计算机人脸识别技术及其应用分析
人脸识别技术与应用
人脸识别技术与应用人脸识别技术是一种通过对人脸图像或视频进行识别和分析的技术。
近年来，随着计算机技术和图像处理算法的不断发展，人脸识别技术得到了广泛应用。
本文将探讨人脸识别技术的原理、应用领域以及其对社会生活的影响。
一、人脸识别技术原理人脸识别技术主要基于两个核心步骤：人脸检测和人脸识别。
首先，通过检测算法从图像或视频中提取出人脸区域。
其次，在提取的人脸区域中，通过特征提取和匹配算法将其与已有的人脸数据库进行比对，完成识别过程。
在人脸识别技术的背后，有许多复杂的算法支持。
例如，通过主成分分析（PCA）和线性判别分析（LDA）等算法，可以将人脸图像转化为特征向量，从而进行快速准确的识别。
同时，为了提高鲁棒性和准确性，还可以使用深度学习算法，如卷积神经网络（CNN）。
二、人脸识别技术应用领域1. 安防领域：人脸识别技术在安防领域有广泛应用。
通过与数据库中的人脸信息进行比对，可以实现门禁系统、监控系统等的自动识别与报警。
这一技术不仅提高了安全性，也提高了工作效率。
2. 金融领域：人脸识别技术在金融领域具有重要意义。
例如，通过人脸识别技术可以实现银行的自助服务，用户不再需要银行卡和密码即可办理业务。
这一技术不仅提升了用户体验，也提高了操作的便捷性和安全性。
3. 公共交通领域：人脸识别技术在公共交通领域也有广泛应用。
例如，通过在地铁站等公共场所设置人脸识别系统，可以实现自动闸机，减少人力成本，提高通行效率。
此外，人脸识别技术还可以用于公交车辆的驾驶员识别，确保驾驶员的身份以及工时的合规性。
4. 社交娱乐领域：人脸识别技术在社交娱乐领域也发挥着重要作用。
例如，人脸识别技术可以用于实现人脸变妆、换脸等有趣的应用，增加用户的娱乐性和互动性。
此外，人脸识别技术还可以用于人脸相册的自动整理和分类，方便用户管理照片。
三、人脸识别技术对社会的影响人脸识别技术的广泛应用对社会带来了积极的影响。
首先，它提高了安全性。
在公共场所和金融领域的应用，可以有效识别出身份不明的人员，防止潜在的安全威胁。
人脸识别技术应用分析
人脸识别技术应用分析人脸识别技术是一种通过摄像头捕捉人脸图像，并通过图像处理和模式识别算法进行分析与识别的技术。
随着科技的不断进步，人脸识别技术在各个领域得到了广泛的应用。
本文将对人脸识别技术的应用进行分析，并探讨其在不同领域的优势与挑战。
一、人脸识别技术在安全领域的应用人脸识别技术在安全领域广泛应用于门禁系统、视频监控和边境管控等方面。
在门禁系统中，通过人脸识别技术可以实现对人员进出的自动识别和管控，提高安全性和便捷性。
在视频监控系统中，人脸识别技术可以快速识别特定人员，帮助监控人员进行实时监测和追踪。
在边境管控方面，人脸识别技术可以帮助边境管理部门快速识别出国际间的非法人员，提高国家边境安全。
二、人脸识别技术在金融领域的应用人脸识别技术在金融领域可以应用于身份认证、支付安全和反欺诈等方面。
在身份认证方面，人脸识别技术可以取代传统的密码和指纹认证，提高用户的身份识别准确率和安全性。
在支付安全方面，人脸识别技术可以用于人脸支付，通过识别用户的人脸来完成支付过程，提高了支付的便捷性和安全性。
在反欺诈方面，人脸识别技术可以通过对用户行为和人脸特征的比对，识别出潜在的欺诈行为，有效保护用户的资金安全。
三、人脸识别技术在公共服务领域的应用人脸识别技术在公共服务领域的应用也日益增多。
例如，在交通管理方面，人脸识别技术可以用于识别违章驾驶人员，提高交通管理的效率和准确性。
在医疗领域，人脸识别技术可以帮助医院实现快速的挂号、排队和诊疗，提高医疗服务的效率和质量。
在教育领域，人脸识别技术可以用于学生考勤和校园安全管理等方面，提升校园管理的水平。
