介绍了使用ST-LINK调试器调试STM32系列单片机的时间线功能及在EWARM集成开发环境中的参数设置技巧,以及一个在直流无刷电机控制系统中定位与时间相关的软件问题的应用实例。实验结果表明,ST-LINK系列调试器以低廉的价格,提供了强大的调试功能,可以快速定位软件的问题,提高软件开发的效率与质量。 中断图６第一中断应用同样的方法，可以获得对变量ＬＣＤ＿ｗｅｌｃｏｍｅ＿ｍｅｓｓａｇｅ＿ＵＩ＿ｃｏｕｎｔｅｒ执行写操作的详细时间信息，分别如图９～图１２所示。第１次、第２次、第３次、第１１次写操作发生的时间分别为，第１次写操作在程序初始化时将其赋值为１０；本文由全自动缩管机张家港缩管机网站 转载中国知网整理! http://www.suoguanji.name    定时器启动以后每１００ｍｓ操作将其值减１，直到为０。第３次与第２次之间的实际时间与理论值有－１０６３．６２μｓ的误差，相对误差为－１．０６３６２％；第１１次与第２次之间的实际时间与理论值有的误差，相对误差为据此，可以认为程序通过软件延时对变量Ｌ的操作在时域的误差较大，因此导致液晶屏的显示出现问题。经修改相关的程序后，减小了对变量ｒ的操作延时误差，将相对误差的最大值降低到０．２％，程序经过１０００次的反复测试，识别系统应用设计-电动数控滚圆机滚弧机张家港电动缩管机液压缩管机液晶屏的显示没有一次出现随机性的异常，可以认为软件的问题已经得到修复。结语ＳＴ－ＬＩＮＫ系列调试器以低廉的价格提供了强大的调试功能，可以快速定位软件的研究了灰度值、中值滤波的图像预处理方法和Haar特征提取思想计算多尺度下相同特征。本文基于Adaboost算法针对同一个训练集训练不同的分类器,并将弱分类器进行集合,构成一个更强的最终分类器,实现了脸谱识别系统。通过验证脸谱识别系统,实现了对视频流中脸谱的准确定位,达到了无拖影、噪声少及识别准确的预期。 脸谱识别训练算法很重要的一方面是特征选龋选取的特征为特征，其分为三类：边缘特征、线性特征及中心特征，组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。在确定了特征形式后，征的数量就取决于训练样本图像矩阵的大小，特征模板在子窗口内任意放置，一种形态称为一种特征，找出所有子窗口的特征是进行弱分类训练的基矗Ｈａａｒ－ｌｉｋｅ特征如图１所示。图特征计算积分图计算方法是Ａｄａｂｏｏｓｔ识别训练算法的重要组成部分，利用样本的Ｈａｒｒ－ｌｉｋｅ特征进行分类器训练，得到一个级联的ｂｏｏｓｔｅｄ分类器。训练样本分为正例样本和反例样本，其中正例样本是指待检目标样本，反例样本指其他任意图片，所有的样本图片都被归一化为同样大校每个特定分类器所使用的特征用形状、兴趣区域中的位置以及比例系数来定义。每个矩形框内的象素和都可以通过积分图象很快计算出来脸谱识别Ａ算法框架可以分为三大部分：第一部分，使特征表示人脸，使用“积分图”实现特征数值的快速计算；第二部分，使用Ａｄａｂｏｏｓｔ算法挑选出一些最能代表人脸的矩形特征的识别系统应用设计-电动数控滚圆机滚弧机张家港电动缩管机液压缩管机本文由全自动缩管机张家港缩管机网站 转载中国知网整理! http://www.suoguanji.name