子空间源码（子空间生成元）

金生昨天 12

默认

摘要： 如何禁止listview的item项获得焦点,而让item的子控件获得焦点1、ImageView默认不能获得焦点，应该设置属性为：android：focusable=true （...

如何禁止listview的item项获得焦点,而让item的子控件获得焦点

1、ImageView默认不能获得焦点，应该设置属性为：Android：focusable=true （如果是ImageButton或Button等则不需要设置，他们默认是可以获得焦点的）2，没有为该ImageView设置自定义drawable图片的的selector（该ImageView其实已经获得焦点了，只是没有看出来而已）。

2、为解决ListView中的item和EditText强焦点问题，可以通过调整ListView的focus设置来实现。具体做法是，在ListView的item布局文件中，为每个item设置一个特殊的focus策略，以确保点击事件能够正确传递给ListView。例如，可以在item的根布局中添加一个focusable属性，将其设置为false，从而防止该item获取焦点。

3、ViewGroup.FOCUS_AFTER_DESCENDANTS：表示item的子控件优先于item获得焦点；ViewGroup.FOCUS_BEFORE_DESCENDANTS：表示item优先于其子控件获得焦点。

OpenCV 怎么确定人脸各部分的位置

1、照片在不同时间、不同光照、不同表情（睁眼闭眼、笑或者不笑）、不同人脸细节（戴眼镜或者不戴眼镜）下采集。所有的图像都在一个黑暗均匀的背景下采集的，正面竖直人脸（有些有有轻微旋转）。

2、在使用OpenCV进行人脸识别时，通常首先需要检测出图片中的人脸区域。例如，在一个示例程序中，我们可以轻松地检测出人脸，并获取人脸区域的坐标。这一步骤完成后，如果希望得到单独的人脸照片，我们需要手动裁剪出这些区域。

3、用法请根据这个文件名找吧，我记得就是调用OPENCV里的某个函数（C++），用这个文件名和图作参数，返回的就是图中人脸的位置。

4、你想问openCV采用的人脸检测技术的原理？是基于HAAR-like特征来检测定位人脸的，如下图；检测器会扫描整个图像，对子图像分别检测判断，同时也会改变检测的尺度，所以就能够检测多尺度的多个人脸。能够检测大小不同的多个人脸。

5、编写一个测试cpp文件，输入基本的OpenCV人脸检测代码，验证环境配置是否正确。应用实例：人脸检测与框出通过上述步骤，你将能够成功地使用OpenCV对图像进行人脸检测，并在识别到的人脸周围绘制边框，清晰地标注出人脸的位置。这一技术在实际应用中，如监控、社交媒体和人脸解锁等领域具有显著价值。

C语言做个迷宫

C语言生成迷宫的两种方法迷宫生成技术有多种实现方式，其中两种主要方法是十字分割递归版本和BFS（广度优先搜索）。十字分割（递归）这种方法从构建一个完全通路的矩阵开始，随机在十字交叉点上建墙，确保横纵坐标为偶数。然后在三面墙上随机开洞，连接四个子空间，形成基本迷宫结构。

迷宫最短路径问题是一个经典的计算机科学挑战。最近，我花了一整天时间来解决这个问题，使用C语言编程实现了解决方案。在实现过程中，我使用了动态内存分配来创建二维数组，以存储迷宫、标志和路径信息。为了创建迷宫，我首先定义了一个函数`CreateTwoDimensionalArr`，用于动态分配二维数组的内存。

该算法是不稳定的，其时空复杂度不仅和m，n有关，还和mg[][]的具体数值有关。最坏情况下：每个点都试探过才走到终点。此时时间复杂度为：（m*n-1）*4，（其中4为4个方向），空间复杂度m*n*2，（其中m*n为存储迷宫图空间，m*n为栈空间）；再好情况下：一次试探过就走到终点。

刚学都这样，想当初我学习的时候连一个单链表的逆置，都要理解半天。编程就是把实际问题给抽象成数学或非数学模型，结合数据的表示，再找到解决的方法。别忘了，学习数据结构是为了更好的操作数据。思路：首先，迷宫如何用计算机语言表示？一般用二维数组。0表示墙，1表示路。

给你给伪算法：（设坐标为x，y，坐标向右和下延生。）函数：｛判断当前是不是（7，7），如果是，表示走出迷宫。打印轨迹 1 尝试往左先走一步（x-1，如果x小于0，或者对应位置标识为阻塞）2 1如果成功，用本函数递归调用左走一步的坐标，并记下当前位置到轨迹列表。

怎样使用OpenCV进行人脸识别

1、在使用OpenCV进行人脸识别时，通常首先需要检测出图片中的人脸区域。例如，在一个示例程序中，我们可以轻松地检测出人脸，并获取人脸区域的坐标。这一步骤完成后，如果希望得到单独的人脸照片，我们需要手动裁剪出这些区域。具体来说，可以根据检测到的人脸边界框的坐标，从原图中裁剪出对应的人脸部分，保存为新的图像文件。

2、要在C#中使用OpenCV在一张图片里寻找人脸，你可以按照以下步骤进行：下载并安装emgucv库：emgucv是OpenCV的.net 封装版本，可以从sourceforge.NET或者github.com/emgucv获取。推荐下载编译好的稳定版，以确保项目的顺利进行。获取Haar特征分类器：人脸识别的关键在于Haar特征分类器。

3、根据项目需求，我们可能需要对原始代码进行一些修改，例如将人脸识别框改为截取并保存人脸区域图片。首先，将opencv-34jar文件拷入项目文件夹内，注意确保版本兼容性。接着，将库和配置文件添加到项目中，具体路径可根据项目实际需求进行调整。

4、首先就是数据的准备，你要从网络上下载一些人脸库，后面用来训练人脸识别模型。人脸检测模型opencv是自带的，但是识别模型需要自己训练。下载人脸库之后需要对人脸进行标记，这是一个繁琐的工作，不过网上有脚本或者自己写个程序简化工作量。把数据标记好之后就是opencv的事情。训练的函数非常简单。

5、从OpenCV4开始，加入了新的类FaceRecognizer，我们可以使用它便捷地进行人脸识别实验。本文既介绍代码使用，又介绍算法原理。

6、OpenCV中的DNN人脸检测器这种模型基于ResNet-10架构，使用Caffe或TensorFlow进行训练。输出为归一化坐标，表示边界框。代码加载模型，并使用前向传播进行检测。输出为4-D矩阵，边界框坐标需乘以原始图像大小。优点克服了Haar级联的缺点，适用于更复杂背景。缺点计算速度慢于基于Haar的检测器。