基于改进的ASM和AAM的面部特征定位算法
RAC(ASM)到单机OGG配置案例
RAC(ASM)到单机OGG配置案例 环境说明： 源端DB： 操作系统：AIX 7100-02-07-1524 数据库：oracle_11.2.0.1.0 RAC goldengate：for_11g_ppc 目标端DB： 操作系统：windows 7 数据库：oracle_11.2.0.1.0 goldengate：for_11g_x86 注意： 本实验是模拟在不同平台同版本上面安装和配置OGG，并实现简单的DML复制，至于复杂的其他方面希望大家能自己多多实验。 作者： 姓名：ZhangQY QQ：5056357 配置步骤： 1、 检查源端和目标端正确的IP解析： 源端： # cat /etc/hosts # 10.2.0.2 x25sample # x.25 name/address # 2000:1:1:1:209:6bff:feee:2b7f ipv6sample # ipv6 name/address 127.0.0.1 loopback localhost # loopback (lo0) name/address ::1 loopback localhost # IPv6 loopback (lo0) name/address 172.16.16.101 zqdb 192.169.79.11 zqdb 172.16.16.165 oradg 192.169.79.12 oradg 172.16.16.166 gc1-scan.zqdb 172.16.16.168 zqdb-vip
172.16.16.169 oradg-vip 目标端： C:\Windows\System32\drivers\etc\hosts 无特殊配置 2、 设置LIBPATH，为了安装OGG所用的动态链接库。如果没有配置这个路径的话，在安装OGG的过程中会报找不到动态链接库的错误，用户可以自己尝试一下。 源端： # su - oracle zqdb:/home/oracle>$vi .profile ".profile" 25 lines, 756 characters PATH=/usr/bin:/etc:/usr/sbin:/usr/ucb:$HOME/bin:/usr/bin/X11:/sbin:. export PATH if [ -s "$MAIL" ] # This is at Shell startup. In normal then echo "$MAILMSG" # operation, the Shell checks fi # periodically. OGG_HOME=/oracle/ogg/12.1.2 ORACLE_BASE=/oracle/ora11g ORACLE_HOME=/oracle/ora11g/product/11g ORACLE_SID=ora11g1 export ORACLE_BASE ORACLE_HOME ORACLE_SID ORA_NLS33=$ORACLE_HOME/ocommon/nls/admin/data NLS_LANG=AMERICAN_AMERICA.ZHS16GBK LD_LIBRARY_PATH=$ORACLE_HOME/lib:/usr/lib:/lib export ORA_NLS33 NLS_LANG LD_LIBRARY_PATH PATH=$PATH:$ORACLE_HOME/bin:$OGG_HOME export PATH LIBPATH=$ORACLE_HOME/lib32:$ORACLE_HOME/lib export LIBPATH export DISPLAY=172.17.2.203:0.0 export PS1="`hostname`":'$PWD>$' 目标端： 无特殊配置
26TDOA定位的Chan算法MATLAB源代码
TDOA定位的Chan算法MATLAB源代码Chan算法是解决TDOA定位的经典算法，被众多的论文所引用。 function [POS_ref,POS1,POS2,POS3,POS4] = TDOA_chan(R,Pbs,Q) %% TDOA定位定位Chan算法 % GreenSim团队——专业级算法设计&代写程序 % 欢迎访问GreenSim团队主页→https://www.360docs.net/doc/666933589.html,/greensim %********************************************************* % CHAN算法,假设移动台与各基站位置较近,需进行三四WLS计算 % 输入参数: % R(N-1×1): TDOA测量值 % Pbs(N×2): 基站的坐标,第一列为X,第二列为Y;参考基站坐标位于第一行% 输出参数: % POS_ref(2X1):第一次WLS的估计结果,作为参考作最终定位结果的判决% POS1(2X1) :定位结果1 % POS2(2X1) :定位结果2 % POS3(2X1) :定位结果3 % POS4(2X1) :定位结果4 %这段程序用于自己产生算法输入参数,用于算法测试 % delta = 10; %TDOA测量误差的标准差,用于产生Q矩阵 % M=4; %参考基站外的基站数量 % Xb = 20;Yb = 100; %参考的基站坐标 % X = zeros(M,2); % a = 2*pi/M; % for i=1:M %生成其他基站的坐标 % X(i,1) = 400*cos(a*(i-1)); % X(i,2) = 400*sin(a*(i-1)); % end % Xreal = -150;Yreal = 200;%移动台真实坐标 % %产生TDOA测量结果 % Rb = sqrt((Xreal - Xb)^2+(Yreal - Yb)^2);%移动台到基站的真实距离 % N = normrnd(0,delta,1,M);%产生TDOA测量误差 % Kb = Xb^2+Yb^2; % R = zeros(M,1); % for i=1:M %产生TDOA测量值 % R(i) = -Rb+sqrt((Xreal - X(i,1))^2+(Yreal - X(i,2))^2)+N(i); % end % Q = (0.5*eye(M)+0.5*ones(M))*(delta^2); % Pbs = [Xb Yb;X]; % N = 5; % [POS_ref POS1 POS2 POS3 POS4] = TDOA_chan(R,Pbs,Q) N = size(Pbs,1);
ASM实例创建及oracle实例的创建
手工建库 一．安装cssd（cluster synchronization service）服务 1.#Rmp -ivh oracleasm-support- 2.1.3-1.el5.i386.rmp 2.#Rmp -ivh oracleasm-2.6.18-194.el5-2.0.5-1.el5.i386.rmp 3.#Rmp -ivh oracleasmlib-2.0.4-1.el5.i386.rmp 在安装上面的软件时要注意顺序 二．配置ASM 1.#service Oracleasm configure Default user to own the driver interface [oracle]: oracle Default group to own the driver interface [oinstall]: oinstall Start Oracle ASM library driver on boot (y/n) [y]: y Scan for Oracle ASM disks on boot (y/n) [y]: y Writing Oracle ASM library driver configuration: done Initializing the Oracle ASMLib driver : [OK] Scanning the system for Oracle ASMLib disks: [OK] 2.创建ASM磁盘 （1）首先对硬盘进行分区fdisk /dev/sd* （2）创建ASM磁盘service oracleasm createdisk VOL1 /dev/sd* service oracleasm createdisk VOL2 /dev/sd* service oracleasm createdisk VOL3 /dev/sd*
差分演进算法TDOA定位
摘要 无线定位服务是一种有着广阔市场前景的移动增值业务，基本原理是利用现有蜂窝网络，通过对各种位置特征参数，包括到达时间(TOA)、到达时间差(TDOA)、到达方向(DOA)的测量和估计，来实现移动用户的定位。本论文对无线通信网络中基于TDOA的无线定位技术进行了研究。 本文分析了国内外相关研究现状，给出了移动台定位的几种基本方法，并给出了TDOA定位的双曲线数学模型，分析了基于TDOA定位的Chan算法、遗传算法(GA)和差分演进算法(DE)，并对其进行了计算机仿真。仿真结果表明，三种算法各有优缺点：Chan算法定位精度较低但运算速度很快，GA算法和DE算法定位精度高但收敛时间较长。 在上述研究的基础上，本论文提出了三种新的定位算法：基于TDOA的Chan-GA算法、Chan-DE算法和Chan-IDE算法。并在相同的仿真环境下进行比较，仿真结果表明，在保证种群数量的情况下，所提的算法性能稳定，能找到逼近全局最优点的解，相对于Chan算法精度更高,相对于以前的算法在保证收敛性能的前提下有更快的收敛速度。 关键词：移动台定位；到达时间差；遗传算法；差分演进算法；免疫算法
