如何在ubuntu.播放mp4影片

-
sudo apt-get install ubuntu-restricted-extras

留言

張貼留言

這個網誌中的熱門文章

使用證交所csv資料應用至 LINE Notify執行收盤買賣超回報

-
圖片
證交所皆有提供收盤資料至網站中，這次要研究的是三大法人(外資投信自營商)的收盤買賣超資料，詳細的資料在 此頁面 的右下角： 這時點進 外資及陸資買賣超彙總表 可以發現該頁面有提供CSV檔案下載，將滑鼠移至CSV下載的按鈕之後，瀏覽器的左下角會出現一行網址： 此行網址代表可以讓使用者像伺服器發出請求下載這個檔案，因此只要複製這個網址在任何瀏覽器搜尋，會直接下載這個檔案，這時可以通過觀察外資投信自營商各自頁面的CSV下載按鈕，發現各自的網址是： 外資：https://www.twse.com.tw/fund/TWT38U?response=csv&date=20210118 投信：https://www.twse.com.tw/fund/TWT44U?response=csv&date=20210118 自營商：https://www.twse.com.tw/fund/TWT43U?response=csv&date=20210118 經由觀察發現只要修改網址後面的"date="參數以及/fund之後的三大法人編號，即可下載當日三大法人的買賣超資料，我們可以使用Python的wget套件下載資料，範例如下： import wget wget.download('https://www.twse.com.tw/fund/TWT38U?response=csv&date=20210118') 這時下載完成的檔案會是CSV檔，檔名是法人編號+日期.csv，打開此3個CSV檔可以發現前3行跟倒數後7行都是無用的資料，如下圖： 我們可以用python讀入csv檔，再將上圖紅框處的無用資料慮除。 number=[] #建立number陣列 f = open(csvfilename, newline='', encoding='cp950') #csvfilename是檔名 rows = csv.reader(f, delimiter=',') for row in rows: number.append(row) #將row讀入number陣列 我們可以發現三大法人的資料有很多列，但是我們只需要證券代號以及買賣超股數，我們還需要對csv做處理才能讀...
閱讀完整內容

使用DLIB函式庫達成即時人臉辨識功能

-
圖片
  1. 研究動機 在大二上學期時，想要做出一個人臉門禁系統，在網路搜尋時，搜尋到 Dlib 這個函式庫，他提供了眾多的預訓練模型， 本作品使用 Dlib 函式庫搭配 tkinter 套件製作 GUI ，並且用到了本課程教的陣列運算，達成即時人臉辨識的功能。 2. 研究步驟 2.1 系統流程圖 圖一 系統流程圖 2.2 獲得人臉位置 在一張圖像中，我們要先辨識圖片中的人臉及其位置，在 Dlib 函式庫中，是以 CNN 的方法來獲得人臉的位置， Dlib 提供了已經訓練好的模型，在程式中只要使用 dlib.cnn_face_detection_model_v1 函式即可使用此模型，在該步驟中，此函式可以回傳檢測到人臉的數量以及座標。 圖二 獲得人臉位置功能圖例 2.3 獲得人臉關鍵點 在獲得人臉的數量以及座標之後，由於人臉有許多的器官，例如鼻子、眉毛等等， Dlib 規範了 68 個人臉的關鍵點，使用 dlib.shape_predictor 函式可以得到人臉 68 點關鍵點的座標，以更好的辨識人臉。 圖三 獲得人臉關鍵點 功能圖例 2.4 獲得人臉特徵向量 在人臉辨識中，最後需要將所辨識到的人臉轉成特徵向量，才可以快速地比較，如果是將人臉以圖像的方式比對，將會耗費很多的資源，在 Dlib 中作者提供了使用 29 層 ResNet 訓練而成的模型，在輸入了圖片以及關鍵點後 dlib.face_recognition_model_v1 這個函示會輸出 128 維的特徵向量，用來跟資料庫的特徵向量做比對。 圖四 獲得人臉特徵向量 功能圖例 2.5 比對相似人臉 獲得人臉特徵相量後，必須與資料庫的特徵向量比對，比對方法為先將人臉特徵向量減去資料庫的向量再取歐式距離，擁有最小歐式距離並且歐式距離小於自訂閾值的人臉標籤即是系統辨識出之人臉。 3. 實驗結果 在 GTX1050 顯示卡運算下，在 640x480 的尺寸中，將 1 幀畫面辨識出其中人臉，耗時僅 0.1 秒，是可以達到串流功能的，以下是靜態的執行畫面。 圖五程式執行畫面 、 程式動態影片 (google 雲端 ) 4. 結論 Dlib 中，使用 CNN 作為人臉偵測的方法， CNN 的方法雖然精度很高，但是需要的運算效能非常多，在像是樹梅派 嵌入式系統，是不能達...
閱讀完整內容