Efficient PERCLOS and Gaze MeasurementMethodologies to Estimate Driver
Attention in Real Time
Sanka Darshana, Dileepa Fernando, Sadari Jayawardena, Sandareka Wickramanayake, Dr. Chathura DeSilva
Department of Computer Science &Engineering
University of Moratuwa
Moratuwa, Sri Lanka
sankadarshana@https://www.doczj.com/doc/da15821070.html,, fdileepa@https://www.doczj.com/doc/da15821070.html,, sadari.jayawardena@https://www.doczj.com/doc/da15821070.html,, sw0900@https://www.doczj.com/doc/da15821070.html,,
desilvacr@https://www.doczj.com/doc/da15821070.html,
Abstract—Drivers not being cautious enough is one of the major reasons for many of today’s fatal road accidents. Drivers being fatigued or distracted have been identified as the main two reasons behind drivers losing their attention. PERCLOS and gaze estimation are two visual cue based parameters which can be used to estimate driver drowsiness and distraction respectively. This paper describes advanced and efficient methodologies for obtaining these two parameters. We use an infrared sensitive camera equipped with infrared LEDs in obtaining visual features of the driver. In PERCLOS estimation, for each frame, edge detected eye images are classified using a linear support vector machine. Exponentially smoothed vertical and horizontal movements of the pupils are taken into consideration in gaze estimation. The proposed methodology for eye state detection achieves real time recognition accuracy 83.64% whereas gaze estimation methodology achieves 80.5%accuracy.
Keywords-Drowsiness, Distraction, Fatigue, PERCLOS, Gaze, SVM, Binary PCA
I. I NTRODUCTION
Nearly 1.3 million people die each year due to road accidents around the world. In addition, 15-20 million are injured or disabled. It has been calculated that 10% to 20% of traffic accidents with driver fatalities are caused by driver inattention [1]. Drowsiness and distraction of drivers can be identified as the main causes which make drivers lose their attention behind the steering wheel. Among different approaches for monitoring driver attention, visual cue based methods have attracted attention because they are totally non-invasive and can be used to predict drowsiness or distraction before they adversely affect driving. In this approach different parameters are estimated using typical features of sleepy and distracted drivers. Some of the parameters to detect drowsiness are PERCLOS, yawning frequency and nodding off level. Parameters for distraction detection (E.g. - looking away) are gaze score and head orientation angles.
This paper presents advanced and efficient approaches of estimating PERCLOS and gaze score of the driver. PERCLOS means PERcentage of eyelid CLOSure - The proportion of time that the subject’s eyes are closed over a specific period of time (E.g. - 3mins). Gaze score is related to the position of the pupils of the driver. These parameter estimations begin with face detection. The next step of the process is detecting eyes. One of the key reasons for first identifying the face area is it narrows down the search area for other facial features. This paper provides efficient ways for these detection processes as well.
The second section describes work related to our research. In the third section we present our approach for face detection. Sections IV and V describes PERCLOS estimation and gaze estimation respectively. In section VI we present the results of our research.
II. RELATED WORK
There is much prior work in face detection. The three major methods are template matching, using skin color and using the Viola Jones algorithm. Template matching is a straight forward approach for face detection [2]. During the matching process, atemplate is convolved with the sub images within the input image to find the probability of similarity[2].Skin pixel extraction process defines a set of bounding rules to identify skin-like pixels for a given color space. Shabnam Abtahi et al. [3] suggest using a set of bounding rules for three color spaces –RGB, YCbCr, and HSV- in order to improve efficiency. Cheng-Chin Chiang et al [2]propose a quadratic polynomial model for RGB color space to detect skin-like pixels. Another famous method for face detection is the Viola Jones algorithm which was proposed by Paul Viola and Michael J. Jones [4]. This algorithm is capable of processing images rapidly with high robustness under different illumination conditions. The system developed by Mandalapu and Preeti [5] uses the Viola-Jones algorithm. The Viola-Jones algorithmis provided as a part of the OpenCV library which is an open sourced library aimingat real time computer vision [6]. MATLAB also provides the Viola-Jones algorithm. However Muhammad and Farhan preferred OpenCV over MATLAB because, the OpenCV library has higher processing speed [7].
