特别的人范文

导语：如何才能写好一篇特别的人，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

您就在楼下看电视，我却要写信给您，是因为我有好多话要对您说。

爸爸，除了感激的话之外，我现在最想对您说：我们没有搬进新房子之前的日子真的很美。

那时，我们的家很普通，是宽宽的平房，里面陈设很简单，只有一个浴室，每天为了洗澡，大家争来争去，常常会闹出笑话，没有办法，只好划拳来决定谁先洗，多有意思啊！

每天吃完饭，大家聚在一起看电视，看到有意思的地方，你一言我一语，各说各的想法，笑声总是不断地从窗口飞出去，引来路人羡慕的眼光。

那个小小的院子里，可以种点儿菜和花，我们放学回来，帮忙浇浇水，看到蔬菜花草每天不同的样子，我们都很开心。餐桌上经常会有我们亲手种出的青菜，那味道别提多香了！

现在，我们搬进了高大明亮的四层楼房里，这是您和妈妈辛辛苦苦挣来的。新房子固然更加舒适，可是温馨和快乐却没有了。每天吃完饭，大家各自散去，回到自己的房间看电视。时间久了，沟通少了

篇2

他，一个普普通通的鞋匠。一生总能遇见许许多多的人，并不是每个你都能记得，只有他，我记忆犹新。

寒冬的一天，我书包的拉链坏了，从家里拿了三块钱放入口袋中。终于走到了孟庄市场的修理铺，我刚进去，一位老师傅就热情地问我：‘‘小朋友，你要修什么？’’我说：‘‘我书包的拉链坏了，您这能修吗？’’老师傅点了点头，接过书包开始修。

他的手十分灵巧，先将旧拉链拆开，拿出两个新的拉链安上，他灵巧的手就像两个美丽的花蝴蝶在花丛中翩翩起舞。修好了，我问老师傅：‘‘师傅，多少钱？’’‘‘两元。’’老师傅说。我一摸口袋，两块钱消失不见了，只看见一个大窟窿，我说：‘‘师傅，我钱丢了，您在这等着，我二十分钟回来。’’老师傅说：‘不用了，天这么冷，赶紧回家呗。’

他真是一个特别的人。

篇3

团队力量点燃服务激情

当你面对一个充满热情，团结互助，目标一致的和谐团队时，你不禁会被他们的每一个微笑感染，他们的快乐和力量来自于他们的团队――每天朝夕相处的速8中国的姐妹兄弟，一支可以点燃所有成员服务激情的队伍。

二单元的主管赵俊英被队员们亲切的称呼为赵姐，她在完成本职工作的同时还像母亲一样关心身边的志愿者大学生，在她的感召下越来越多的队员增强了岗位责任心，并且互帮互助，团结一心。C5团队47位伙伴在8月8日，这个特别时刻悄悄为他们喜欢的沈楼长准备了一个简单却充满感动的生日会，队员们亲手制作的蛋糕和礼物让楼长倍感惊喜和激动。队员间就是这样相互关怀，彼此间的温暖力量为优质服务提供了原动力。

悉心服务诠释奥运真情

如果说奥运会是强者竞技的舞台，那么为之付出汗水的人们则是在用服务阐述奥运会的另一精神境界。速8中国团队用精心的服务和全心的投入讲述着与奥运家人的故事。

卢森堡团长助理一句无意的话：团长年纪大腰不好，让C8楼的唐楼长铭记在心，并且默默地在有限的条件下为他换置较软的床垫和被垫，直到他满意为止，此举让老团长感动不已，然而唐楼长只是简单一笑，对于他来说这只是一件应该做到的小事。在奥运村，运动员不慎遗失手机和财物的事也会偶然发生，队员们在得知后都会尽其所能地帮助寻找，即使困难重重，也不放弃任何机会，最终会将原物完好的放在运动员们的手中，然而当他们用小费作为表达谢意的方式时，队员们都会婉言谢绝，因为他们懂得，自己的悉心服务才能让家人感受到团队的诚挚真情。

诚挚的爱延续奥运温情

特别的爱送给特别的奥运家人，也正是这份来自速8中国管理团队的爱继续着奥运服务的温情篇章。作为奥运村管家，速8中国团队竭尽所能为他们提供最为真挚的款待，用服务的语言表达中国的文化，表现东方的魅力。

8月6日下午，住宿团队执行副总经理房国凡先生拜访了圣多美和普林西比代表团团长Maria Lourdes女士。这是速8中国自7月26日以来拜访的第12个代表团。团长女士在对C区住宿服务表达了高度评价后，与房总互赠礼物，一个由团长女士亲手缝制的充满东方风情的布娃娃和象征中国传统艺术的京剧脸谱让中圣友谊在此刻交融。

篇4

汪建成：从宏观来看，未成年人犯罪呈现出手段暴力化、主体低龄化、财产犯罪比例上升，并且在组织形式上呈现出日趋团伙化的趋势。

具体到未成年人在娱乐场所的犯罪而言，首先，犯罪行为类型及其牵涉到的罪名主要为寻衅滋事、聚众斗殴、诈骗、抢劫、、非法拘禁、故意伤害等罪名。而这其中又表现出聚众犯罪的倾向。其次，涉案的未成年人绝大多数处于失学、失管状态，社会闲散人员和农村籍未成年人比例较大，这些未成年人中有不良行为者居多。另外，部分未成年人进入娱乐场所务工或兼职，但对于娱乐场所的性质和危害认识不足，在从众心理和经济诱惑影响下，容易在同学、朋友等朋辈群体中引起连锁反应，竞相效仿，形成“亚文化”群体。