四、人脸识别技术的优势与挑战人脸识别技术相比于其他身份识别技术具有独特的优势，如非接触、高精度和便捷性等。
然而，人脸识别技术在实际应用中也面临一些挑战。
首先，人脸识别技术对于光线、角度和遮挡等环境因素较为敏感，可能会导致识别准确度的降低。
其次，人脸识别技术的隐私性问题备受关注，如何保护个人信息安全成为一大挑战。
人脸识别技术的应用场景及使用方法详解
人脸识别技术的应用场景及使用方法详解人脸识别技术是一种通过计算机视觉和模式识别技术来识别和验证人脸的技术。
它具有快速、准确、非接触等特点，因此在各个领域都有广泛的应用。
本文将详细介绍人脸识别技术的应用场景以及使用方法。
一、应用场景1. 安全领域：人脸识别技术在安全领域的应用是最为广泛的。
它可以用于身份识别与验证，例如在边境安全控制、机场安检、银行系统中，通过人脸识别来确认身份，提高安全性。
此外，人脸识别还可以用于犯罪侦查，通过与数据库中的犯罪嫌疑人照片比对，协助警方追踪犯罪嫌疑人。
2. 出入管理：人脸识别技术在出入管理方面也有重要的应用。
传统的刷卡或密码方式容易被冒用，而人脸识别技术通过与注册的人脸图像比对，可以实现更加安全的出入管理。
这在企业、学校、公共场所等都有广泛的应用，可以提高出入安全性、减少人力成本。
3. 金融领域：人脸识别技术也在金融领域得到了广泛应用。
例如，可以用于人脸支付，用户无需携带银行卡或手机，通过人脸识别技术即可完成付款。
此外，人脸识别还可以用于ATM机的安全认证，提高提款的安全性。
4. 教育领域：人脸识别技术在教育领域也逐渐得到应用。
例如，可以用于学生考勤系统，通过人脸识别技术可以准确记录学生的出勤情况，提高教学管理效率。
另外，人脸识别还可用于学生监控系统，通过人脸识别来确保学生的安全，避免校园欺凌等问题。
5. 智能家居：人脸识别技术还可以应用于智能家居，例如通过人脸识别来实现智能门锁的自动开关。
家庭成员只需通过人脸识别即可进出门，提高家庭安全性，免去了使用钥匙、刷卡等的麻烦。
二、使用方法1. 数据采集与预处理：首先，需要采集一定数量的人脸图像作为训练样本。
采集时应充分考虑不同人的不同面部表情、角度和光照等因素。
采集的图像需要进行预处理，包括去除噪声、对齐姿态、人脸检测等操作。
2. 特征提取与建模：接下来，需要提取人脸图像中的特征信息。
常用的特征提取方法包括主成分分析(PCA)和局部二值模式(LBP)等。
人脸识别技术的实现原理与应用案例分析
人脸识别技术的实现原理与应用案例分析人脸识别技术是一种通过对人脸图像进行分析和识别的技术，它在近年来得到了快速的发展，并被广泛应用于各个领域。
本文将首先介绍人脸识别技术的实现原理，然后分析其在实际应用中的一些典型案例。
一、人脸识别技术的实现原理人脸识别技术的实现原理可以分为三个主要步骤：采集人脸图像、特征提取和匹配比对。
首先，在采集人脸图像时，可以利用摄像头或者其他可视图像设备对人脸进行拍摄。
由于人脸特征的复杂性和多样性，采集过程中需要考虑光线条件、角度、面部表情等因素，以获得清晰而准确的人脸图像。
接下来，在特征提取阶段，将从采集到的人脸图像中提取关键的特征信息。
这些特征信息可以包括人脸的位置、轮廓、眼睛、鼻子、嘴巴等部位的形状和位置等。
常用的特征提取方法有主成分分析（PCA）、线性判别分析（LDA）和局部二值模式（LBP）等。
最后，在匹配比对阶段，将提取到的特征信息与事先建立的数据库进行比对。
数据库中存储了已知身份的人脸特征信息，匹配算法将输入图像与数据库中的特征进行比较并确定最匹配的人脸。
常用的匹配算法有欧氏距离算法、余弦相似度算法和支持向量机（SVM）算法等。
通过以上三个步骤，人脸识别技术能够实现对人脸图像的准确识别和匹配。