A lot of work hasalso been done in eye detection. Two broad categories of eye detection are active eye detection which uses IR illumination and passive eye detection which is carried out in the normal light condition. Jaeik Jo et al.
[8]have used IR LEDs to illuminate the driver’s face and then acquiredfiltered image fordriver drowsiness and
2014 Fifth International Conference on Intelligent Systems, Modelling and Simulation
distraction detection. Their study shows that by using IR illumination, we can detect the eyes of drivers who wear sunglasses or eyeglasses. This method can also be used in low light conditions such as night time. Most importantly; this detection doesn’t interfere with the driving process. Considering passive eye detection, Muhammad and Farhanin [7] have suggested “Integro-differential operator” to detect eyes. In their system, they detect eyes in the first frame and in later frames the eyes are tracked in order to enhance performance. Another approach for eye detection is through edge detection algorithms. Wen-Bing et al. in [9] have done such a study using the Sobel edge operator to detect eye region.
Various spatial and temporal approaches have been adopted in eye state detection. A simple method suggested by Wen-Bing Horng et al. in [9] identifies pixels with low saturation values in HSI color space as eyeball pixels. If the search can’t find pixels with low saturation points in the eye region, then the eye is said to be closed in that frame. Vertical projection histogram of an eye image was also used for eye state classification in [10] and [1]. Work carried by Parmar[10] states that the first significant intensity change in the graph corresponds to the eye brows and the second to the iris in open-eye state and the upper edge of the eye in closed-eye state. In the closed eye state, the distance between the first two intensity changes is larger than that at the open eye state. In [1] the downward shift of the vertical projection histogram is used for identifying closed eyes. The above methods need calibration and are highly sensitive to illumination and noise. Muhammad and Farhan et al. [7] propose a temporal approach which correlates the eye regions in consecutive video frames. Reduction in the correlation was observed when a closedeye event occurred. Much research has been carried out in detecting the eye using SVM and extending the result to verify eye image and classify eye state with a similar SVM method. Rui Sun et al.
[11] use two LBP (Local Binary Pattern) templates for open/close eye states and calculate chi square value for each point in the image. Then an SVM is trained with two sets of chi square feature vectors corresponding to two eye states. IlkwonParket et.al. use a two phases SVM to classify open eye, closed eye and non-eye [12]. In contrast to SVM, a back propagation neural network was used for eye and mouth state detection by Y.Ying [13].Since SVM and neural network based methods are problematic with high dimensionality, dimensionality reduction methods such as PCA should be used in advance.
III. FACE DETECTION
The Viola Jones object detection algorithm is used for face detection in our solution. This algorithm can be found in many real time applications that involve face detection. Further, it has shown significant accuracy even in dynamic environments. However, the detection speed of the algorithm was not adequate for real-time processing of high-quality image frames. In order to handle scale variations, thealgorithm scales up the window size and repeat the detection process. Because of this scanning procedure, 20% of the total processing power is consumed by the face detection process. One way to reduce the processing overhead in facedetection is to track the face. Most of the time, movements of the driver’s face between two consecutive frames are smaller when compared to the frame size. Hence we used the location of the face in the previous frame to select a region of interest for face localization the next frame. Our second approach for improving face detection speed was down-sampling the input image. First, the image was convolved with a Gaussian kernel to achieve anti-aliasing. Then even-numbered rows and columns are removed. Since the size of the resulting image is one-quarter of the original image, down-sampling significantly reduces the face detection time.
Multi-view face detection was implemented using two cascade structures- frontal view and left-profile view. In a driving environment, we can assume that the driver’s head will not be rotated from the front space beyond 90 degrees in any direction. Therefore the two cascade structures are sufficient to detect the driver’s face. Frontal face and in-plane rotations were detected using a cascade structure for frontal face. Left-profile cascade structure is sufficient for both left and right profile face detection, because of facial symmetry.
Different detectors -frontal face detector, out-plane rotation detectors, in-plane rotation detectors etc. - in a multi-view face detection system can be executed sequentially or in parallel. Huang et al. [14] presents a high-performance rotation invariant multi-view face detection system which executes detectors for different angles in parallel. In a driving environment, the probability of looking ahead is comparably larger than the occurrence of any other orientation. Hence here a sequential detection procedure is used in which the frontal face detector has the highest priority while the in-plane rotation detector has lowest priority
IV. PERCLOS ESTIMATION
PERCLOS estimation starts with eye detection. Among various eye detection algorithms, the Viola Jones eye detection algorithm gave us the highest accuracy. In order to reduce the processing overhead, the image is down-sampled at first. Instead of tracking the eye, the region of interest for the next frame is defined using face geometry.