ABSTRACT Cellular wireless location service is a new mobile value-added service with a good market future. Its basic principle is to implement mobile user location through estimating characteristic parameters relative to position, including time-of-arrival (TOA), time-difference-of-arrival (TDOA), direction-of-arrival (DOA), etc. This thesis aims at the research of wireless location technology based on time-related measurements in Wireless Communication System. The thesis analyzes the domestic and foreign correlation research of present situation, and gives several essential methods of mobile location. After that, the mathematical model of TDOA hyperbolic equations is established, three location algorithms based on time-difference-of-arrival (TDOA), Chan, genetic algorithm and Differential Evolution are analyzed, and have been carried on the simulation to them. The simulation results show that all the algorithms have the advantages and disadvantages.The Chan algorithm has bad location accuracy and very quick operating speed. To the contrary, the genetic algorithm and Differential Evolution have a high accuracy and a fast convergence time. Based on the above investigation, three new location algorithms called Chan-GA algorithm, Chan-DE algorithm and Chan-IDE algorithm based on TDOA measurements are put forward. Carrying on the computer simulation to them under the same environment, the simulation results show that if the population size is big enough, the algorithm is robust and can find the coordinates. It has a higher accuracy than Chan algorithms and a faster convergence time than genetic algorithm. Key words: Mobile location; TDOA; Genetic algorithm; Differential Evolution; Immune algorithm
超全的最新的人脸识别特征点定位方法
1.2 人脸特征点定位方法综述 目前为止，国内外学者们已经提出了人脸特征点定位的方法[3]，依据定位所需要的基本信息的类型，人脸特征点定位的方法可以大致分为以下六类：(1)灰度信息的方法；(2)先验规则的方法；(3)几何形状的方法；(4)统计模型的方法；(5)小波的方法；(6)3D 方法。 1.2.1 基于灰度信息的方法 几何投影法：几何投影方法是利用人脸特征灰度与其他部分的差异，先统计出不同方向上的灰度值和，根据和的变化找出特定的变化点，然后利用投影灰度值基于统计的方法将不同方向上的变化点位置相结合，找到人脸特征点的位置。投影的方法计算量较低，但当姿态变化较大或者背景较复杂时容易失效。 谷分析：图像中亮度比周围像点暗的区域就称作谷，通过亮度比较的方法，就可以对人脸的各个关键部位如眼睛、眉毛、鼻子、嘴巴等相对较暗的区域进行定位。虽然其受光照影响比较大，但考虑到计算量低的优势也在定位方法中常见。 1.2.1 先验规则的方法 根据人脸特征的一般特点总结出一些经验规则就称作基于先验规则的方法。人脸图像有一些明显的基本特征，比如人脸的长度比例，满足“三庭五眼” ，脸部区域的双眼、鼻子和嘴巴等脸部特征处的亮度一般低于其周边区域；两眼间的对称以及眼睛与鼻子的三角分布规律，都是人脸识别的重要根据。此方法虽然简单，但是远远不能满足复杂的人脸结构的正确定位，于是该方法一般只用于粗定位，精定位还要结合其他的方法来实现。 镶嵌图法：我们可以用一组相同大小的方格去划分图像，每个方格的灰度取格中各像素灰度的均值，根据一定的规则确定哪些可能是人脸的方格区域，将确定的可能存在人脸的方格的变长减半，重新构建镶嵌图，重复第一步的工作，找到眼睛，鼻子，嘴巴等脸部特征所在的位置，然后对这两次得到的脸部区域二值化，利用边缘检测最终精确定位各个特征的位置。