二、人脸识别技术的应用案例分析1. 安防领域人脸识别技术在安防领域的应用非常广泛。
例如，在公共场所、机场、车站、银行等地方安装的监控摄像头，可以通过识别人脸信息实现对人员身份的确认和追踪。
当出现可疑人员或犯罪行为时，系统能够立即发出报警并通知相关部门。
这种应用可以在一定程度上提高公共安全和犯罪防控水平。
2. 移动支付随着移动支付的普及，人脸识别技术也被应用于移动支付领域。
例如，通过用户绑定自己的人脸信息和银行卡等支付工具，用户可以通过人脸识别技术快速完成支付过程，无需输入密码或扫描二维码等操作，提高了支付的便捷性和安全性。
3. 人脸门禁在企事业单位、学校和住宅小区等场所广泛使用的门禁系统也纷纷应用了人脸识别技术。
人脸识别系统技术研究及应用
人脸识别系统技术研究及应用随着科技的不断进步和普及，人脸识别技术已经成为了现代信息技术领域中的一项重要的技术，被广泛地应用于各种场合。
本文将从人脸识别系统技术的原理、特点、安全性等方面入手，探讨其应用价值及未来发展趋势。
一、人脸识别系统技术原理人脸识别系统是一种通过对人脸图像进行分析处理，从中提取出人脸特征信息，然后与预先建立的模型数据进行比对，确定人脸身份的技术。
在进行人脸识别时，主要需要进行以下几个方面的处理：1、人脸检测：即对图像进行处理，识别出其中的人脸部分。
2、特征提取：通过对人脸图像进行特定算法的分析处理，提取出相应的人脸特征信息，如眼睛间距、嘴巴形状等。
3、特征匹配：将提取出的人脸特征信息与预先存储的人脸特征信息进行比对，以确定身份。
二、人脸识别系统技术特点与传统的安全验证手段相比，人脸识别系统具有以下几个特点：1、非接触式验证：人脸识别系统可以在不直接接触到身体的情况下完成验证，极大地提高了验证的效率和安全性。
2、较高的可靠性：相较于其他生物特征识别技术，如指纹、虹膜等，人脸识别系统更容易快速准确地确立身份，误认率低，认证率高，识别速度快，并且不受之前的真伪假冒所影响。
3、成本低廉：相较于其他生物特征识别技术所需的专业设备及建设成本，人脸识别系统的成本更低，对于公司、企业等机构也更加实用。
三、人脸识别系统的应用1、社交网络：如Facebook、Wechat 等，人脸识别技术可用于实现用户的面部识别头像，穿插整个社交网络，提升用户体验，加快业务流程。
2、安全示范场所：人脸识别技术被广泛应用于商场、展览馆、车站、机场等公共场所，能够便捷地验证来访者的身份，并对恶意来访进行预警、拦截。
3、医疗诊疗：一些医院拥有云存储数据的医学数据库，医生通过人脸识别系统得以快速找到病历和体检照片，实现自动诊断、医患沟通等的功能。
4、公司考勤：人脸识别技术已广泛应用于企业的考勤管理，通过将卡或人脸识别终端安装在公司出入口或岗位上，可实时扫描员工的信息，减少人力成本和管理难度。
人脸识别技术及应用
人脸识别技术及应用第一章介绍随着计算机技术的不断发展，人工智能技术的逐渐成熟，以及国家安全和公共安全的需求，人脸识别技术成为了当前热门的研究领域之一。
人脸识别技术和应用可广泛应用于安防识别、金融识别、社交网络等多个领域，并成为了很多创新性产品的基础。
人脸识别技术是指通过计算机对人脸的特征进行分析和识别，判断目标人脸是否为特定人群中的一员，从而实现自动识别和辨认的技术。
该技术与传统的识别技术相比，具有更高的准确率和可靠性。
第二章技术原理人脸识别技术的核心是通过计算机对人脸进行图像处理和特征提取，然后通过特定的算法进行匹配和识别。
通常人脸识别技术分成两个阶段，静态人脸图像采集和动态人脸图像识别。
2.1 静态人脸图像采集静态人脸图像采集是指通过相机、摄像头等设备采集人脸的图像信息。
人脸采集过程中，需要对被识别的人脸进行检测、对齐、剪裁等处理，以便于后续的图像处理和特征提取。