The intermediate step between PERCLOS estimation and eye detection is eye state classification. Due to real time issues such as illumination variations and noise,a vertical projection histogram classification is not feasible in real time drowsiness detection. On the other hand, thresholds are highly dependent on human factors. Our approach adopts the machine learning methodology in contrast to a rule based methodology.
In the proposed approach, PERCLOS uses a Support Vector Machine (SVM) to classify the eye state. SVM was
chosen over ANN (Artificial Neural Network) because the maximum margin hyper-plane in SVM provides the maximum generalization accuracy for any probability distribution of training data under certain conditions [15]. After normalizing image size to 60*40, gray scale eye images were subjected to edge detection by using the Sobel operator. A dimensionality reduction was essential to the data set before being fed to SVM. Principal Component Analysis retained about 100-200 dimensions which retained 98% of the cumulative variance alongprincipal component directions. The principal component analysis used was Binary Principal Component analysis [16] in contrast to Gaussian principal component analysis. In Gaussian PCA it is assumed that each pixel follows a Gaussian distribution. This assumption is not valid for binary images. Hence a binary PCA which is based on Bernoulli distribution was used.
The next step of the process was choosing a kernel function for SVM. Since the representative set of training data showed promising results on Linear SVM, it was decided to use alinear kernel in the preceding tasks. Trained SVM was tested against a set of test data picked from the same population as the training set. Results were significant enough to extend the SVM to use in real time. (These results will be analyzed further in the “Results” section.) We were biased towards identifying closed eye images correctly because closed eye is a major indication of drowsiness. Finally, a PERCLOS score was estimated by considering temporal aspect of the images. Exponential smoothing was adapted to weight eye states of previous frames.
( ∑0.8 t-i ec v i) + 0.2 *ec v t (1) The above expression has to be calculated for each frame and should take all the previous frames into account. Computation is made easy by using a cyclic array to store recent scores and using the following recurrence relation to arrive at the current PERCLOS score (PS[t]).
PS[t] = 0.8* PS [t – 1] + 0.2 * ec v t (2) In real time systems there are some practical issues raised. For instance, eye state detection is possible only if a particular frame’s eyes are detected. PERCLOS calculation is carried out for both eyes in a single frame. If at least one eye is closed the ecv (Eye Closure Value) for that frame is updated as 1, 0 otherwise. When an eye is not detected, its state is by default set as closed. According to significant detection of eyes in frontal and profile faces, a negligible number of frames are classified as closed in case of null eye detection. Hence, this would not result in a significant false positive rate.
Eyes are not detected when the head is out of focus (E.g. nodding off or distracted). Since our system marks it as a consecutive closed eye event it would help in raising the drowsiness measure at the appropriate moment. Abnormal shaking of the head creates blurred images which would totally compromise the accuracy of eye state detection. Since these events are less frequent and the other measurements can compensate, the resulting loss of information would not make much damage.
V. GAZE DETECTION
Gaze estimation is carried out in two steps in the proposed methodology.In the first step, the pupils from a given eye region are detected using blob detection. The pupils appear much darker than other regions in the eye when illuminated by IR. Since we are using IR illumination, it makes the detection relatively easy provided that the illumination conditions stay constant and the eye region is detected with high accuracy constantly. The detection process contains four steps.
1. Identifying and separating the eye regions from a
face.(These operations are done on a monochrome image)
2. Applying a threshold and thereby separating the dark
regions.
3. Growing and shrinking the regions so that the noise can
be suppressed.
4. Identifying external contours within a certain range
thereby identifying pupils
The results of each step are shown in Fig. 1.
This method provides efficient results which helps operate in a real time vehicular environment.
