豐滿（偏胖）

胸圍的測量方式：

身體直立，臉超正前方，身體的軟尺要和地面呈水平狀態，並緊貼所量部位，不要拉得太緊。量身的順序是先量胸圍，再量下胸圍，首先用雙手輕托乳房，使整個乳房處於穿著胸罩時的狀態，然後用軟尺量胸圍及胸下圍。

臀部要有一點兒上翹，前凸後翹，是評定美臀的重要條件。整個臀部的大小要均衡，必須與身體比例配合，不是大就好，太小當然也不合格。臀部必須緊實渾圓，走起路來不可晃動得太厲害。