2.2 动态人脸图像识别动态人脸图像识别是指对已经采集到的人脸进行识别和匹配。
在动态人脸图像识别中，主要包括图像预处理、特征提取、特征匹配等过程。
2.2.1 图像预处理图像预处理是指对采集到的人脸图像进行噪声去除、灰度化、归一化等处理，以便于后续的特征提取和匹配。
2.2.2 特征提取特征提取是指对人脸图像中最具有区别性的特征进行提取。
通常采用的特征包括人脸的几何特征、纹理特征和深度特征等。
其中深度特征是目前最为先进的特征提取方法。
2.2.3 特征匹配特征匹配是指将提取到的人脸特征与数据库中保存的人脸特征进行匹配，找到与输入人脸最接近的人脸特征，确定被识别人的身份。
第三章应用场景人脸识别技术的应用场景主要包括以下三个领域：安防识别、金融识别、社交网络等。
3.1 安防识别安防识别是人脸识别技术的主要应用领域之一，主要包括门禁识别、车牌识别、人证合一等。
人脸识别技术可以用于对人员进出区域的认证，还可以用于寻找嫌疑犯等重点目标。
3.2 金融识别金融识别是人脸识别技术的另一个重要应用领域。
人脸识别技术的研究与应用
人脸识别技术的研究与应用近年来，随着科技的不断发展以及人们生活水平的提高，人脸识别技术逐渐成为了一项广受关注的研究领域。
除了安全领域的应用外，人脸识别技术还具备着广泛的应用场景，如人脸支付、智能家居等领域，具有着重要的推广和应用价值。
本文将针对人脸识别技术的研究和应用进行探讨，从其技术原理、应用场景，以及未来发展等方面进行分析。
一、人脸识别技术的原理人脸识别技术是一种通过计算机技术来实现人脸图像识别的技术，其最主要的原理在于特征提取和匹配。
人脸识别技术将采集到的人脸图像转化为一系列数字特征数据，然后将这些特征数据与已有的人脸特征数据库进行比对，最终确定其身份信息。
具体来说，人脸识别技术的处理流程包括图像采集、预处理、特征提取、特征匹配和判决等一系列步骤。
其中，图像采集采用的方法包括摄像头、红外线等多种方式，获取人脸的信息并存储在计算机中；预处理则包括对人脸图像进行滤波、归一化、旋转等操作，提取出人脸的基本特征；特征提取则是在经过预处理的人脸图像中提取出不同的特征点，如眉毛、眼睛、嘴巴等，这些特征点被转化为数字特征数据存储在计算机中；特征匹配则将采集到的人脸特征与已有的人脸特征数据库进行比对，找出最相似的人脸；判决则是对比对结果进行判断，判断采集的人脸信息是否为已有人脸信息中的一员，确定其身份。
二、人脸识别技术的应用场景人脸识别技术在安全领域得到了广泛应用，如门禁系统、人脸考勤等。
除此之外，随着移动支付的普及，基于人脸识别技术的“刷脸支付”也逐渐走向人们的生活，成为一种更加便捷、高效的支付方式。
而在医疗领域，人脸识别技术还可用于进行人脸诊断、疾病筛查等操作，为医院的医生、患者提供更为便捷的服务。
在未来，人脸识别技术还有望应用于智能家居领域。
例如，通过感应住户的面孔来识别其身份并对其提供相应的家居服务，如自动地开启灯光、自动调节空调温度等。
这些场景目前已经成为了人脸识别技术领域的研究热点。
三、人脸识别技术的未来发展未来，人脸识别技术的发展随着人工智能和云计算技术的逐渐兴起而将会更加重要和普及。
计算机人脸识别技术及其应用分析
计算机人脸识别技术及其应用分析伴随着科技不断发展，身份信息认证在诸多场所中得以应用。
计算机人脸识别技术是一种新型的身份认证方式，能够满足社会发展需求。
人脸识别凭借计算机提取信息的高效性，打破了传统身份认证的局限性，是科技社会发展的必然趋势。
基于此，本文将对计算机人脸识别技术进行研究，并分析其实际应用。
计算机人脸识别技术所涵盖的范围比较广泛，其中包含信号处理、数字图像处理、模式设置等诸多内容。
计算机人脸识别技术根据已知人脸确定未知人脸的归属问题。
