监视flash player在运行期间的性能表现

本文介绍了一个用AS3开发的性能监测工具FrameStats,该工具可以帮助开发者了解FlashPlayer在执行代码和渲染过程中的性能表现。FrameStats可以显示不同阶段的耗时,如构造代码、帧动作及最终用户代码等。
  我的想法就是在Flash Player运行期间简单的加入一个性能监测工具 方便我了解它的一些情况。FrameStats工具会帮助你判断Flash Player是正在执行代码 呢还是正在做渲染,抑或两者都在进行。
  这个工具是用纯粹的AS3来开发 的,用下面的代码加入到你的显示对象容器内(DisplayObject Container)。
  this.addChild( new FrameStats(this) );
  在Flex工程中,你可以将它放在UIComponent组件 中,因为这个组件类也是Sprite的子类
  protected function creationCompleteHandler():void {
  var componenent:UIComponent = new UIComponent();
  componenent.addChild( frameStats );
  frameStatsHolder.addElement( componenent );
  }
  
  
  图1
  这个工具会显示下面几个阶段:
  构造代码 构造显示容器的代码和显示器子类执行情况
  ??Constructor Code -构造显示对象容器和他的子类中要执行的代码。
  时间是 Event.ENTER_FRAME 和 Event.FRAME_CONSTRUCTED 事件 之间的耗时
  ??帧动作Frame Actions -对象容器和它的子对象中的代码被执行;
  时间是 Event.EXIT_FRAME 和 Event.FRAME_CONSTRUCTED事件之间的耗时
  ??最终用户代码 监听渲染事件的代码和改变显示对象的最后的时机。
  ??可显示的对象发生改变 播放器 渲染显示列表中的显示对象的变化,这些变化会在屏幕上表现出来。 所显示的时间是从最终的用户代码到下一次进入帧事件(enter frame event)的耗时。
  
  源代码:
  
  FrameStats.rar (3.7 KB)
  解释:
  FlashPlayer播放器是单线程的,它每一帧都会试着完全执行完编码和渲染需要的显示列表。直到FlashPlayer 10.1版本前都不曾有改变。这就意味着FP在每一个帧内都要完成代码执行和渲染两个任务。如果在单帧时间内完成不了,就会自动的改变帧速率使得每一帧时 间加长来完成这两个任务。也就意味着CPU和内存的高占用率和糟糕的用户体验。
  FlashPlayer 10.1版本正在解决此类问题。比如,10.1增加了自适应速率,如果两个任务都执行完会严重影响到帧速率。它会优先保障代码的执行而忽略掉渲染任务,从 而使得帧速率不会降到无法接受的地步。当10.1检测到背光进入到关闭状态时,它还会进入睡眠模式,这种模式下,渲染将暂停,帧速率降到4帧每秒(译者 注:节能但不失功能!)。10.1还会考虑执行优先权,比如如果加载 的swf 不需要显示在屏幕上(不呈现),它就会延后加载。另外,FP会自动暂停那些不可见的和不在屏幕最前面的swf(译者注:两个swf,其中一个被另一个挡住了,就是不在最前面)的回放。
本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值