最近浏览记录

 项目中要使用到保存最近浏览的历史记录的需求,使用cookie做了一份,备用。

function writeCookie(obj, arylength) {
    var history = $.cookie("project_history");
//        $.cookie("project_history",null)
    var projectId = $("#" + $(obj).prev().attr("id")).val().toLowerCase();
    var projectName = $(obj).html().Trim();

    if (history != null && history != "undefined") {
        var newhistory = "";
        var sethistory = "";
        var strArray = history.split('|');

        //判断是否存在相同的ID,如果存在,则将点击的条目放到第一位,否则添加新纪录
        if (history.indexOf(projectId) == -1) {
            //判断数组长度是否小于显示条数
            if (strArray.length > arylength) {
                for (var i = arylength; i < strArray.length; i++) {
                    //清除多余的数据,从满足条数的后一条数据开始移除
                    strArray.splice(i);
                }
                //重新组合历史数据
                for (var m = 0; m < strArray.length; m++) {
                    sethistory = sethistory + strArray[m] + "|";
                }
                sethistory = sethistory.substring(0, sethistory.length - 1);
            }
            else {
                sethistory = history;
            }
            newhistory = projectId + "#" + projectName + "|" + sethistory;
        }
        else {
            //移除掉点击的项目
            var index = 0;
            for (var x = 0; x < strArray.length; x++) {
                var equalItem = projectId + "#" + projectName;
                if (equalItem == strArray[x]) {
                    strArray.splice(x);
                    break;
                }
            }
            //重新组合历史数据
            for (var m = 0; m < strArray.length; m++) {
                sethistory = sethistory + strArray[m] + "|";
            }
            sethistory = sethistory.substring(0, sethistory.length - 1);
            newhistory = projectId + "#" + projectName + "|" + sethistory;
        }
        $.cookie("project_history", newhistory);
    }
    else {
        $.cookie("project_history", projectId + "#" + projectName);
    }
}

function createHistoryList(url,container) {
    var str = new Array(); 
    var historyList = $.cookie("project_history");
    if (historyList != null && historyList != "undefined") {
        str = historyList.split('|');
        var trHtml = "";
        for (var i = 0; i < str.length; i++) {
            trHtml += "<tr><td><a href='" + url + str[i].split('#')[0] + "' target='_blank'>" + str[i].split('#')[1] + "</a></td></tr>";
        }
        var tableHtml = "<table class='grgz_tab001'>" + trHtml + "</table>";
        $("#" + container).html(tableHtml);
    }
}


 

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!
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