《检察风云》：未成年人对于事物的认识能力有限，面对诱惑和不良影响时的意志也较为薄弱，这些都是未成年人容易失足的主观原因。那您认为未成年人犯罪背后是否还存在更深层的社会原因？

汪建成：我认为对未成年人犯罪社会成因的分析应该区分两个群体各自加以讨论。

对于处在正常成长环境和教育环境的未成年人来说，国民基本素质教育的缺乏是导致其面对复杂的社会现象和不良影响时应对能力不足的原因。目前我国的教育系统在未成年人思想品德的培养上偏重抽象、空泛的理想教育、政治教育，而一些诸如公民责任意识、安全意识、合作意识以及预防突况的应对常识等国民基本素质教育长期处于被忽视的地位。这导致了未成年人在初涉社会时欠缺足够的判别是非和保护自我的能力，因而增加了其实施犯罪行为的风险。而对于具有不良行为或者已经涉嫌犯罪的未成年人，尽管我国早已在立法上出于保护未成年人健康成长的考虑而确立了教育感化为主的方针，但社会各界对待未成年人犯罪的心态和观念却远远落后于立法的变化。在未成年人犯罪问题上，法律的规范作用仅仅是一个方面，而另一方面，社会对此类犯罪所持的不宽容态度，也容易导致诸如标签化等社会问题，从而使得涉罪未成年人重新融入社会的过程受到阻碍。这种立法与社会观念之间所存在的究竟以感化为主还是惩罚为主的冲突，表明在妥善解决未成年人犯罪问题上还有待社会心态的宽容和观念的更新。

《检察风云》：未成年人犯罪不仅在我国是一个有待破解的难题，而且在世界范围内都普遍存在。您是否可以结合国际社会的实践经验来谈谈新修订的刑诉法中的相关规定？

汪建成：事实上，早在1985年中国就作为发起国和缔约国促成了《联合国少年司法最低限度标准规则》，并因其1984年于北京召开的“青少年犯罪与司法”专题专家会议上经讨论、修改而定稿，故又称《北京规则》。《北京规则》的宗旨，要求会员国采取的社会改革应努力促进少年的福利，尽量减少司法干预，对触犯法律的少年给予有效、公平、合乎人道的处理，既保护青少年的健康成长，又维护社会的安宁秩序。该规则的制定本身就集中了各国青少年立法的成功经验，因而受到国际社会的广泛重视和支持，对促进会员国建立和健全少年司法制度做出了重要贡献。

我国新修订的刑诉法中专门规定了未成年人犯罪诉讼程序，这是我国未成年人刑事司法制度史上的一个重大里程碑，彰显了国家对未成年人犯罪问题的重视以及对未成年罪犯进行“教育、感化、挽救和改造”的方针。然而，对比《北京规则》，我们依然要承认目前的立法成果与公约的要求存在差距。

例如，这次修订中确立的犯罪记录封存制度就还有改进的空间。诚然，犯罪记录封存制度为消除未成年人前科记录的不利后果奠定了基础，是刑事诉讼法在未成年人犯罪领域的一次进步。但同样不应忽视，“前科封存制度”并不等同于“前科消灭制度”，后者的重点在于“消灭”，即在一定情况下，将未成年人犯罪记录予以销毁。如此，被国家审判机关依法宣告有罪或者判处刑罚的法律事实不再存在。《北京规则》第19条和第21条均确立了未成年人犯罪的“前科消灭制度”。这一处置将产生多重后果：

一是刑事法上的效果，即在实体法上不能构成累犯、可以适用缓刑、保释；诉讼法上不得作为较轻的程序处置的障碍，且不得将其作为品格证据在法庭上出示等；二是其他法律上的效果，即未成年人不承担因前科造成的民法、行政法上的资格丧失，在就业、学习等方面也不受歧视等。

目前，犯罪记录封存制度的规定不仅与国际公约的规定存在相当大的差距，而且与我国现行的有关未成年人犯罪司法中的一些规定及司法实践中的一些改革成果也有一定距离。

从犯罪记录封存的角度看，在本次修订中将其限定在被判五年以下有期徒刑的范围也过于狭窄。未成年人的犯罪记录封存的价值是保护未成年人的名誉、促进其尽快回归社会，并免受因已经接受过惩罚的犯罪行为再次受到社会的歧视。在决定是否封存时，未成年人的利益始终是价值衡量中需要考虑的首要因素，这也是国际公约关于未成年人利益最大化原则的要求。与此相比，未成年人已然犯罪的危害程度或其人身危险性并不是这一制度的主要考虑因素。也就是说，并不因为未成年人被判更重的刑罚，其犯罪记录就更有被公开的理由。正因为如此，无论是国际公约还是其他国家的立法例，都没有在未成年人犯罪记录的封存上，作轻罪和重罪的区分。

《检察风云》：您对于未成年人的司法保护有什么期待和建议吗？

汪建成：对未成年人的司法保护应该予以重视并落到实处，从司法制度的角度来说，未成年人犯罪特别诉讼程序领域或许可以成为我国司法文明和进步的突破口。例如可以先在未成年人犯罪案件中试行律师讯问在场制度。