TDOA定位的Chan算法MATLAB源代码
TDOA定位的Chan算法MATLAB源代码。 function [POS_ref,POS1,POS2,POS3,POS4] = TDOA_chan(R,Pbs,Q) %********************************************************* % CHAN算法,假设移动台与各基站位置较近,需进行三四WLS计算 % 输入参数: % R(N-1×1): TDOA测量值 % Pbs(N×2): 基站的坐标,第一列为X,第二列为Y;参考基站坐标位于第一行% 输出参数: % POS_ref(2X1):第一次WLS的估计结果,作为参考作最终定位结果的判决 % POS1(2X1) :定位结果1 % POS2(2X1) :定位结果2 % POS3(2X1) :定位结果3 % POS4(2X1) :定位结果4 %这段程序用于自己产生算法输入参数,用于算法测试 % delta = 10; %TDOA测量误差的标准差,用于产生Q矩阵 % M=4; %参考基站外的基站数量 % Xb = 20;Yb = 100; %参考的基站坐标 % X = zeros(M,2);%M行2列0 % a = 2*pi/M; % for i=1:M %生成其他基站的坐标 % X(i,1) = 400*cos(a*(i-1)); % X(i,2) = 400*sin(a*(i-1)); % end % Xreal = -150;Yreal = 200;%移动台真实坐标 % %产生TDOA测量结果 % Rb = sqrt((Xreal - Xb)^2+(Yreal - Yb)^2);%移动台到基站的真实距离 % N = normrnd(0,delta,1,M);%产生TDOA测量误差正态分布均值0 标准差delta 返回一个N数组，下标为1 到M % Kb = Xb^2+Yb^2; % R = zeros(M,1); % for i=1:M %产生TDOA测量值 % R(i) = -Rb+sqrt((Xreal - X(i,1))^2+(Yreal - X(i,2))^2)+N(i); % end % Q = (0.5*eye(M)+0.5*ones(M))*(delta^2); % Pbs = [Xb Yb;X];%矩阵 % N = 5; % [POS_ref POS1 POS2 POS3 POS4] = TDOA_chan(R,Pbs,Q) N = size(Pbs,1);%维度 K = zeros(1,N); K = Pbs(:,1).^2 + Pbs(:,2).^2; ha = 0.5*(R.^2-K(2:N)+K(1)) Ga = -[Pbs(2:N,1)-Pbs(1,1) Pbs(2:N,2)-Pbs(1,2) R]
ASM下的存储更换迁移方案
ASM是10g版本后oracle大力推荐的一种数据文件存储方式,也是以后的一个重点方向.尽管现在asm在稳定性和一些操作上还存在不少问题，但已经有越来越多的企业把核心系统部署架构到上面. 本文重点不在于探讨ASM的优劣问题，爱青菜与爱白菜的人总有自己的理由支持自己的喜好. 朋友有套系统需要更换存储，数据库文件部署在asm上，需要尽量短的停机时间完成此次存储更换。由于不涉及异构的迁移转换，迁移起来也不难，无需借助三方的工具来完成这次高可用切换.当然，ASM下的一些特性也为我们做迁移提供了更多的选择方案. 针对该环境，列几种选择方案(以下操作都在新存储已挂载在主机上的情况下). 1.利用ASM的热添加和删除磁盘的方式完成存储迁移. 该方案充分发挥了asm管理磁盘数据的能力. 简要步骤: (1).划分raw或者asm disk，并检查或更改asm参数,例如asm_disktring，使得新存储的asm disk对ASM实例可识别 (2).将新存储disk添加到现有的asm diskgroup中. SQL>alter diskgroup < asm_group_name > add disk '< asm_disk_path >'; (3).删除旧存储对应的asm disk SQL>alter diskgroup < asm_group_name > drop disk < asm_disk_name >; 注意:以上2步，通过观察v$asm_operation视图来判断数据重组的进度，注意删除disk的时候，确保整个diskgroup有足够的空间。如果asm disk比较多，可以一个一个的分步执行减缓系统压力.有点可惜的是，在10g版本中，oracle 不支持asm diskgroup冗余类型的转换, 也没有直接提供删除failgroup的方法，否则以添加镜像failgroup的方式来完成这次数据迁移，个人觉得有更强的可控性和更低的风险. 优缺点: 该方案可以实现迁移过程中系统的零停机，但整个操作进度不可控，数据重组过程中我们无法把握进度和风险，如果你对ASM产品足够信任，该方案不失一用 2.利用Switch copy的方式完成存储迁移 Switch copy并不是只能在ASM下才能用，但asm对数据文件的管理使得switch copy变得异常简单，免去了手工输入大量脚本的工作。 简要步骤: (1).在新存储上创建新的diskgroup
