《年终总结》——2015

  时间如白驹过隙,一晃在TGB又度过了一年,相比去年,自己确实成长了不少,回头看看自己走过的脚印,在优快云吐槽一下我的2015吧!

  先弄张卖萌的图片乐呵一下!


  一、先说一下自己的专业课吧!

  完成专业课的所有课程,完美的通过各科考试(鼓掌!!!!),完成教师资格证笔试,考完了面试,教师资格证面试成绩在大后天才出来,希望能过。

  在大四的上半学期,将毕业设计做完,在张老师和于老师的带领下,完成的四年大学生活中的最后一个艰巨任务,现在就差一个毕业证和一个学位证没有发了。在大学的生活里,我很荣幸能来到廊坊师范学院,我可以说这是我一生最难忘的母校,它给我带来了太多的过去,现在回头看看,我还差三个月就走完了,相比起我刚来这个学校的时候,自己成长了很多。

  二、TGB

  在TGB,我们通过了软件中级设计师考试,拿到了中级职称,还记得我和王泽,聚哥和叫兽他们,我们在北京住的60多块钱的宾馆,聚哥带着我们吃那些便宜的快餐,还有那地铁,那是我第一次做地铁啊。最终,在考场上,正常的发挥,通过了考试。经理过软考,好像是将我们两年的学习做了一个大大的总结,真正品味到了“出来混,总是要还的代价”。

  搬到万达来之后,在这里接收了ITOO4.1.0的开发,这是我接手的第一个大项目,而且还给我分配了基础的组长,在整个ITOO4.1的研发过程中,自己从中锻炼了不少,“享受了”当项目组长的滋味,还锻炼了自己的能力。现在向ITOO致敬。


  在基础系统中,我锻炼了很多,包括与别人的交流问题,学习知识,锻炼管理的能力,在刚开始接收的时候,自己对框架一点也不了解,于是自己看前辈遗留下来的资料,不断的向师哥师姐请教问题,于是自己对这个框架慢慢的熟悉了,从前台的EasyUI——>JS——>MVC——>WCF——>EF 几条线下来之后,自己对基础的增删改查代码熟悉了不少,但是自己缺乏代码量,这是一个严重的问题。

  在管理上,作为组长,一定要对自己的系统了如指掌,要知道整个系统的现在的状况以及未来将要发展成什么样子。我们要有自己的开发计划,这样才更给组员分配任务,设定期限,我们还要定期检查组员是否完成任务(三遍检查),第一遍是在任务开始的三分之一处,检查组员是否做了?如果做了,是否遇到了问题?第二遍是在任务的中期,其目的是检查遇到的问题解决了没有,如果解决了,解决方法是什么,如果没有解决,那就要求组长帮着组员了,如果组长再解决不了,我们继续向上一级反应,一级一级的反应问题......直到问题解决。第三遍检查目的是验收组员的成果,和组员讨论一下学习到的知识与锻炼到的经验。

  ITOO4.1.0结束之后,我们开始了组织部的考核项目,由于自己是后加进来的,对里面业务的需求,逻辑,以及数据库的设计问题都不了解,但是凭借着阿康和ITOO的框架的知识,我自己能敲通增删改查的四条线,在业务逻辑上,多问问以前组织部的老员工,就这样,我就在组织部开始了我的另外一个旅程。

     

  三、小结:

  在大学的生活中,我们不断的拼搏,不断的前进,其实一直都在路上,我们要感谢路上的磕磕碰碰,感谢路上的坎坎坷坷,不能因为路上“坑多”我们就不走路了,不能因为“路滑”,我们就放弃自己的目标,前进吧,我的兄弟姐妹们!!!!!

### 光流法C++源代码解析与应用 #### 光流法原理 光流法是一种在计算机视觉领域中用于追踪视频序列中运动物体的方法。它基于亮度不变性假设,即场景中的点在时间上保持相同的灰度值,从而通过分析连续帧之间的像素变化来估计运动方向和速度。在数学上,光流场可以表示为像素位置和时间的一阶导数,即Ex、Ey(空间梯度)和Et(时间梯度),它们共同构成光流方程的基础。 #### C++实现细节 在给定的C++源代码片段中,`calculate`函数负责计算光流场。该函数接收一个图像缓冲区`buf`作为输入,并初始化了几个关键变量:`Ex`、`Ey`和`Et`分别代表沿x轴、y轴和时间轴的像素强度变化;`gray1`和`gray2`用于存储当前帧和前一帧的平均灰度值;`u`则表示计算出的光流矢量大小。 #### 图像处理流程 1. **初始化和预处理**:`memset`函数被用来清零`opticalflow`数组,它将保存计算出的光流数据。同时,`output`数组被填充为白色,这通常用于可视化结果。 2. **灰度计算**:对每一像素点进行处理,计算其灰度值。这里采用的是RGB通道平均值的计算方法,将每个像素的R、G、B值相加后除以3,得到一个近似灰度值。此步骤确保了计算过程的鲁棒性和效率。 3. **光流向量计算**:通过比较当前帧和前一帧的灰度值,计算出每个像素点的Ex、Ey和Et值。这里值得注意的是,光流向量的大小`u`是通过`Et`除以`sqrt(Ex^2 + Ey^2)`得到的,再乘以10进行量化处理,以减少计算复杂度。 4. **结果存储与阈值处理**:计算出的光流值被存储在`opticalflow`数组中。如果`u`的绝对值超过10,则认为该点存在显著运动,因此在`output`数组中将对应位置标记为黑色,形成运动区域的可视化效果。 5. **状态更新**:通过`memcpy`函数将当前帧复制到`prevframe`中,为下一次迭代做准备。 #### 扩展应用:Lukas-Kanade算法 除了上述基础的光流计算外,代码还提到了Lukas-Kanade算法的应用。这是一种更高级的光流计算方法,能够提供更精确的运动估计。在`ImgOpticalFlow`函数中,通过调用`cvCalcOpticalFlowLK`函数实现了这一算法,该函数接受前一帧和当前帧的灰度图,以及窗口大小等参数,返回像素级别的光流场信息。 在实际应用中,光流法常用于目标跟踪、运动检测、视频压缩等领域。通过深入理解和优化光流算法,可以进一步提升视频分析的准确性和实时性能。 光流法及其C++实现是计算机视觉领域的一个重要组成部分,通过对连续帧间像素变化的精细分析,能够有效捕捉和理解动态场景中的运动信息
评论 47
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