换言之，计算机人脸识别技术属于一种模式识别范畴，对已知的信息进行采样量化，将其转化为计算机可以处理的数据信息。
一、计算机人脸识别技术原理(一)计算机人脸检测技术分析计算机人脸识别技术，需要明确计算机人脸检测。
在进行人脸识别时，计算机应用系统需要人脸的大小以及位置进行检测，在特定的空间内实现人脸识别。
基于计算机的人脸检测技术方法有镶嵌图法、模板匹配法、人工神经网络法以及可变性模板法。
实现人脸检测，需要在科学的流程下实现。
计算机人脸检测流程为：图像输入环节——图像预处理——图像特征提取——计算机系统检测与判断。
计算机人来检测技术在科技社会中不断更新，已经演化为计算机人脸识别技术的前段技术之一，与智能监视等技术相互衔接。
(二)计算机人脸识别流程计算机人脸识别技术是在人脸检测技术的基础上，进行信息辨别。
在人脸信息辨别的环节中，主要分为“是不是谁”和“是谁”两个询问阶段。
通常情况下，人脸识别首先需要进行人脸输入，对图像进行预处理，然后对图像进行特征提取，最后进行人脸识别，进行人脸验证。
人脸识别，主要分为两个方向的识别，一为人脸特征分析以及人脸密度线分配;二是人脸基准点与其他人脸特征参数结合。
二、计算机人脸识别方法(一)人脸几何特征识别人与人的面部特征差别比较大，基于计算机人脸识别的技术在实际应用中，最为简单直接的方法就是对于人脸的几何特征进行有效识别。
人的嘴、眼睛、鼻子以及下巴，是构成人脸面部特征的基本要素。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
计算机人脸识别技术及其应用分析
本文从网络收集而来，上传到平台为了帮到更多的人，如果您需要使用本文档，请点击下载按钮下载本文档（有偿下载），另外祝您生活愉快，工作顺利，万事如意！
伴随着科技不断发展，身份信息认证在诸多场所中得以应用。
计算机人脸识别技术是一种新型的身份认证方式，能够满足社会发展需求。
人脸识别凭借计算机提取信息的高效性，打破了传统身份认证的局限性，是科技社会发展的必然趋势。
基于此，本文将对计算机人脸识别技术进行研究，并分析其实际应用。
计算机人脸识别技术所涵盖的范围比较广泛，其中包含信号处理、数字图像处理、模式设置等诸多内容。
计算机人脸识别技术根据已知人脸确定未知人脸的归属问题。
换言之，计算机人脸识别技术属于一种模式识别范畴，对已知的信息进行采样量化，将其转化为计算机可以处理的数据信息。
一、计算机人脸识别技术原理
(一)计算机人脸检测技术
分析计算机人脸识别技术，需要明确计算机人脸检测。
在进行人脸识别时，计算机应用系统需要人脸的大小以及位置进行检测，在特定的空间内实现人脸识别。
基于计算机的人脸检测技术方法有镶嵌图法、模板匹配法、人工神经网络法以及可变性模板法。
实现人脸检测，需要在科学的流程下实现。
计算机人脸检测流程为：图像输入环节——图像预处理——图像特征提取——计算机系统检测与判断。
计算机人来检测技术在科技社会中不断更新，已经演化为计算机人脸识别技术的前段技术之一，与智能监视等技术相互衔接。
(二)计算机人脸识别流程
计算机人脸识别技术是在人脸检测技术的基础上，进行信息辨别。
在人脸信息辨别的环节中，主要分为“是不是谁”和“是谁”两个询问阶段。
通常情况下，人脸识别首先需要进行人脸输入，对图像进行预处理，然后对图像进行特征提取，最后进行人脸识别，进行人脸验证。
人脸识别，主要分为两个方向的识别，一为人脸特征分析以及人脸密度线分配;二是人脸基准点与其他人脸特征参数结合。
二、计算机人脸识别方法
(一)人脸几何特征识别
人与人的面部特征差别比较大，基于计算机人脸识别的技术在实际应用中，最为简单直接的方法就是对于人脸的几何特征进行有效识别。