篇5

1、人声鼎沸：形容人声喧闹。鼎，古代的一种铜铸的锅，一般是三足两耳。沸，开水。鼎沸，本意是锅中的水烧开了，发出声响，现指人群的声音吵吵嚷嚷，就像煮开了锅。

2、观者如市：形容观看的人多。

3、比肩迭迹：肩膀相靠，足迹相迭。形容人多。

4、人头攒动：人很多，拥挤着移动。一般用于形容某些地方人口密度较大，程度不如人山人海高。

5、前呼后拥：前面有人吆喝开路，后面有人簇拥护卫。多形容旧时官吏出巡时的声势。

6、车水马龙：车像流水，马像游龙。形容来往车马很多，连续不断的热闹情景。

7、接踵而来：指人们前脚跟着后脚，接连不断地来。形容来者很多，络绎不绝。

8、人山人海：人群如山似海。形容人聚集得非常多。

9、人来人往：人来来往往连续不断。也形容忙于应酬。

10、水泄不通：形容拥挤或包围得非常严密。

11、千军万马：形容兵马很多或声势浩大。

12、万人空巷：本指家家户户的人都奔向一个地方；以致住宅空荡荡的。形容轰动一时的盛况。多用来形容庆祝、欢迎的盛况或新奇事物轰动居民的情景。

13、络绎不绝：绝，断。络绎，前后相接，连续不断。()形容车船人马等前后相接，往来不断。

14、川流不息：川：河流、小溪。息：停止，停下。形容人、车马等像水流一样来来往往、连续不断。

15、济济一堂：济济：人多的样子；堂：大厅。济济：形容人多。形容很多有才能的人聚集在一起。

16、门庭若市：门：宫门，家门；庭：朝廷，庭院；若：好像；市：集市，市场。门口和庭院里热闹得像市场一样。形容交际来往的人很多。

17、比肩继踵：挨着；踵：脚跟。肩挨着肩，脚跟着脚。形容人很多，很拥挤。

18、户限为穿：户限：门槛；为：被。门槛都踩破了。形容进出的人很多。

篇6

2、然后选择你的QQ空间图标，点击进入，最新版QQ在最上面。

3、进入QQ空间后最左边可以找到特别关心字样，点击进入。

4、然后可以在最右边查看到你的特别关心人数，这里可以点击分享。

篇7

关键词：关键点检测； 梯度位置朝向直方图； 人体行为识别； 支持向量机

中图分类号：TN91134文献标识码：A文章编号：1004373X(2012)06011904

Human action recognition algorithm based on gradient feature description for interest points

FAN YinDi

(Shannxi College of Communication Technology, Xi’an, 710014, China)

Abstract： A scheme of new human action recognition is presented and its algorithm is performed. The interest points in video sequence are extracted through Gaussian filtering in space of video sequence and Gabor filtering in time axis. The GLOH (gradient location orientation histogram) is adopted to describe the features of the threshold 20×20 region at each interest pointe. The described sequence may feature the video sequence. Comparing with other human action recognition algorithms, only by establishing a single support vector classifier can the algorithm realize the high recognition rate, that is, it need not label the given feature region and use the classification algorithm which wastes time. The algorithm is simple and efficient.

Keywords： detection at interest point; GLOH; human action recognition; SVM

收稿日期：201110260引言

基于视觉人体运动的分析在智能监控、高级人机交互、虚拟现实和基于内容的视频检索分析等方面有广泛的应用前景和潜在的经济价值，已经成为计算机领域中备受关注的研究方向［1］。行为识别可以看作是在空间中时变数据的分类问题，即将测试序列和标记的典型行为的参考序列进行相似性度量，但是人体运动同一行为速度、方向和尺度有可能有变化，好的算法应该能处理相似行为模式在时空中的微小变化。从对人体行为的特征选取，人体行为识别方法可分为2方面：结构化的数据特征（如人体的轮廓序列，人体的躯干分布和人体的局部区域的时间特征）和非结构化的数据特征（如图像人体区域的角点检测、行为序列的关键点检测）［2］。从这两方面看，前者多借助于图像图形处理的方法，而后者多借助于原始信号处理的方法。本文采用非结构化的数据特征，原因在于其关键点检测没有像图像图形处理那么复杂。

用时空关键点表征视频序列，在研究初期存在许多对静态图像的关键点提取［3］，对在视频中的时空关键点检测较少。直到2005年Laptev等人提出基于Harris and Frstner兴趣点算子的时空关键点检测器［4］，虽然这种方法检测到一些时空关键点，但是只产生了少数稳定的关键点不足以描述复杂视频序列的特征。同时Dollár等人提出一种基于分离线性滤波器集合的时空关键点检测器［5］，这种方法不仅使得人体局部区域表征人体复杂的运动模式，而且在关键点的临近视频块中可以生成大量的描述子。Ke等人提出了时空测定体积的特征扫描视频序列，这种方法通过运动矢量检测关键点，而运动矢量需要对光流密集的估计，计算量大不能满足通用的实时性［6］。Oikonomopoulos等人把在空间图像上的特征区域扩展到时空情景中，2个时空特征点集通过chamfer距离比较，得到较好的实验结果［78］。由上文可知基于分离线性滤波器集合的时空关键点检测器，具有描述复杂人体行为的模式的优势和产生丰富的特征描述子的特性，在最近的研究得到了进一步的扩展应用。文献［6，8］中，利用分离线性滤波器集合得到关键点，获取关键点区域的梯度信息，然后在区域的立方体中获得特征描述，再将这些立方体中的特征聚类，使用SVM(Support Vector Machine)或LDA（Latent Dirichlet Allocation）进行分类得到较好的人体行为分类结果。但是文献［6］特征学习需要关键点的标记，文献［8］中运用的聚类算法对多类人体行为非常耗时。

1本文算法介绍

本文实现了一种新的简单有效的人体行为识别算法，不需要预先标记特定的特征区域，也不需要比较耗时的聚类算法预分类。首先使用分离线性滤波器将视频序列中的人体行为运动剧烈的关键点提取出来，然后在这些关键点的20×20的区域中使用梯度位置朝向直方图进行描述，描述序列可以构成描述一种行为的特征向量，使用基于核函数的SVM多分类器，取得良好的识别结果。算法流程如图1所示。

