状态模式

State的定义: 不同的状态,不同的行为;或者说,每个状态有着相应的行为.
State模式在实际使用中比较多,适合"状态的切换".因为我们经常会使用If elseif else 进行状态切换, 如果针对状态的这样判断切换反复出现,我们就要联想到是否可以采取State模式了.
不只是根据状态,也有根据属性.如果某个对象的属性不同,对象的行为就不一样,这点在数据库系统中出现频率比较高,我们经常会在一个数据表的尾部,加上property属性含义的字段,用以标识记录中一些特殊性质的记录,这种属性的改变(切换)又是随时可能发生的,就有可能要使用State.
何时使用 State模式在实际使用中比较多,适合"状态的切换".
[img]http://peterji.iteye.com/upload/attachment/104291/835da863-b413-384e-b826-1e5a4fddeff4.jpg[/img]
这个我没有想到适合的实例,故用了cbf4life的代码:

package pattern.state;

public abstract class LiftState {
protected Context context;

public Context getContext() {
return context;
}

public void setContext(Context context) {
this.context = context;
}

public abstract void open();

public abstract void close();

public abstract void run();

public abstract void stop();

}


package pattern.state;

public class OpenState extends LiftState {

@Override
public void close() {
super.context.setLiftState(Context.closedgState);
super.context.close();
}

@Override
public void open() {
System.out.println("电梯门开启...");
}

@Override
public void run() {
// TODO Auto-generated method stub

}

@Override
public void stop() {
// TODO Auto-generated method stub

}

}



package pattern.state;

public class ClosedState extends LiftState {

@Override
public void close() {
System.out.println("电梯门关闭...");
}

@Override
public void open() {
super.context.setLiftState(Context.openState); //置为门敞状态
super.context.getLiftState().open();
}

@Override
public void run() {
super.context.setLiftState(Context.runState); //设置为运行状态;
super.context.getLiftState().run();
}

@Override
public void stop() {
super.context.setLiftState(Context.stopState); //设置为停止状态;
super.context.getLiftState().stop();

}

}



package pattern.state;

public class RunState extends LiftState {

@Override
public void close() {
// TODO Auto-generated method stub

}

@Override
public void open() {
// TODO Auto-generated method stub

}

@Override
public void run() {
System.out.println("电梯上下跑...");
}

@Override
public void stop() {
super.context.setLiftState(Context.stopState); //设置为停止状态;
super.context.getLiftState().stop();
}

}



package pattern.state;

public class StopState extends LiftState {

@Override
public void close() {

}

@Override
public void open() {
super.context.setLiftState(Context.openState);
super.context.getLiftState().open();
}

@Override
public void run() {
super.context.setLiftState(Context.runState);
super.context.getLiftState().run();
}

@Override
public void stop() {
System.out.println("电梯停止了...");
}

}



package pattern.state;

public class Context {
public final static OpenState openState = new OpenState();
public final static ClosedState closedgState = new ClosedState();
public final static RunState runState = new RunState();
public final static StopState stopState = new StopState();
private LiftState liftState;

public void setLiftState(LiftState liftState) {
this.liftState = liftState;
this.liftState.setContext(this);
}

public LiftState getLiftState() {
return liftState;
}

public void open() {
this.liftState.open();
}

public void close() {
this.liftState.close();
}

public void run() {
this.liftState.run();
}

public void stop() {
this.liftState.stop();
}

}


package pattern.state;

public class Test {
public static void main(String[] args) {
Context context = new Context();
context.setLiftState(new OpenState());
System.out.println("************************");
context.open();
System.out.println("************************");
context.close();
System.out.println("************************");
context.run();
System.out.println("************************");
context.stop();
}
}
一、数据采集层:多源人脸数据获取 该层负责从不同设备 / 渠道采集人脸原始数据,为后续模型训练与识别提供基础样本,核心功能包括: 1. 多设备适配采集 实时摄像头采集: 调用计算机内置摄像头(或外接 USB 摄像头),通过OpenCV的VideoCapture接口实时捕获视频流,支持手动触发 “拍照”(按指定快捷键如Space)或自动定时采集(如每 2 秒采集 1 张),采集时自动框选人脸区域(通过Haar级联分类器初步定位),确保样本聚焦人脸。 支持采集参数配置:可设置采集分辨率(如 640×480、1280×720)、图像格式(JPG/PNG)、单用户采集数量(如默认采集 20 张,确保样本多样性),采集过程中实时显示 “已采集数量 / 目标数量”,避免样本不足。 本地图像 / 视频导入: 支持批量导入本地人脸图像文件(支持 JPG、PNG、BMP 格式),自动过滤非图像文件;导入视频文件(MP4、AVI 格式)时,可按 “固定帧间隔”(如每 10 帧提取 1 张图像)或 “手动选择帧” 提取人脸样本,适用于无实时摄像头场景。 数据集对接: 支持接入公开人脸数据集(如 LFW、ORL),通过预设脚本自动读取数据集目录结构(按 “用户 ID - 样本图像” 分类),快速构建训练样本库,无需手动采集,降低系统开发与测试成本。 2. 采集过程辅助功能 人脸有效性校验:采集时通过OpenCV的Haar级联分类器(或MTCNN轻量级模型)实时检测图像中是否包含人脸,若未检测到人脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到人脸,请调整姿态”,避免无效样本存入。 样本标签管理:采集时需为每个样本绑定 “用户标签”(如姓名、ID 号),支持手动输入标签或从 Excel 名单批量导入标签(按 “标签 - 采集数量” 对应),采集完成后自动按 “标签 - 序号” 命名文件(如 “张三
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