hdu 5374 Tetris(模拟)

HDU5374 Tetris 游戏模拟解析

题目链接:hdu 5374 Tetris


模拟。每次进行操作时推断操作是否合法,合法才运行,否则跳过。每次一个token落地,推断一下是否有消除整行。


#include <cstdio>
#include <cstring>
#include <algorithm>

using namespace std;

/******* Token **********/
const int C[3] = {1, 2, 4};
const int T[3][4][4][2] = {
	{{{0, 0}, {0, 1}, {1, 0}, {1, 1}}, {}, {}, {}}, 
	{{{0, 0}, {0, 1}, {0, 2}, {0, 3}}, {{0, 0}, {1, 0}, {2, 0}, {3, 0}}, {}, {}},
	{{{0, 0}, {0, 1}, {1, 0}, {2, 0}}, {{0, 0}, {0, 1}, {0, 2}, {1, 2}}, {{0, 1}, {1, 1}, {2, 0}, {2, 1}}, {{0, 0}, {1, 0}, {1, 1}, {1, 2}}}
};

void put (const int a[4][2]) {
	int g[4][4];
	memset(g, 0, sizeof(g));

	for (int i = 0; i < 4; i++)
		g[a[i][0]][a[i][1]] = 1;

	for (int i = 3; i >= 0; i--) {
		for (int j = 0; j < 4; j++)
			printf("%c", g[j][i] ?

'#' : '.'); printf("\n"); } printf("\n"); } /************************/ const int maxn = 1005; int N, M, P, B[maxn], G[15][15]; char order[maxn]; bool judge (int x, int y, const int t[4][2]) { for (int i = 0; i < 4; i++) { int p = x + t[i][0]; int q = y + t[i][1]; if (G[p][q]) return false; } return true; } void tag (int x, int y, const int t[4][2]) { for (int i = 0; i < 4; i++) { int p = x + t[i][0]; int q = y + t[i][1]; G[p][q] = 1; } } void play(int t) { int x = 4, y = 9, c = 0; while (P < M) { if (order[P] == 'w') { if (judge(x, y, T[t][(c + 1) % C[t]])) c = (c + 1) % C[t]; } else if (order[P] == 'a') { if (judge(x - 1, y, T[t][c])) x = x - 1; } else if (order[P] == 's') { if (judge(x, y - 1, T[t][c])) y = y - 1; } else if (order[P] == 'd') { if (judge(x + 1, y, T[t][c])) x = x + 1; } P++; if (!judge(x, y - 1, T[t][c])) break; y = y - 1; } tag(x, y, T[t][c]); } int remove () { int ret = 0; for (int j = 1; j <= 9; j++) { bool flag = true; for (int i = 1; i <= 9; i++) { if (G[i][j] == 0) { flag = false; break; } } if (flag) { ret++; for (int x = j; x < 12; x++) { for (int i = 1; i <= 9; i++) G[i][x] = G[i][x+1]; } j--; } } return ret; } int solve () { scanf("%d%s", &N, order); P = 0; M = strlen(order); memset(G, 0, sizeof(G)); for (int i = 0; i < 15; i++) G[i][0] = G[0][i] = G[10][i] = -1; int ret = 0, t; for (int i = 1; i <= N; i++) { scanf("%d", &t); play(t); ret += remove(); } return ret; } int main () { int cas; scanf("%d", &cas); for (int kcas = 1; kcas <= cas; kcas++) { printf("Case %d: %d\n", kcas, solve ()); } return 0; }



转载于:https://www.cnblogs.com/wzzkaifa/p/6805240.html

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