图1算法流程图2视频序列中人体行为关键点检测

关键点的检测最初是用于图像的匹配，而且随后发展成为图像匹配一种主要的方法。但是对静态图像的关键点的检测与对视频序列的关键点检测有很大区别。前者只是检测静态图像的边缘和角点，反映静态图像中不确定目标对象的关键点（如SIFT,Scale Invariant Feature Transform），而后者检测的是视频序列中确定人体行为的运动关键点。本文应用的是分离线性滤波器对视频序列的人体行为进行检测。分离线性滤波器本质是多个滤波器联合处理相关数据信息。对于视频序列的人体行为，可以用多各不同尺度高斯滤波来处理视频序列每一帧图像，即所谓的空间信息滤波，用Gabor滤波来处理空间相同位置时间不同的视频数据信息。本文所用的高斯滤波函数为：g(x,y;σ)=12πσ2e［－(x2+y2)/2σ2］（1）式中：(x,y)为视频图像空间的坐标；σ为高斯滤波的尺度。在时间上的滤波函数用一维Gabor正交对函数：hev(t;τ)=－cos(8πt/τ)e－t2/τ2 （2）

hod(t;τ)=－sin(8πt/τ)e－t2/τ2（3）式中：t为时间的维数；τ为Gabor滤波的尺度。分离线性滤波器对视频数据处理会得到输出响应，响应函数：R=(I*g*hev)2+(I*g*hod)2（4）对于视频片段取固定的空间滤波尺度和时间滤波尺度，每个帧图像的每个像素点都会得到输出响应，为了简便取每一帧最大的输出响应为关键点的所在位置。那么这样是否能表征人体行为的特征，在Weizmann行为数据库中以shahar的10种行为视频作为检测对象。这十种行为是:弯腰、四肢伸展跳跃、跳跃前行、原地跳跃、跑、侧行、单腿跳行、走、单臂挥动、双臂挥动。如图2所示，图中的白点为检测到的关键点，实验时把视频片段的所有帧关键点叠加到一帧图像中，可以看到有非常明显的行为模式，但是有的关键点检测到人体运动范围以外，统计得到这部分点不到5%不影响整体行为模式的表达。

图2人体动作关键点检测3关键点区域梯度特征描述

在检测确定人体行为的关键点后，近一步需要确定人体行为特征向量。特征向量的提取主要分为2个步骤：人体图像帧关键点区域梯度位置朝向直方图的获取；特征向量的选择和归一化处理。

获得梯度位置朝向直方图，首先要计算图像关键点及其领域的像素点的梯度。图像的梯度可使用2个滤波器(-1,0,1)和(-1,0,1)T对图像进行水平和垂直方向进行滤波,获得水平和垂直方向的梯度。由于人体运动状态时刻变化，所以图像帧容易受到噪声的影响。在进行梯度计算时首先要做相关的平滑处理，而进行关键点检测时空间滤波使用高斯滤波本身就相当于给图像帧做平滑处理，这里直接应用即可。根据图像各点在水平和垂直方向上的梯度值Dxi和Dyi,计算出各点梯度的幅值Mi和方向θi。Mi=D2xi+D2yi （5）

θi=tan－1(Dyi/Dxi)（6）考虑到视频图像中人体行为有效梯度信息都集中在人体运动最剧烈的像素附近,关键点区域可能完全落在人体运动区域外没有意义的区域。因此,为降低局部噪声的影响,去除关键点区域图像局部细小的波动特征,需要对梯度的幅值进行限定。为计算梯度朝向直方图,图像中梯度的方向角也被归并为8个方向。

得到关键点区域梯度后，假设一个序列长度l， 可以确定l各区域。使用区域内各点的梯度作为权向量，计算各区域内不同梯度朝向的直方图Hk：Hk=∪j=1,2,…,8∑j,i∈QlMi （7）式中：l为关键点区域的数目；Ql表示第l各区域内所有的像素点；j为并归后当前梯度方向。

最后将各个视频图像帧人体行为区域的梯度朝向加权直方图进行归一化处理，通过各个值除以直方图的最大值，映射到［0,1］区间内作为该区域的特征向量。整个人体行为可以用序列各关键点区域特征联合描述。为保留行为的空间和时间信息，将各个区域的特征向量按固定顺序排列成一个行向量:D=［H1,H2,…,Hl］（8）描述整个人体行为的特征向量的维数为l×N,N为梯度朝向的归并数目［9］。

4人体行为的多类识别

支持向量机具有完美的数学形式、直观的几何解释和良好的泛化能力，解决了模型选择与欠学习、过学习问题以及非线性问题，避免了局部最优解，有效地克服了“维数灾难”，且人为设定参数少，便于使用，已经成功的应用于许多分类、识别和回归问题［1011］。设给定样本集xi∈Rn，输出分类结果yi∈{－1,1}，i=1,2,…,l和核函数K(xi,xj)。K对应特征空间Z中的内积，即φ(xi),φ(xj)=K(xi,xj)。变化φ:x－>Z将样本从输入空间映射到特征空间。设计基于SVM的分类器就是在Z中寻找一定意义下的最优超平面w,φ(x)－b=0。具体来说就是样本集在Z中线性可分，使得分类间隔最大，求条件：yi(w,φ(xi)－b)≥1,i=1,2…,l时下式的解：minw,b,ξ12w2（9）当样本在Z中线性不可分时，使分类间隔和分类错误达到某种折中。求条件：yi(－b)≥1－ξi，ξi≥0,i=1,2…,l时下式的解：minw,b,ξ12||w||2+C∑li=1ξI（10）式中：ξi为松弛变量；C为正则化参数。本文中取核函数为高斯径向基函数：K(xi,xj)=exp(xi－xj2/σ2)（11）以上针对2类的分类过程，要实现多类人体行为的分类，需要构建基于SVM的多分类器。构造若干个SVM二值分类器是解决多值分类的最基本的方法，这类方法目前主要有2种分支算法，1对多（oneagainstrest，简称1ar）算法和1对1(oneagainstone，简称1a1)算法。1ar算法定义：对于N类问题，构造N个2类分类器，第i个分类器用第i类训练样本作为正的训练样本，将其他类的训练样本作为负的训练样本，此时分类器的判决函数不取符号函数，最后的输出是N个2类分类器输出中最大的那一类。本文实验就是基于此方法构建的SVM的人体行为分类器。