The second step is gaze estimation using pupil location. For this we have used the displacement of the pupils’ from their normal position (reference position) which is acquired at the beginning of the system. Using exponential smoothing we have been able to integrate the temporal aspect of the measurement with its spatial counterpart. The major concern in determining the displacement is identifying the correct eye regions. As the eye detection algorithm doesn’t provide an exact location which is recognized as the eye, but gives a region which contains the eye, the boundaries of the regions tend to vary heavily. Therefore it is a major problem to decide the relative position of the pupil inside the eye.
VI. RESULTS
Tracking and down-sampling significantly reduce the processing overhead in facial feature detection. Performance improvement after face tracking and down-sampling are shown in Fig. 2 and Fig. 3 respectively. Accuracy of face
detection at each down-sampling stage is shown in Table I.
Figure 1: Pupil detection steps
Table II shows the results of eye state detection without edge detection, while Table III and IV compares the results of using Sobel and Canny edge detection. Canny algorithm performed well in open eye detection while Sobel algorithm performed well in closed eye detection. Table V and VI differs from Table III, IV only by the compression method.(Binary PCA) Accuracy of using binary PCA is above 50% for all data sets.
Table VII summarizes the results of real time eye state detection. Sobel algorithm out performs Canny algorithm in real time eye state detection.
TABLE I. ACCURACY AFTER DOWN-SAMPLING
Down-sample Factor
Accuracy
2 95.98%
4 96.4%
8 2%
TABLE II. EYE IMAGES WITHOUT EDGE DETECTION
TABLE III. PCA WITH CANNY
TABLE IV. PCA WITH SOBEL
Test-set Accuracy
Train-open 93.71% Train-close 79.71% test-open 73.33% test-close 80% eye-open 86.44% eye-closed 40.43%
Test-set Accuracy
Train-open 100% Train-close 100% test-open 86.67%
test-close 20% eye-open 57.63% eye-closed 55.32%
Test-set Accuracy
Training set 100% Training set
100%
test-open 93.33% test-close 60%
eye-open 51%
eye-closed 87%
Figure 2: Results of face tracking
Figure 3: Speed increase after down-sampling
TABLE V. BINARY PCA WITH SOBEL
TABLE VI. BINARY PCA WITH CANNY
TABLE VII. REAL TIME EYE STATE DETECTION
Sample size Edge Detection Precision Recall
270 Canny-binary
45.45% 5.051% 318 Sobel-binary
78.57% 18.33%
VII. D ISCUSSION
The first method used for performance improvement of the face detection process was face tracking. The latter reduced the processing speed by nearly half when the driver’s head movement with respect to the image was small. There is a significant speed improvement at each down-sampling stage. However there is a tradeoff between performance and accuracy. According to results, down-sampling by 4 gives the best performance and accuracy.
Edge detection is a deciding factor of the performance in eye state classification. Our test/training set consists of eye images of different people captured in different illumination conditions. Here the compression method used was Gaussian PCA (.98 retained variance). Data sets without edge detection (Table II) showed good results generally in both open and closed test sets. Edge detected images performed well in different test sets according to the edge detection algorithm used. Canny edge detected images showed high accuracy inthe open eye set andless accuracy in the closed (Table III).Similarly, Sobel edge detected images showed higher accuracy in the closed eye set. (Table IV).It should be noted that highest aggregated accuracy was reported when the retained variance was 98%.
Change in the data compression methodology increased the aggregate accuracy and the overall precision for edge detected images in contrast to using Gaussian PCA. For Sobel edge detected images, least accuracy reported was 50%. For the closed eye images, accuracy was over 73% (Table V). Corresponding Canny test sets showed high accuracy only in open eye sets in a similar fashion to Canny test sets subjected to Gaussian PCA (Table VI). For each training set, the number of features retained was 200(according to empirical experience). Convergence of log likelihood was -0.5 and -0.3 respectively for Sobel training and Canny training sets. Real time tests for eye state detection reported an overall accuracy of 83.64% with Sobel edge detection (Table VII). Here a sample consists of a consecutive set of video frames.
In order to take the temporal eye state data into account exponential smoothing was used. 0.8 was chosen as the weighting factor by empirical experience. Significant frequency of closed eye events was needed to raise PERCLOS score above 0.9. For example, from 0.2 it needed about five consecutive eye closed frames to raise the value above 0.9. This is a reasonable time with our current frame rate of 6 fps (in debug mode). Exponential smoothing factors can be adjusted based on the frame rate. For instance, in release mode with 12 fps, smoothing factor should be closer to 1.