人脸特征的定位和提取
人脸特征的定位和提取 摘要：综述了人脸识别的现状。基于几何特征的识别方法，根据人脸图象的灰度特性用投影图和特征描述相匹配的算法初步确定了人脸各部分的位置。然后利用投影法和模板匹配法准确地确定了瞳孔的位置及其它面部特征。实验表明该方法准确率高，运行速度快。关键词：特征定位特征提取类间方差判断分析法模板匹配 人脸识别的研究近几年受到普遍重视，它与指纹识别、视网膜识别等同属于生物特征识别技术范畴。在公安(犯罪识别等)、安全验证系统、医学、视频会议、交通量控制等方面有着巨大的应用前景，因而成为当前模式识别和人工智能领域的一个研究热点。虽然人类能毫不费力地识别出人脸及表情，但人脸的自动机器识别却是一个难度极大的课题。人脸识别的研究已有20多年的历史，最早它和指纹识别一道作为识别罪犯身份的手段。但人脸的结构比指纹要复杂得多，并且受很多因素的干扰：人脸表情的多样性、成象过程的光照、图像的尺寸、旋转及姿势的变化等。即使同一个人，在不同的环境下拍摄得到的人脸图像也可能不同。所以至今人脸识别尚未能取得象指纹识别那样令人满意的结果。还没有通用成熟的人脸自动识别系统出现。1 人脸识别的理论研究及发展现状人脸识别的输入图象通常有正面、倾斜和侧面三种，由于实际情况的要求，对人脸正面模式的研究最多，它的发展可分为三个阶段。第一阶段以Bertillon、Allen 和 Parke 为代表，主要研究人脸识别所需的面部特征。这一阶段工作的特点是识别过程全部依赖于操作人员。第二阶段是人机交互识别阶段。代表有Goldstion、Harmon 和Lesk。他们用几何特征参数来表示人脸正面图象。采用21维特征矢量表示人脸特征，并设计了基于特征表示法的识别系统。第三个阶段是向实用化发展的自动识别阶段。随着高速度高性能计算机的发展，人脸模式的识别方法有了较大改进。目前国内外研究用于人脸识别的方法层出不穷。但根据人脸表征方式的不同，总体上可分为以下三种：基于几何特征的识别方法、基于代数特征的识别方法和基于连接机制的识别方法。 (1)基于几何特征的人脸正面图象识别方法，将人脸用一组几何特征矢量表示，用模式识别中层次聚类的思想设计分类器达到识别的目的。这要求选取的几何特征矢量有一定的独特性，能够消除时间跨度和光照的影响。几何特征矢量是以人脸器官的形状和几何关系为基础的特征矢量，Govindaraju等首先利用模板技术成功地检测出报刊图片的人脸轮廓，Huang 和Chen 利用动态模板技术检测出人脸的各种面部特征。(2)基于代数特征的人脸正面自动识别方法，将人脸用代数特征矢量来表示。代数特征是由Hong等首先提出的,由图象本身的灰度分布确定的，它描述了图象的内在信息，它是通过对图象灰度进行各种代数变换和矩阵分解提取出的。杨静宇等对代数特征的提取进行了较深入地研究。这种方法将人脸看作一个二维的灰度变化的模板，从整体上捕捉和描述人脸的特征，所运用的主要是一些标准的数理统计的技巧，运算比较复杂。(3)基于连接机制的人脸正面自动识别方法，将人脸直接用灰度图(二维矩阵)表征，利用了神经网络的学习能力及分类能力。这种方法的优势在于保存了人脸图象的材质信息和形状信息，同时避免了较为复杂的特征提取工作。但是普遍存在的问题是识别准确率低，过程复杂。本文从构造实际应用系统的角度，采用基于几何特征的识别方法。具体过程是先根据人脸图象的灰度特性用投影图和特征描述相匹配的方法确定人脸各部分的位置。然后利用投影法和模板匹配方法定位了瞳孔的位置，较准确的提取出眼睛的特征。2 算法描述特征选取应保证最有代表性、信息量大、冗余量小，而且要求在一定的干扰下，也能保持一定的不变性和适应性。基于这种要求，借鉴前人研究成果，融合本文的实验，将眉眼距、眼鼻距、眼嘴巴距、嘴巴下巴距、两内眦距、鼻孔距、嘴巴长度、眼睛处的脸颊宽度、鼻子处的脸颊宽度及嘴巴处的脸颊宽度作为人脸识别的主要特征，并且将这10个特征分别与瞳孔距之比形成的特征矢量存入数据库中。对这些特征矢量作矢量归一化处理后，可以有效的避免头部偏转引起的偏差。2.1 预处理与特征定位实验采用400×600×8bit的灰度图
ASM磁盘基本管理与维护
