Android-2活动生命周期

本文详细解析了活动生命周期的概念,包括活动的不同状态(运行、暂停、停止和销毁),以及生命周期中的关键方法(onCreate、onStart、onResume等)。还介绍了活动的启动模式,如standard、singleTop、singleTask和singleInstance,并探讨了它们的应用场景。

活动生命周期

活动是可以叠加的,其结构像是一个栈结构
back 或finish销毁一个活动的时候
将最上次的活动移除

活动的状态

运行状态:活动处于栈顶
暂停状态:活动不在栈顶的时候,但仍然可见
停止状态:不在栈顶,完全不可见,系统仍然保留相应的状态和成员变量
销毁状态:从栈中移除后

生命周期方法

onCreate 第一创建的时候调用,完成活动的初始化工作
onStart 不可见变为可见时调用
onResume 准备好和用户交互时调用,活动一定位于栈顶,且处于运行状态
onPause 系统启动或者恢复另一个活动时候调用,通常在这里释放消耗cpu的资源,
保存关键数据,执行速度会影响新的栈顶活动
onStop 活动不可见时调用
如果启动是一个对话框式的活动,不会调用调用该方法, 会调用onPause方法
onDestory 销毁之前调用
onRestart 停止变为运行时执行
这里写图片描述

onSaveInstanceState 活动收回之前一定会调用

活动的启动模式

android:launchMode ="" //来制定启动的模式

standard
活动默认启动模式
每次启动一个活动,就会将这个活动入栈,每次启动都会创建一个新的实例
这里写图片描述

singleTop
活动位于栈顶的时候不会创建新的实例,类似单例设计模式吧

singleTask
启动活动时,会先检查该活动是否存在于栈

singleInstance
启动一个新的返回栈来管理这个活动,用来共享该活动的实例

这里写图片描述

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
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