Finally, we have proved that there is a dependency between PERCLOS score and Drowsiness value. By manually analyzing the drowsy/fatigue instances of sampled frames in driving episodes of 20 people, PERCLOS scores and corresponding drowsiness value (1 for drowsy, 0 for normal) were recorded. A chi-square independence test was carried out to find whether there is a dependency between PERCLOS score and drowsiness value.
Our null hypothesis was that eye closed state and drowsiness value are independent. Frames with PERCLOS score not less than 0.9 were recorded as closed eyes and vice versa.
Here are the results
P(closed)
=196/1745
=0.1123
P(Drowsy)
=181/1745
=0.1037
(Refer (TABLE 8) and (TABLE 9))
DOF = 1
Chi-square statistic
= (56-20)2/20 + (140-176)2/176+(125-161)2/161+(1424-1388)2/1388
=81.1470
P value =0.0000%.
Test-set Accuracy Train-open 100%
Train-close 100%
test-open 93.33%
test-close 50%
eye-open 63%
eye-closed 78.72%
Test-set Accuracy Train-open 100%
Train-close 100%
test-open 86.67%
test-close 10%
eye-open 71.19%
eye-closed 34.04%
TABLE VII-A. EXPECTED VALUES
TABLE VIII. OBSERVED VALUES
Hence, H 0 is rejected with a significance of 0.0000%.
We can conclude that eye closed state and drowsiness value are strongly dependent.
VIII. C ONCLUSION
We have presented an efficient methodology to estimate gaze and PERCLOS for real time driver fatigue detection. Binary Principal Components of Sobel edge detected eye images werefed to LSVM in order to determine eye state.Offline tests for eye state detection achieved 70.99% overall accuracy while real time eye state detection reported a precision of 78.57% and recall of 18.33% with 83.64% overall accuracy. Eye state values were exponentially smoothed to arrive at PERCLOS score. Gaze estimation used IR illumination to detect pupil as a blob. It then tracked the displacement of pupil around vertical and horizontal axes and determined an exponentially smoothed gaze score. We have finally proved that PERCLOS score and drowsiness are strongly dependent.Gaze score and distraction are also dependent in a similar sense.
As future work we are looking forward to fine tune the system’s fatigue detection function based on machine learning. We may also perform parallel optimizations in order to achieve high performance.
A CKNOWLEDGMENT
We are grateful to the members of the academic staff and the non-academic staff of the Computer Science &
Engineering Department, University of Moratuwa, Sri Lanka who helped us in various capacities to complete the project on time with satisfactory results. Also our
sinceregratitude goes to everyone who helped us to test our system.
REFERENCES
[1] "Driver fatigue and road accidents a literature review and position
paper "February 2001[Online]Available:
https://www.doczj.com/doc/da15821070.html,/roadsafety/info/fatigue.pdf. [Accessed July 2013].
[2] C. C. Chiang, W. K. Tai, M. T. Yang, Y. T. Huang and C. J. Huang,
"A novel method for detecting lips, eyes and faces in real time," Real-Time Imaging, pp. 277-287, 2003. [3] S. Abtahi , B. Hariri and S. Shirmohammadi, "Driver Drowsiness Monitoring Based on Yawning Detection," in Instrumentation and Measurement Technology Conference , Binjiang, 2011. [4] P. Viola and M. Jones, "Robust Real-time Object Detection,"
International Journal of Computer Vision, vol. 57, no. 2, pp. 137-154, 2004.
[5] M. Saradadevi and P. Bajaj, "Driver Fatigue Detection Using Mouth
and Yawning Analysis," International Journal of Computer Science and Network Security, vol. 8, no. 6, 2008.
[6] "OpenCV," 17 December 2013. [Online]. Available:
https://www.doczj.com/doc/da15821070.html,/wiki/OpenCV.
[7] M. F. Khan and F. Aadil, "Efficient Car Alarming System for Fatigue
Detection during Driving," International Journal of Innovation, Management and Technology, vol. 3, no. 4, 2012.