ASM（自动存储管理）是一个专门为Oracle数据库服务的数据文件存储机制，通过ASM管理数据文件，DBA不用再担心I/O性能问题，也不需要知道文件的名称，同时ASM也提供了文件系统到卷管理器的集成，下面依次介绍。 一、ASM的特点 （1）自动调整I/O负载 ASM可以在所有可用的磁盘中自动调整I/O负载，不但避免了人工调整I/O的难度，而且也优化了性能，同时，利用ASM可以在线增加数据库的大小，而无需关闭数据库。 （2）条带化存储 ASM将文件分为多个分配单元（Allocation Units，AU）进行存储，并在所有磁盘间平均分配每个文件的AU。 （3）在线自动负载均衡 当共享存储设备有变化时，ASM中的数据会自动均匀分配到现有存储设备中。同时，还可以调节数据的负载均衡速度。 （4）自动管理数据库文件 在ASM存储管理中，Oracle数据文件是ASM自动管理的。ASM创建的任何文件一旦不再需要，就会被自动删除。但是，ASM不管理二进制文件、跟踪文件、预警日志和口令文件。（5）数据冗余 ASM通过磁盘组镜像可以实现数据冗余，不需要第三方工具。 （6）支持各种Oracle数据文件 ASM存储支持Oracle数据文件、日志文件、控制文件、归档日志、RMAN备份集等。 二、ASM的体系结构与后台进程 图1显示了ASM的物理构成。
从图1可以看出，在顶层是ASM磁盘组，ASM实例和数据库实例可以直接访问这些磁盘组；然后是ASM文件，每个ASM文件只能包含在一个磁盘组中，不过，一个磁盘组中可以包含属于多个数据库的多个ASM文件，并且单个数据库可以使用来自多个磁盘组的存储空间；第三部分是ASM磁盘，多个ASM磁盘组成了ASM磁盘组，但每个ASM磁盘只能属于一个磁盘组；接着是AU（分配单元），AU是ASM磁盘组分配的最小连续磁盘空间，ASM 磁盘按照AU进行分区，每个AU的大小为1MB；这个结构的底层是Oracle数据块，由于AU是ASM分配的最小连续磁盘空间，因此，ASM是不允许跨分配单元拆分一个Oracle数据块的。 要使用ASM，需要在启动数据库实例之前，先启动一个名为“+ASM”的实例，ASM实例不会装载数据库，启动它的目的是为了管理磁盘组和保护其中的数据。同时，ASM实例还可以向数据库实例传递有关文件布局的信息。通过这种方式，数据库实例就可以直接访问磁盘组中存储的文件。图2显示了ASM的一般体系结构。 从图2可以看出，ASM实例与数据库实例进行通信的桥梁是ASMB进程，此进程运行在每个数据库实例上，是两个实例间信息交换的通道。ASMB进程先利用磁盘组名称通过CSS 获得管理该磁盘组的ASM实例连接串，然后建立一个到ASM的持久连接，这样两个实例之间就可以通过这条连接定期交换信息，同时这也是一种心跳监控机制。 另外，在ASM实例中还存在另外一个新的进程，即RBAL，此进程负责规划和协调磁盘组的重新平衡活动。除此之外，ASM实例还有一些与数据库实例中的进程相同的后台进程，例如LGWR、SMON、PMON、DBWR 、CKPT等。
人脸特征提取与识别(参考)
本科生毕业设计（论文）文献综述题目：人脸特征提取与识别 姓名： 学号： 学院： 专业： 年级： 指导教师：（签名） 系主任（或教研室主任）：（签章）
目录 1 前言 (1) 2 人脸特征提取与识别方法 (1) 2.1 基于几何特征的方法 (1) 2.2 基于特征脸的方法 (2) 2.3 局部特征分析LFA方法 (3) 2.4 基于弹性模型的方法 (4) 2.5 神经网络方法 (4) 2.6 其他方法 (5) 3 总结 (5) 致谢： (6) 参考文献： (6)
人脸特征提取与识别 1前言 近年来，Internet和多媒体技术飞速发展，多媒体（包括图像、视频等）数据规模急剧膨胀。为了快速、准确地找到感兴趣的图像或视频，人们提出了基于内容的图像检索(content-based image retrieval，简称CBIR)技术，研究让计算机对图像进行分类和检索的算法。CBIR涉及图像内容表示、相似性度量、高维索引技术等方面。[1]图像内容的表示是需要首先解决的问题。为了实现对图像内容的存取、访问和检索，MPEG-7提出了图像内容描述子的概念，例如颜色描述子、纹理描述子、形状描述子等。 图像颜色内容通常用颜色直方图来表示，纹理特征以纹理模式区分图像，形状特征用于包含特定形状对象的图像检索。颜色直方图（或称为颜色谱）因其简单、有效的性能而在大多数CBIR系统中得到应用，但是颜色直方图对纹理图像的检索效果不好。不同的纹理图像可能有非常相似的颜色直方图。 所谓图像纹理，它反映的是图像的一种局部结构化特征，具体表现为图像像素点某邻域内像素点灰度级或者颜色的某种变化，而且这种变化是空间统计相关的，它由纹理基元和基元的排列两个要素构成。纹理分析方法有统计方法、结构方法和基于模型的方法。 2人脸特征提取与识别方法 人脸识别本质上是三维塑性物体二维投影图像的匹配问题，它的困难体现在：(1)人脸塑性变形(如表情等)的不确定性；(2)人脸模式的多样性(如胡须、发型、眼镜、化妆等)； (3)图像获取过程中的不确定性(如光照的强度、光源方向等)。识别人脸主要依靠人脸上的特征。也就是说依据那些在不同个体上存在的较大差异而对同一个人则比较稳定的度量。由于人脸变化复杂，因此特征表述和特征提取十分困难。 在对人脸图像进行特征提取和分类之前一般需要做几何归一化和灰度归一化。几何归一化是指根据人脸定位结果将图像中人脸变换到同一位置和同样大小，灰度归一化是指对图像进行光照补偿等处理，光照补偿能够一定程度地克服光照变化的影响而提高识别率。 2.1 基于几何特征的方法 人脸由眼睛、鼻子、嘴巴、下巴等部件构成，正因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸干差万别，因此对这些部件的形状和结构关系的几何描述，可以作为人脸识别的重要特征。几何特征最早是用于人脸侧面轮廓的描述与识别，首
