poj2060Taxi Cab Scheme(二分图匹配)

本文介绍了一种基于有向图和匈牙利算法的出租车调度模型,该模型旨在解决多个连续预约如何利用最少数量的车辆完成的问题。通过对预约进行建图,并使用匈牙利算法求解最大匹配,最终确定所需的最少车辆数。
1 /*
 2    题意: 出租车 有一个出发的时间,从点(a, b)到点(c, d),时间为
 3    abs(a-c)+abs(b-d)! 一辆车可以在运完一个乘客后运另一个乘客, 
 4    条件是此车要在预约开始前一分钟之前到达出发地, 问最少需要几辆车
 5    搞定所有预约。
 6    
 7    思路:有向边进行建图,因为出发时间是升序的!
 8    t0: (a0, b0) ->(c0, d0)表示预约在t0时间出发从(a,b)到(c,d);//节点x 
 9    t1:  (a1, b1) ->(c1, d1)表示预约在t1时间出发从(a1,b1)到(c1,d1);//节点y 
10    
11    如果可能的话从t0时间出发的车到达目的地后,如果满足从(c,d)到(a1,b1)
12    也就是从第一个目的地到达下一个出发地的时间t2 + 1<=t1, 那么完全就不用
13    其他的车再来了!两次的预约都搞定了! 
14    如果满足的话,节点x 和 节点y建立一条有向边!
15    最后通过匈牙利算法搞定..... 
16 */
17 #include<iostream>
18 #include<cmath>
19 #include<cstdio>
20 #include<cstring>
21 #include<algorithm>
22 #include<vector>
23 #define M 505
24 using namespace std;
25 
26 struct point{
27    int x, y; 
28    point(){}
29    point(int x, int y){
30       this->x=x;
31       this->y=y;          
32    }
33    int operator -(point a)  {
34       return abs(x-a.x) + abs(y-a.y);
35    }
36 };
37 
38 struct node{
39        
40      int begin, end;
41      point s, d;    
42 };
43 
44 node nd[M];
45 vector<int>v[M];
46 int vis[M];
47 int link[M];
48 
49 int n;
50 
51 bool dfs(int cur){
52    int len=v[cur].size();
53    for(int i=0; i<len; ++i){
54        int u=v[cur][i];
55        if(vis[u]) continue;
56        vis[u]=1;
57        if(!link[u] || dfs(link[u])){
58           link[u]=cur;
59           return true;             
60        }
61    }     
62    return false;
63 }
64 
65 int main(){
66    int t;
67    scanf("%d", &t);
68    while(t--){
69        
70        scanf("%d", &n);
71        for(int i=1; i<=n; ++i){
72            int b, e, x1, y1, x2, y2;
73            scanf("%d:%d %d %d %d %d", &b, &e, &x1, &y1, &x2, &y2);
74            nd[i].begin=b*60+e;
75            nd[i].s=point(x1, y1);
76            nd[i].d=point(x2, y2);
77            nd[i].end=nd[i].begin+(nd[i].s-nd[i].d);
78        } 
79        for(int i=1; i<n; ++i)
80           for(int j=i+1; j<=n; ++j){
81              if(nd[j].begin>=nd[i].end+(nd[i].d-nd[j].s)+1)//如果能够满足条件爱你到达另一个出发地点,两个节点之间建立一条有向边 
82                 v[i].push_back(j);
83           }          
84        int ans=0;
85        memset(link, 0, sizeof(link));
86        for(int i=1; i<=n; ++i){
87           memset(vis, 0, sizeof(vis));
88           if(dfs(i))  ++ans;     
89        }
90        cout<<n-ans<<endl;
91        for(int i=1; i<=n; ++i)
92           v[i].clear();
93    }             
94    return 0;    
95 }









本文转自 小眼儿 博客园博客,原文链接:http://www.cnblogs.com/hujunzheng/p/3917850.html,如需转载请自行联系原作者
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