[8] J. Jo, S. J. Lee, H. G. Jung, K. R. Park and J. Kim, "Vision-based
method for detecting driver drowsiness and distraction in driver monitoring system," Optical Engineering, vol. 50, no. 12, pp. 127202-127224, 2011. [9] W. B. Horng, C. Y. Chen, J. W. Peng and C. H. Chen, "Improvements
of Driver Fatigue Detection System Based on Eye Tracking and Dynamic Template Matching," WSEAS Transactions on Information Science and Applications, vol. 9, no. 1, 2012. [10] N. Parmar, "Drowsy Driver Detection System," Department of
Electrical and Computer Engineering, Ryerson University, Toronto, 2002. [11] R. Sun and Z. Ma, "Robust and Efficient Eye Location and Its State
Detection," in Advances in Computation and Intelligence , Springer Berlin Heidelberg, 2009. [12] I. Park, J.-H. Ahn and H. Byun, "Efficient Measurement of the Eye
Blinking by Using Decision Function for Intelligent Vehicles," in Computational Science – ICCS , Beijing, 2007. [13] Y. Ying , S. Jing and Z. Wei, "The Monitoring Method of Driver’s
Fatigue Based on Neural Network," in Mechatronics and Automation , China, 2007. [14] C. Huang, H. Ai, Y. Li and S. Lao, "High-Performance Rotation
Invariant Multiview Face Detection," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 29, no. 4, pp. 671 - 686, 2007. [15] J. B. Christopher, "A Tutorial on Support Vector Machines for
Pattern," Data Mining and Knowledge Discovery, vol. 2, no. 2, pp. 121-167, 1998. [16] Z. Zivkovic and J. Verbeek, "Transformation invariant component
analysis for binary images," in Computer Vision and Pattern Recognition , New York, 2006.
[17] E. Vural, M. Cetin, A. Ercil, G. Littlewort, M. Bartlett and J.
Movellan, "Automated Drowsiness Detection for Improved Driving
Safety," in ICAT , 2008.
Drowsy Not Drowsy
Closed 56 140 Not closed
125 1424
Drowsy Not Drowsy Closed .0116*1745=20 .1007*1745=176
Not closed
.092*1745=161 .79*1745=1388