手工删除ASM实例
2节点RAC CRS-->Listener-->ASM实例 到这里时,ASM实例创建好了,crs_stat -t也可以看到这ASM实例: [oracle@db1 ~]$ crs_stat -t Name Type Target State Host ------------------------------------------------------------ ora....SM1.asm application ONLINE ONLINE db1 ora....B1.lsnr application ONLINE ONLINE db1 ora.db1.gsd application ONLINE ONLINE db1 ora.db1.ons application ONLINE ONLINE db1 ora.db1.vip application ONLINE ONLINE db1 ora....SM2.asm application ONLINE ONLINE db2 ora....B2.lsnr application ONLINE ONLINE db2 ora.db2.gsd application ONLINE ONLINE db2 ora.db2.ons application ONLINE ONLINE db2 ora.db2.vip application ONLINE ONLINE db2 但是继续往后时,ASM磁盘组发现不了ASM磁盘. 接着看日志${ORACLE_HOME}/log/${Node_Name}/: 2010-01-14 01:39:40.138: [ RACG][3086912256] [30872][3086912256][ora.db2.ASM2.asm]: SQL*Plus: Release 10.2.0.1.0 - Production on Thu Jan 14 01:39:34 2010 Copyright (c) 1982, 2005, Oracle. All rights reserved. Enter user-name: Connected to: Oracle Database 10g Enterprise Edition Release 10.2.0.1.0 - Production With the Partitioning, 2010-01-14 01:39:40.138: [ RACG][3086912256] [30872][3086912256][ora.db2.ASM2.asm]: Real Application Clusters, OLAP and Data Mini ng options SQL> ORA-15100: invalid or missing diskgroup name ASM instance shutdown SQL> Disconnected from Oracle Database 10g Enterprise Edition Release 10.2.0.1.0 - Production With the Partitioning, Real Ap 2010-01-14 01:39:40.138: [ RACG][3086912256] [30872][3086912256][ora.db2.ASM2.asm]: plication Clusters, OLAP and Data Mining opti ons 这时我可以看到ASM磁盘的卷标的: [oracle@db1 dbs]$ /etc/init.d/oracleasm listdisks VOL1
基于几何特征的人脸识别
基于几何特征的人脸识别 学号：姓名： (上海大学机电工程与自动化学院，200072) 摘要：人脸识别技术作为多学科领域的、具有挑战性的课题，它覆盖了数字图像处理、模式识别、神经网络、数学等诸多学科的内容，同时也具有十分广泛的应用价值。在人脸识别领域，基于几何特征的人脸识别算法因其计算简单、使用有效等特性，引起了人们的广泛注意，并已成为人脸图像特征提取和识别的主流方法之一。本文定位人脸器官，通过人脸面部拓扑结构几何关系的先验知识，利用基于灰度投影的方法在知识的层次上提取人脸面部主要器官特征，将人脸特征用一组几何特征向量表示，识别归结为特征向量之间的匹配。本文工作包括： (1)对灰度积分投影理论进行了详细的介绍和分析。这种方法是目前定位人脸轮廓的主要方法。在此基础上对一种新的在竖直方向上定位人脸左右轮廓的灰度差投影法进行了改进。投影法本质上是一种基于统计的方法，在具体应用时又结合了人脸特征分布的先验知识。这种方法不需要对积分投影图做任何平滑处理等操作，因而算法简单，准确率高，速度很快。 (2)提出了一种精确定位眼睛的方法，该算法将眼区灰度总体分布特点与眼部灰度变化特点相结合，将传统的积分投影法与灰度差累加值投影法相结合，通过大量试验选取合适的参数。试验结果表明，该算法对光照变化不敏感，定位准确率高。