5实验结果分析

本文实验使用Weizmann行为数据库对算法进行分析测试，Weizmann行为数据库包括9个人体的10种行为，每个人体有10种行为的视频片段。这些视频片段长度不一致，如果取视频序列的整体提取特征会使得特征长度不一致，而且人体的行为在运动有一定的重复性。所以取多少维的特征向量和最优分类器参数（C，δ）影响着分类计算的时间和分类器的泛化能力。根据人体行为的时空连续性，取特征区域的数目l从10到33（选取最佳区域数目）。在进行分类参数选择时，将样本分随机的十组，设定（C，δ）的搜索区间为（C：0.001~1 000，δ：0.001~1 000）,进行交叉比对测试,通过所有交叉检验准确率(CVA,Cross Validation Accuracy)平均值最高的分类器的(C,δ)的值作为最优参数。实验取训练样本200个，测试样本100个，表1为各种行为在特征区域的数目l为10，20，30和最优参数(C,δ)下最高识别率。表1中l为特征区域的数目，sbl为识别率，xw为行为种类。由上表兼顾计算量实验取30个特征区域，最优参数(C,δ)取各识别情况下均值即（0.98，1.23），重新构建分类器平均识别率可达81%以上，识别的平均时间在0.2 s左右。在识别过程中一些行为模式比较复杂如跑与侧行涉及到的身体运动不是一个关键点能够表达的，所以识别率比较低，影响平均识别率下降。但是算法有较明显的优势，与文献［3，56］识别算法比较，关键点特征选取不需要标记特定的特征区域; 与文献［5，8］识别算法比较,不需要耗时的聚类算法进行特征的预处理，构建单个支持向量多分类器即可达到较好的识别率。

6结语

本文提出了一种新的人体行为识别方案，首先使用分离线性滤波器将视频序列中的人体行为运动剧烈的关键点提取出来，无需特别的标注。然后在这些关键点的20×20的区域中使用梯度位置朝向直方图进行描述，描述序列可以构成描述一种行为的特征向量，无需对这些特征向量聚类，直接使用基于核函数的SVM多分类器，取得良好的识别结果。在下一步工作中，将需求更加可靠的特征取代梯度特征描述，降低特征向量维数，提高算法性能。

表1不同特征区域的数目下各种行为识别测试对比%

xwsbll102030bend1008880jack60100100jump569196pjump409699run648589side709598skip586578walk789497wave1558892wave2889599

参考文献

［1］凌志刚,赵春晖,梁彦,等.基于视觉的人行为理解综述［J］.计算机应用研究,2008,25(9):25702578.

［2］蔺广逢,张二虎,顾桓,等.基于功率谱密度的人体运动状态检测 ［J］.计算机应用,2008,28(5):12691271.

［3］SCHMID C, MOHR R, BAUCKHAGE C. Evaluation of interest point detectors \[J\]. International Journal of Computer Vision, 2000, 2(37): 151172.

［4］LAPTEV I. On spacetime interest points \[J\]. International Journal of Computer Vision, 2005, 64(2/3): 107123.

［5］DOLLAKA R P, RABAUD V, COTTRELL G, et al. Behavior recognition via sparse spatiotemporal features \[C\]// Proceedings of 2nd Joint IEEE International Workshop on Visual Surveillance and Performance Evaluation of Tracking and Surveillance. \[S.l.\]: IEEE, 2005: 6572.

［6］KE Y, SUKTHANKAR R, HEBERT M. Efficient visual event detection using volumetric features \[C\]// Proceedings of the Tenth IEEE International Conference on Computer Vision. Los Alamitos: IEEE Computer Society, 2005: 166173.

［7］OIKONOMOPOULOS A, PATRAS I, PANTIC M. Human action recognition with spatiotemporal salient points \[J\]. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 2006, 36(3): 710719.

［8］NIEBLES Juan Carlos, WANG Hongcheng, LI Feifei. Unsuspervised learning of human action categories using spatialtemporal words \[J\]. International Journal of Computer Vision, 2008, 79(4): 299318.

［9］云廷进,郭永彩,.基于图像局部区域梯度特征描述的红外人体识别算法［J］.光学技术,2008,34(3):441444.

篇8

人类区别于动物的特征：

非比寻常的大脑。把我们跟其他动物区分开来的一个最显著特征，就是我们拥有的与众不同的大脑。直立行走。直立行走是人类区别于其他灵长类动物的独特特征。火。人类有了控制火的能力后，火光使黑夜变得像白天一样明亮，它使我们的祖先在非常黑的地方能看清眼前的东西，让喜欢夜间活动的食肉动物不敢靠近他们。脸红。人类是唯一一种知道脸红的动物。

（来源：文章屋网 ）

篇9

何谓特别提款权

特别提款权的核心问题是份额分配，份额比例代表了持有国在IMF的投票权，一定程度上等同于该国在国际货币体系中的发言权。

特别提款权（Special Drawing Right, SDR）是国际货币基金组织于1969年创造的一种国际储备资产，用以补充成员国的官方储备。它依据各国在IMF中的份额进行分配，可以供成员国平衡国际收支。特别提款权本质上是IMF分配给会员国的一种应对国际收支逆差的资金使用权利，会员国发生国际收支逆差时，可用它向IMF指定的其他会员国换取外汇，以偿付国际收支逆差或偿还IMF贷款。特别提款权与黄金和自由兑换货币共同构成一国的国际储备。特别提款权还是IMF和其他一些国际组织的记账单位。特别提款权可以由成员国、IMF和某些指定的官方实体持有和使用，但不能由私人实体或个人持有。

