0.99循环竟然=0!

证明0.99(9循环)=0

0.99(9循环)=0.999……(∞个“9”)

当我们在“0.”后面每写10个“9”,就随机擦去1个“9”,进行一次此操作后,得:“0.”后跟(10-1)个“9”,即9个“9”

经过∞次操作后,得:“0.”后跟∞(10-1)个“9”,即9∞个“9”,即∞个“9” 所以经过∞次此操作后的结果=0.99(9循环)

依次将0.99(9循环)中的“9”标上序号,即:

0. 9   9   9   9  9 ……

   ① ② ③ ④ ⑤ ……

一次操作后,①号“9”还存在的概率是:\frac{9}{10}

二次操作后,①号“9”还存在的概率是:\frac{9}{10}\times\frac{18}{19}

三次操作后,①号“9”还存在的概率是:\frac{9}{10}\times\frac{18}{19}\times\frac{27}{28}

以此类推,完成∞次操作结束后,①号“9”还存在的概率是: \frac{9}{10}\times\frac{18}{19}\times\frac{27}{28}\times……\times\frac{9n}{9n+1}(当n趋于∞时)

=\frac{1}{\frac{10}{9}\times \frac{19}{18}\times \frac{28}{27}\times......\times\frac{9n+1}{9n}}

=\frac{1}{(1+\frac{1}{9})\times(1+\frac{1}{18})\times(1+\frac{1}{27})\times......\times(1+\frac{1}{9n})}

\leq\frac{1}{\frac{1}{9}+\frac{1}{18}+\frac{1}{27}+......+\frac{1}{9n}}

=\frac{1}{\frac{1}{9}\times(1+\frac{1}{2}+\frac{1}{3}+......+\frac{1}{n})}

=9\times\frac{1}{1+\frac{1}{2}+\frac{1}{3}+......+\frac{1}{n}}

=0

即①号“9”还存在的概率是0,它有100%的概率在某一次被擦掉了

同样的算法,②号“9”,③号“9”,所有的“9“还存在的概率都是0

所以“0.”后跟着“9”的概率也是0

即结果为0

所以0.99(9循环)=0

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!
把这个计算标准差优化一下,先用集合对背景场作差,然后挑选出1,99%分位数的范围设为有效范围,然后对有效点计算标准差;然后,把那些无效点全部归为0;再往后进行标准化 subroutine normalize_local_ensemble(local_back, local_ensemble, & i_grid, j_grid, layer_std) use module_grid implicit none real, dimension(:,:,:) :: local_back real, dimension(:,:,:,:) :: local_ensemble integer, intent(in) :: i_grid, j_grid real, dimension(:) :: layer_std real :: std_temp integer :: i, j, k, member, istart, iend, jstart, jend, kstart, kend real :: local_number_of_points, vensemble, vback, delta_en_ba istart = 1 iend = 2*local_radius+1 jstart = 1 jend = 2*local_radius+1 kstart = 1 kend = kme-kms+1 ! 为每个垂直层计算标准差 ! do k = kstart, kend ! layer_std(k) = 0.0 ! end do layer_std = 0.0 ! print*, 'x from', istart, 'to', iend ! print*, 'y from', jstart, 'to', jend ! 计算每个垂直层的标准差 ! write(*, '(A,I3,A,I3)') 'Calculating standard deviation for grid point:', i_grid, ' ', j_grid ! allocate(layer_count(kms:kme)) ! do k = kstart, kend ! layer_count(k) = 0.0 ! end do ! 向量化计算标准差 - 严格按循环顺序:i-k-j-member do i = istart, iend do k = kstart, kend do j = jstart, jend do member = 1, nsample vensemble = local_ensemble(i, k, j, member) vback = local_back(i, k, j) ! print*, 'ijk=', i, j, k, ' member=', member, & ! ' vensemble=', vensemble, ' vback=', vback delta_en_ba = vensemble - vback ! if (abs(delta_en_ba) > 30.0) then ! print*, vback, ' vback' ! print*, vensemble, ' vensemble' ! end if ! if (vensemble >= vmin .and. vensemble <= vmax .and. vback >= vmin .and. vback <= vmax) then layer_std(k) = layer_std(k) + delta_en_ba**2 ! layer_count(k) = layer_count(k) + 1.0 ! end if end do end do end do end do local_number_of_points = real((2*local_radius+1) * (2*local_radius+1) * nsample) do k = kstart, kend ! 计算标准差 layer_std(k) = sqrt(layer_std(k) / local_number_of_points) ! if (layer_count(k) > 0) then ! layer_std(k) = sqrt(layer_std(k) / layer_count(k)) ! else ! layer_std(k) = 0.0 ! end if ! 避免除零 ! if (layer_std(k) < 1.0e-10) then ! layer_std(k) = 1.0 ! end if ! print*, 'k=', k, ' layer_std(k)=', layer_std(k) ! write(*, '(A,I3,A,F10.4,A)') 'Ratio of valid points for layer', k, ':', 100*layer_count(k) / local_number_of_points,'%' end do ! deallocate(layer_count) ! 对集合预报进行标准化 ! write(*, '(A,I3,A,I3)') 'Normalizing ensemble members at grid point:', i_grid, ' ', j_grid do member = 1, nsample local_ensemble(istart:iend, kstart:kend, jstart:jend, member) = & local_ensemble(istart:iend, kstart:kend, jstart:jend, member) - & local_back(istart:iend, kstart:kend, jstart:jend) end do do k = kstart, kend do member = 1, nsample if (layer_std(k) == 0.0) then std_temp = 1.0 ! 避免除零 else std_temp = layer_std(k) end if local_ensemble(istart:iend, k, jstart:jend, member) = & local_ensemble(istart:iend, k, jstart:jend, member) / std_temp end do end do end subroutine normalize_local_ensemble
07-10
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