运用灰度积分投影结合人脸特征的先验知识定位鼻子，这种定位方法得到的准确率也是比较高的。嘴巴的定位则利用投影法求得。 (3)本文根据定位出来的人脸器官选出七个特征点，即四个眼角点、鼻尖点和两个嘴角点。利用它们构造了十个特征向量，并对其进行归一化运算。图像识别的最后一个过程就是分类，本文采取根据模式相似性的最近距离分类器进行分类。用加权比值函数来计算特征相似度，更适用于人脸图像的识别和计算。如何选择出合适的识别门限是个很复杂的问题，还有待于进一步研究。 关键词：人脸识别；灰度投影；几何特征；特征提取 The Research of Face Recognition Algorithm Based on Geometric Features Student number:15721637 Name:Zhao Pei-pei (Institute of electrical and mechanical engineering and automation, Shanghai University, Shanghai 200072, China) Abstract:the technology of human face recognition as a multi-disciplinary field and challenging psubject which contains digital image processing，pattern recognition，computer vision，neural network，psychology，physiology，mathematics and a good many subjects．In the meantime，it also has widely used．In the field of face recognition，the method of human face recognition based on geometric features has been paid great attention for its simple calculation and availability．At
oracle ASM实例报04031错误
环境：oracle 11.2.0.3 rac ，AIX6.1 第一节点ASM实例报04031，赶到单位检查日志： ORA-04031: unable to allocate 3896 bytes of shared memory ("shared pool","select name_kfgrp, number_kf...","sga heap(1,0)","kglsim object batch") 登录ASM实例，检查SGA SQL> select bytes,name,pool from v$sgastat where name like '%free memory%'; 60501728 free memory shared pool 未发现异常 设置事件检查TRACE SQL >alter session set events '4031 trace name heapdump level 536870914'; SQL >alter session set events '4031 trace name context off; 检查TRACE文件 1、Memory Utilization of Subpool 1中未发现异常 2、LIBRARY CACHE STATISTICS--SQL AREA reload较高，其他正常。 MOS上记录了一个11.2.0.3的BUG： Oracle Server - Enterprise Edition - Version 11.2.0.3 and later Information in this document applies to any platform. Symptoms 11.2.0.3.0 ASM instance crash after giving the following errors: ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- Tue Mar 27 14:09:16 2012 Errors in file /app/oracle/diag/asm/+asm/+ASM1/trace/+ASM1_ora_2966.trc (incident=206840): ORA-04031: unable to allocate 3896 bytes of shared memory ("shared pool","DECLARE hdl number; blk_nu...","sga heap(1,0)","kglsim object batch") Incident details in: /app/oracle/diag/asm/+asm/+ASM1/incident/incdir_206840/+ASM1_ora_2966_i206840.trc ...