人的嘴、眼睛、鼻子以及下巴，是构成人脸面部特征的基本要素。
每一个人的面部特征都不同，将这些面部特征输入到计算机数据系统，进行人脸的差异性识别。
研究小组在人脸特征信息搜集的基础上，采用积分投影的方法提取出欧式距离表征，实现科学高效的人脸识别。
(二)人脸模板匹配识别
基于模板匹配的人脸识别方法，主要是在可变换性的模板基础上，对面部特征进行抽取。
这些模板能够根据需求，进行变形、平移以及旋转，将细节特征面部图形收取出来。
该种人脸识别方式与人脸特征分析方式相比，其效果更高。
(三)神经网络识别
基于神经网络的人脸识别方法，主要是利用神经网络的高效分类能力，以及学习能力，在获取人脸信息的基础上，对人脸的特征进行有效识别和提取。
该种方法能够减少很多复杂的特征获取。
且能够将人脸图像中的形状材质信息进行科学整理。
该种方法在人脸识别中，能够缓解人脸识别规律无法进行显性表达的弊端。
(四)小波变换
基于小波变换计算机人脸识别，能够实现多分辨性，能够实现信号是多向观察性。
其在信号检测中所适应的范围比较广，针对信号系统中所出现的诸多问题能够及时克服。
当识别系统中出现信号周期性陷波、暂态振荡、电压跌落以及闪变等情况时，小波变换都能够有效克服。
小波检测技术也有一定的局限性。
第一，小波变换中的滤波特性较差;第二，小波分析中的频域分辨率较粗糙。
第三，小波变换环节中所涉及数据计算比较多。
(五)K-L变换压缩技术
特征脸识别技术是一种从主成份中分析而导出来的一种人脸识别与人脸特征描述技术，一般通过K-L 变换压缩技术中的一种优正交换方式来实现。
从理论上分析，任何人脸图像集合都能够在通过两个比较相似的集合重建而来。
在K——L交换下，人脸识别能够得到高维图像的一组正交基，取特征值，组成一个正脸空间。
在进行人脸识别环节中，能够将新人脸图像映射到特征脸空间中，从而得到投影向量。
三、计算机人脸识别技术实际应用
(一)警方办案中的应用
计算机人脸识别技术在警方办案中的应用比较广泛，例如，在进行亲人寻找中，可以根据专业部门所提供的照片，直接发送到计算机系统中，进行人脸信息的对比检索。
同时大型的活动场所中，如果发生安全时间，警方可以调用监控视频，对嫌疑人的面部特征进行提取。
(二)在智能门禁中的应用
随着科技不断发展，建设安全型的住宅小区是社会发展的必然，智能门禁系统的开发能够提升小区安全，计算机人脸识别技术在智能门禁中的应用也比较广泛。
计算机人脸识别技术在智能门禁系统中的应用，主要分为三个步骤：
第一，在进行人脸信息录入时，系统对人脸进行检测，并进行特征提取，根据系统中的人脸描述来进行特征信息存储。
通过RFID进行信息输入与信息注册，与人脸特征一同进行已知的人脸数据库录入，并最终将记录信息进行存储。
第二，将该系统进行实际应用，在门禁视频前，当有人员访问时，门禁控制器首先进行RFID信息提取，然后进行RFID认证，对特征信息进行提取，并从已知的认证数据库中调出信息。
第三，在现场中，当有工作人员进入到监测区域中，RFID读卡器将对人员的ID信息进行读取，并启动系统中摄像机采集，并进入人脸图像采集中。
结论
综上所述，在本文中对计算机人脸识别技术应用原理进行分析，研究其在实际生活中的应用。
计算机人脸识别技术的研发，为人们的生活提供便利，是科技研发中的重要产物。
计算机人来检测技术在科技社会中不断更新，已经演化为计算机人脸识别技术的前段技术之一，与智能监视等技术相互衔接。
主要的计算机人脸识别方法有：人脸几何特征识别、神经网络识别、人脸模板匹配识别以及K-L变换压缩技术等。
作者：曾鑫来源：成长·读写月刊2016年7期
本文从网络收集而来，上传到平台为了帮到更多的人，如果您需要使用本文档，请点击下载按钮下载本文档（有偿下载），另外祝您生活愉快，工作顺利，万事如意！。