特别提款权的创立源于1960年代的美元危机和布雷顿森林体系的天然缺陷，二者共同推动了当时国际货币体系的改革。改革的过程是西方大国角力的过程：美国和英国为代表的一方以维持美元和英镑日益衰落的地位，防止黄金进一步流失为目的，强调问题的源泉是国际货币和黄金相对国际贸易发展的流动性不足；另一方以法国为首的西欧国家则强调问题并非流动性不足，而是美元通货泛滥，美国有责任消除其国际收支逆差，并推动建立以黄金为基础的储备货币单位，替代美元的地位。最终的结果是以比利时提出的折中方案为基础，通过增加各国在IMF的自动提款权，推动其成为储备和流通货币，即特别提款权。该方案在两方的激烈对抗中，最终于1969年的IMF年会通过。

特别提款权的核心问题是份额分配问题而非数量和价格问题，因为成员国持有特别提款权的比例决定了其在IMF的投票权大小。根据《国际货币基金组织协定》，特别提款权由IMF根据成员国在世界经济中的相对地位进行无成本的按配额分配，形成成员国向IMF出资的最高上限，并关系到其从IMF获得贷款的最高限额。特别提款权也可以在限额内由IMF指定成员国间进行买卖，成员国可以从持有额和配额差额获得利息，持有额超过配额，则该国可从超出部分获取利息，反之则需对不足部分支付利息。

该制度建立以来，IMF一共做出三次特别提款权普遍分配的决定。第一次是在1970～1972年间分配和拨付了93亿特别提款权，第二次是在1979～1981年间分配和拨付了121亿特别提款权，第三次普遍分配是2009年通过的数额1612亿的特别提款权分配。此外，为给予不断增加的新成员国平等地位，IMF于1997年提出了特别提款权的一次性特别分配方案，并于2009年实施。至今，特别提款权份额为2379亿SDR，折合约3734亿美元（2011年11月18日汇率）。从全球官方储备资产来说，特别提款权的占比并不高，其2010年占比为3.8%，而黄金占比为10.1%，储备货币占比为86.1%。

表1是目前投票权前15位的国家持有的特别提款权和投票权情况。IMF对一般事务讨论需要70%投票权的支持，重大改革则需要85%以上的支持率。这里讨论的份额变动与篮子货币改革均属于重大改革，也就是说美国以16.82%的投票权成为唯一对这些重大事务拥有否决权的成员国；而欧盟或欧元区拥有潜在否决权，因为其进入表1的六个国家即有23.2%的投票权。

特别提款权的份额会根据全球经济发展进行适时调整，并由IMF决定分配额度。IMF理事会一般会定期进行份额检查，对份额的充足性进行评估，并调整成员国的份额，以反映它们在世界经济中相对地位的变化。基于最近一次份额检查的预估结果，IMF于2010年11月公布了最新的改革计划，执董会建议将总份额规模增加一倍，达到约4768亿特别提款权，按目前汇率约合7482亿美元（我国2011年3月外汇储备已突破3万亿美元），并对成员国的份额比重进行重大调整，从发达经济体向新兴经济体和发展中国家，以及代表权过低的欠发达国家转移超过6%投票权。预计该项改革在2012年完成，届时中国的份额有望提升到6.19%，在美国和日本之后列世界第三位。

因此，可以说特别提款权是依照IMF成员国经济发展水平确定的一种额度有限的特殊储备货币，需兑换成通用储备货币方可使用。特别提款权的份额经IMF统一有限度按比例分配，代表了成员国的投票权，亦即在当前国际货币体系中的发言权。

特别提款权如何定价

特别提款权通过篮子货币币种和权重选择决定其估价水平，并根据篮子货币的汇率变动确定当日价格。权重由篮子货币的贸易结算和国际储备量决定。

自创立以来，特别提款权定价经历了三个阶段（图1）。第一阶段自创立至1974年，特别提款权创立时与金价挂钩，与美元等值，即35特别提款权折合1盎司黄金，之后随着美元的贬值，仅在1971年和1973年做过两次微调。第二阶段自1974年7月至1980年底，在美元持续贬值，主要货币纷纷实行浮动汇率制的背景下，特别提款权改用16种货币组成的“一篮子”货币计价，篮子货币的选择以商品和服务贸易总额五年内平均达到全球1%以上为准则，包括美元、英镑、日元、法国法郎、联邦德国马克、意大利里拉、加拿大元、荷兰盾、比利时法郎、瑞典克朗、挪威克朗、丹麦克朗、西班牙比塞塔、奥地利先令、南非兰特和澳大利亚元，期间，曾在1976年进行微调，以沙特里亚尔和伊朗里亚尔替代丹麦克朗和南非兰特。第三个阶段是1981年至今，为简化计算，稳定币值，特别提款权缩减为仅与美元、德国马克、法国法郎、英镑和日元五种货币挂钩，2001年调整周期内则由于欧元的使用，进一步缩减为与四种货币挂钩。

自1978年以来，特别提款权形成了相对稳定的定价机制。IMF执行董事会每五年对特别提款权的定价和权重进行检查，并确定组成货币篮子的种类和权重变更（年份尾数逢0和5检查，逢1和6实施新权重）。特别提款权的定价原则要求：特别提款权应当与主要货币的比价保持稳定，构成货币篮子的币种保持相对稳定，定价方法具有连续性。计算篮子货币权重则遵循如下两条原则：货币权重反映其在国际金融和贸易领域的重要程度，单一货币权重不应过度影响特别提款权的稳定性。