谈谈对新课改的认识和做法 2010年是湖南省新课程改革的第三年,新课程改革和新教材的使用,在我校也开展了三年,在这三年中,我们学到了很多东西,从一开始我们的怀疑到困惑期,再发展到现在的成熟,经历了无数次的摸索、探究、实践和创新的过程。为此,有不少教师付出了很多的心血,同时也得到了很好的锻炼与成长,特别是不少青年教师勇敢地走到了新课改的最前沿,推动了我校数学新课程改革的步伐,促进了我校数学教学质量质的提高,给我校数学课堂教学带来了新的生命和活力,在2010年高考和学考中,我校取得了前所未有的好成绩。下面谈谈自己经历三年新课改后的一些认识和在教学中的做法。 一、对新课改的一些认识 1.新教改的必要性 社会要发展,历史要进步,随着改革开放的不断深化,我国在工业、农业、经济、科研等方面都有了飞速发展,相应地对教育也提出了新的要求,要求教育必须跟上时代的步伐,适应社会发展的需要。旧的教学体制、教学方法和教学内容已不再适应当前社会发展的需要,所以新课程改革势在必行。作为教育工作者,我们应抱着积极的态度去支持新课改,勇敢地去争做改革的先行者和开拓者。 2.新教材体现了时代性、科学性和人文精神 新教材最突出的特点之一:知识内容与当今社会发展相对应,与世界接轨。如:信息技术的应用、概率与统计等。再就是新旧知识的调整与更新、知识与生活的联系、不同内容间的知识整合以及对学生学习数学兴趣的培养,所有这些都说明了新教材比旧教材更科学、更具有时代性、更能充分体现人文精神。所以,我们对新教材要有一个正确的认识,只有正确认识了新教材,我们才能正确地使用好新教材。 3.教学理念的先进性 以人为本,以学生为主体,重知识的形成过程,重学生操作能力、创新能力的培养,倡导学生自主学习、合作学习、探究学习等,这些观点和理念都是当今社会发展对教育提出要求的产物,它具有时代的先进性。我们应加强学习,不断推陈出新,用这些先进的教学理念武装自己,指导我们的教学工作,这样,才能使我们不走老路、不走弯路,用最短的时间提高自己的业务水平和教学能力。 4.实施新课改给学校和教师带来了难得的机遇 我校借改革之机,废除了旧的管理模式和旧的教学模式,大力推行七个准则:(1)目标多元化(知识、情感、价值);(2)内容立体化(用好教材,挖掘教材);(3)关系绝对化(学生的主体地位);(4)对象全元化(面向全体学生、实施大群教育);(5)教学
脐带间充质干细胞的研究进展 间充质干细胞（mesenchymal stem cells,MSC S ）是来源于发育早期中胚层 的一类多能干细胞[1-5]，MSC S 由于它的自我更新和多项分化潜能，而具有巨大的 治疗价值 ,日益受到关注。MSC S 有以下特点：(1)多向分化潜能，在适当的诱导条件下可分化为肌细胞[2]、成骨细胞[3、4]、脂肪细胞、神经细胞[9]、肝细胞[6]、心肌细胞[10]和表皮细胞[11, 12]；(2)通过分泌可溶性因子和转分化促进创面愈合；(3) 免疫调控功能，骨髓源（bone marrow ）MSC S 表达MHC-I类分子，不表达MHC-II 类分子，不表达CD80、CD86、CD40等协同刺激分子，体外抑制混合淋巴细胞反应，体内诱导免疫耐受[11, 15]，在预防和治疗移植物抗宿主病、诱导器官移植免疫耐受等领域有较好的应用前景；(4)连续传代培养和冷冻保存后仍具有多向分化潜能，可作为理想的种子细胞用于组织工程和细胞替代治疗。1974年Friedenstein [16] 首先证明了骨髓中存在MSC S ，以后的研究证明MSC S 不仅存在于骨髓中，也存在 于其他一些组织与器官的间质中：如外周血[17]，脐血[5]，松质骨[1, 18]，脂肪组织[1]，滑膜[18]和脐带。在所有这些来源中，脐血(umbilical cord blood)和脐带(umbilical cord)是MSC S 最理想的来源，因为它们可以通过非侵入性手段容易获 得，并且病毒污染的风险低，还可冷冻保存后行自体移植。然而，脐血MSC的培养成功率不高[19, 23-24]，Shetty 的研究认为只有6%，而脐带MSC的培养成功率可 达100%[25]。另外从脐血中分离MSC S ，就浪费了其中的造血干/祖细胞(hematopoietic stem cells/hematopoietic progenitor cells,HSCs/HPCs) [26, 27]，因此，脐带MSC S (umbilical cord mesenchymal stem cells, UC-MSC S )就成 为重要来源。 一．概述 人脐带约40 g, 它的长度约60–65 cm, 足月脐带的平均直径约1.5 cm[28, 29]。脐带被覆着鳞状上皮，叫脐带上皮，是单层或复层结构，这层上皮由羊膜延续过来[30, 31]。脐带的内部是两根动脉和一根静脉，血管之间是粘液样的结缔组织，叫做沃顿胶质，充当血管外膜的功能。