具体来说，IMF以篮子货币国在国际货物和服务贸易结算中的比例（五年平均），以及该币种在国际储备中的比例（五年平均）两个指标来计算权重。长期以来，结算和储备对权重的影响力平均在3∶1（74∶26）左右，其中，国际储备的影响力在上升，国际结算的影响在下降。确定权重后，特别提款权的具体价格每日公布，按照当日篮子货币在伦敦外汇市场中午报价进行计算，与美元的比价为基准。2011年11月18日的比价是1美元折合0.63726SDR，换算为1人民币折合0.10028SDR。特别提款权利率则每周按照篮子货币在货币市场短期债务代表性利率加权平均确定，用于特别提款权计息，以及确定向成员国提供贷款的利率，2011年11月18日的利率是0.22%。表2是1981年以来篮子货币权重的变化情况，美元权重基于其储备量的稳定高比例而基本保持了四成以上，欧元权重由于其结算量的快速提升而有所提高，日元比例相对下降，英镑比例保持稳定。

因此，在篮子货币选定之后，特别提款权的定价只是一个技术问题。当前，IMF的财务部门和研究部门仍在通过计量方法考虑篮子货币的改革问题，包括从技术上判断人民币纳入篮子货币的可行性，以及扩大确定货币权重的参考指标等问题。

特别提款权是否选择人民币

特别提款权篮子货币的选择是政治经济问题，货币的权重计算则是技术问题。人民币加入特别提款权篮子货币应当是中国经济金融发展的自然过程。

特别提款权篮子货币的选择是政治经济问题，货币的权重计算则是技术问题，因此可以从政治诉求和技术选择两个方面讨论人民币加入特别提款权篮子货币的动因和可行性。

政治诉求方面，提高人民币国际地位不仅是我国经济快速发展的必然选择，也是西方发达国家实现自身利益的重要途径。在以美国次贷危机为先导的此次经济危机中，美元为主导的国际货币体系受到了进一步的质疑，对IMF进行改革的呼声日益高涨，弱化美元和强化多元货币体系是多数国家的心声，推动人民币国际化和纳入篮子货币是弱化美元的重要步骤，为此各方持有不同心态。法国总统萨科齐在南京“G20峰会”上高调支持人民币纳入特别提款权篮子货币，反映出法国希望再次主导上世纪70年代美元危机和国际货币体系改革以来的又一次国际货币体系的重大改革，从而掌握更多主动权，提高法国的国际地位。美国原则同意这一动议，一方面是由于从动议到现实有漫长的技术过程，另一方面，加入特别提款权的过程有利于美国插手人民币国际化和我国内部经济事务，推动人民币汇率朝自身需求方向变动。IMF则更多从完善特别提款权定价机制、稳定性、代表性和其认可度方面考虑人民币的纳入问题。2009年以来，我国央行的态度从积极要求逐渐转变为有诉求但冷静对待，因为一方面发现加入特别提款权的政治和制度问题，另一方面发现改革更为核心问题是IMF投票权问题，即持有特别提款权的份额大小，而非其定价是否与人民币有关。

从技术层面来看，人民币能否加入特别提款权货币篮子以及如何影响定价，有一整套现行的准则和程序约束，虽然人民币加入的相关技术讨论近年来已有多次，并在2010年末的变革权重报告中有包括人民币可兑换、离岸市场和国际化进程的专节讨论，但这在IMF规则不做重大调整的前提下将是一个漫长的过程。IMF的技术标准是篮子货币必须是可自由使用货币（Freely Usable Currency），即能够在国际支付和清算中广泛使用，同时能够在外汇市场自由频繁交易，此外还有一条潜在规则，不能和现有篮子货币有钉住关系（即汇率形成不能钉住美元或其他三种篮子货币）。人民币加入的动因来自中国已成为排名第二位的国际经济和贸易大国，从经济贸易代表性来说非常有必要纳入，以保证IMF和SDR的代表性；但是从技术上看，我们一个条件也没有满足：中国是全球贸易大国，但并不是人民币结算和交易大国，2010年人民币的交易结算量仅占全球总量的0.16%；未实现自由兑换的人民币也无法自由频繁地在国际外汇市场交易；此外，人民币的汇率形成机制实质上还需进一步摆脱美元的影响。因此从技术上来说，自由使用虽不要求自由兑换，但基本等同于自由兑换，甚至比自由兑换更为严格，因为可自由兑换货币有多种，但不都是可以在全球交易和结算中被广泛接受和使用。这是人民币进入篮子货币的技术障碍。IMF的程序规则是篮子货币变动每五年一讨论，如果人民币国际化步伐不变，实现技术条件应当在五年之后，人民币进入篮子则是十年之后的事情。

人民币纳入特别提款权应当说是我国经济发展、金融改革推进和人民币国际化道路中的一个自然过程。是否纳入，更多的是影响特别提款权的代表性和稳定性，进而影响IMF的运行和代表性，与人民币本身没有太大关系。我们在以IMF改革为代表的国际货币体系改革中的核心利益是特别提款权份额问题和话语权问题，而不是特别提款权的定价问题。因此，从政治诉求上来看，我们完全可以把这一主动权交给IMF和“热心”的发达国家；从技术层面来说，我们也可以把这一耗时耗力的判断过程放心地交给IMF的高薪专家们。我们的工作是――有步骤地稳步推动人民币以中国特色的方式逐步实现国际化。

篇10

[关键词] 生物特征 指纹 虹膜 人脸 声音 签名

0 引言

随着电子、计算机、网络和通讯技术日新月异的发展，电子信息的安全性也变得越来越突出，人们注册网络服务、网上购物、银行取钱、消费刷卡等都需要进行身份的识别。传统的身份识别使用的密码、口令、智能卡、证件等，其安全性受到限制，存在丢失、被盗用和复制等诸多问题。由于人的生物特征具有唯一性和稳定性的特点，并且可随身携带、不易被盗、不易被伪造、不易丢失，所以生物特征识别成为目前最安全的身份认证技术，传统的身份识别手段将被它所超越和替代。

生物特征识别技术是使用计算机及相关设备，利用人体本身特有的行为特征和（或）生理特征，通过模式识别和图像处理的方法进行身份识别。生物特征分为生理特征和行为特征，生理特征为先天性的，行为特征则为后天性的。生理特征是人体器官本身固有的特征，不随主观意愿和客观条件发生改变。目前，利用人体生理特征的识别技术主要有人脸识别、人耳识别、虹膜识别、指纹识别、手掌识别、视网膜识别等。行为特征是人的动作特征，是人们在长期生活过程中养成的行为习惯，利用人体行为特征的主要识别技术包括声音识别、笔迹识别、步态识别、击键识别和节奏识别等。

1 常用的人体生物特征识别技术

1.1 生理特征生物识别

1.1.1人脸识别

人脸识别是通过采集人的脸部图像，由计算机从脸部图像中提取其面部特征信息，并与数据库中的特征进行比对匹配。人脸识别主要过程：人脸检测定位提取面部特征将待识别人脸特征与人脸数据库征进行比对匹配。

人脸检测定位是将图像分为人脸区域和非人脸区域两部分，从中分离出人脸的图像。检测的图像分为静态图像（人体和场景都是静止）和动态图像（人体在运动过程中），人脸检测定位分为静态图像的人脸检测定位和动态图像的人脸检测定位。

提取面部特征是对人脸的大小、轮廓线、位置等提取其特征信息。最常见的方法是先找出两只眼睛的中心位置，再对人脸进行归一化处理，最后提取特征信息。

人脸识别是将待识别人脸的特征或图像与数据库中人脸有关的特征值或图像进行比对匹配。

1.1.2 人耳识别

人们习惯上所说的耳朵，就是外耳的耳廓，是人耳识别的对象。人耳识别主要过程：人耳图像采集对采集的图像进行预处理对图像中人耳的边缘进行检测和分割提取外耳轮廓和特征点信息将待识别人耳图像与数据库中人耳图像比对匹配等。

人耳识别类似于人脸识别，但不因表情变化而受影响，因此稳定性好于人脸识别。

1.1.3 虹膜识别

虹膜是一个位于眼睛瞳孔和巩膜之间的环状区域，人眼图像中虹膜区域的冠状物、环状物、斑点、皱纹形成了特有的纹理，是人眼的典型特征，具有稳定性、唯一性、非侵犯性、可采集性、高独特性、高准确性、防伪性好、易使用性等优点。人的一生中虹膜几乎不发生变化，并且每个人的虹膜结构各不相同。虹膜识别在错误率和识别率等方面与其他的生物特征识别相比，其性能指标都优于其他的生物特征识别技术。

虹膜识别主要过程：采集虹膜图像对虹膜进行定位、归一化和增强等预处理提取特征信息进行特征编码将数据库中虹膜模板的特征向量与待识别的虹膜特征向量进行匹配（也就是将数据库中虹膜模板与待识别的虹膜进行相似性比对，如果相似性达到某一程度时，便认为这两个虹膜图像是来自同一只眼睛）。

1.1.4 指纹识别

指纹是手指末梢纹路的图案，指纹中的谷、脊和纹路的起终点、分叉点、中断处、转折点、汇合点等特征点提供了指纹识别的信息，在指纹中有非常详尽的特征值，可以用来辨别人的身份。指纹识别是最古老、最成熟的生物特征识别。指纹鉴定已经被官方所接受，目前，全球范围内都建立了罪犯指纹数据库和指纹鉴定机构，指纹识别已经是司法部门进行鉴定身份的有效手段。指纹识别技术通过分析指纹图像的局部特征和全局特征进行身份识别认证。

指纹识别主要过程：指纹图像采集将采集的图像进行预处理提取特征信息将待识别指纹特征值与数据库中的指纹特征值进行匹配比对。

指纹识别与其他生物特征识别相比，识别精度高，具有稳定性、唯一性等优点。据介绍，每一个人的指纹都不一样，人的指纹通常在出生9个月后成型而且终身不变。缺点是采集或识别有些群体或有些人的指纹较难，且指纹存在被盗取复制的可能。

1.1.5 手形识别

手形识别是利用手指的长度和不同部位的宽度、手掌厚度和宽度等手的外部轮廓所构成的几何图形进行识别。掌纹的特征信息多于手形，手形识别可以结合掌纹特征，手掌纹理特征的引入，可以取得更高的识别率和可靠性。手形识别系统也可将指纹特征信息引入，构成多生物特征识别技术的融合系统，识别结果将更为可靠的。

1.1.6 视网膜识别

眼球后部细小的神经就是视网膜，因为每个人的视神经分散程度不一样，所以身份识别可以使用视神经作为特征。由于视网膜不可能伪造，人的视网膜从三岁起就终身不变，并且在外部不可见，因此作为身份识别特征具有极大的准确性。同虹膜识别技术一样，视网膜识别技术具有很高的可靠性。

视网膜识别主要过程：采集视网膜上的视神经分布情况提取特征信息将待识别的视神经特征信息与数据库中视神经的特征数据进行比对匹配。

1.2 行为特征生物识别