脐带中无毛细血管和淋巴系统。沃顿胶质的网状系统是糖蛋白微纤维和胶原纤维。沃顿胶质中最多的葡萄糖胺聚糖是透明质酸，它是包绕在成纤维样细胞和胶原纤维周围的并维持脐带形状的水合凝胶，使脐带免受挤压。沃顿胶质的基质细胞是成纤维样细胞[32]，这种中间丝蛋白表达于间充质来源的细胞如成纤维细胞的，而不表达于平滑肌细胞。共表达波形蛋白和索蛋白提示这些细胞本质上肌纤维母细胞。 脐带基质细胞也是一种具有多能干细胞特点的细胞，具有多项分化潜能，其 形态和生物学特点与骨髓源性MSC S 相似[5, 20, 21, 38, 46]，但脐带MSC S 更原始，是介 于成体干细胞和胚胎干细胞之间的一种干细胞，表达Oct-4, Sox-2和Nanog等多
典型经验材料的写作技巧和范文 典型经验材料主要有两种，一是人物典型；再一个是工作典型。人物典型就是平时我们所说的“先进个人、先进单位”之类的。工作典型就是，某项工作干的比别的地方干得好，出彩了，上级领导认可了，让你们单位作典型发言，要求其他地方学习推广你们的做法。 可以说，对于乡镇党政办公室的文字工作人员来说，典型经验材料还是比较难写的。因为，人世间许许多多的事都是好做难说、好说难写，好写难写明白。能做出精彩，不见得能写出精彩。 所以，写典型经验材料，功夫要下在平时，对说些的典型工作的前因后果、整个过程必须清清楚楚。首先必须把事说清楚，再说清楚事情的基础再润色拔高，这完全是一个日积月累、厚积薄发的过程；没法一蹴而就，更不能一劳永逸。 一、人物典型材料 我们这里所说人物典型材料，与平时“先进个人”、“先进单位”填表上报的材料不是一回事，填表上报的“先进个人”、“先进单位”的材料，平铺直叙，简明扼要，甚至是
罗列事件就可以。填表上报的材料重点是看做了什么事，或者是做了多少事。而人物典型材料，重点不仅是做了什么事、做了多少事？而且还要阐明为什么这样做，究竟怎么做的？关键是让人听了看了，能心潮起伏、汹涌澎湃。在感动人、鞭策人的同时，更能激励人、鼓舞人。 例如： 一腔壮志化红烛十年心血育幼苗 ——记城前中心幼儿园园长林丙秀在城前镇近600名教师中，有一位自1995年以来，连年被评为镇级优秀教师，5次被评为县市级优秀教师，连续两年被评为市级师德标兵，今年被评为市级劳动模范的女教师，她就是城前中心幼儿园园长林丙秀。 早在1985年，17岁的她，面对许多就业门路，她毅然选择了当“孩子王”这个职业。自从登上讲台的那一天起，她就以高度的责任感和强烈的事业心严格要求自己，那怕自己吃苦受累也不误人子弟。教学不到两年，她就以优异的成绩被评选为县级教学能手。以后几年的教学中，她的业务水平迅速提高，领导管理才能逐步展现。1992年因为工作需要，镇中心幼儿园园长的重担落在了她身上。当时的幼儿园，房舍破烂，设施简陋师资力量薄弱，办园水平低下，全园两个学前班不到40人。林丙秀接过这个烂摊子后，首先从增加
驾驶员疲劳检测系统 随着交通运输业的发展,交通事故己成为当前各国所面临的严重问题, 疲劳驾驶是引发交通事故的主要因素之一。基于机器视觉的疲劳检测在实时 性、非接触性及全天候等方面比其他监控方法有更大的优势,所以该方法已成为当前研究的一个热点。本文在研究前人工作的基础上,提出一套有效的疲劳检测算法。该算法可分为四个过程:人脸的检测与定位,人脸姿态的调整,人眼的检测与定位,人眼的跟踪与定位和识别驾驶员疲劳状态。本文研究内容和取得的主要 成果如下:(1)人脸的检测与定位。从红外摄像头获取的视频流中读取一帧红外 图象,利用红外人脸图象面部区域亮度较高,背景较暗并且简单的优势,采用迭代式阈值算法对图象进行自适应的二值化处理,然后利用区域标记的方法定位出人脸区域。该人脸检测方法不仅能够准确的定位人脸,而且基本不受光照的影响, 很好的解决了传统检测方法受光照及姿态影响较大,从而导致定位不准确的缺点。(2)人脸姿态的调整。由于人眼的检测与定位采用的是模板匹配的方法,而 人眼模板是水平的,未旋转的,这时如果待检测人脸旋转了某个角度,就很可能会导致人眼模板匹配失败,从而得到一个错误的匹配结果。所以在进行人眼检测与定位之前必须将待检测人脸进行旋转校正,这样可以很大程度上提高人眼模板匹配的成功率。(3)人眼的检测与定位。本文在仔细分析红外图象特点的基础上, 改进了传统模板匹配算法,总结出多步长模板匹配的方法,该算法大幅度减少了 模板匹配的次数,减少了算法的计算量,而且该算法在进行抽样匹配的过程中由 于抽样能够均匀覆盖搜索子图,从而保证了模板匹配的准确度,最终使得该方法 定位准确,算法速度快,能够满足了实时性的要求。(4)采用驾驶疲劳识别算法本文算法能够自动测量并连续跟踪驾驶员眼睛的睁闭情况,并且根据相应的阈值提醒驾驶员。由于夜间是驾驶疲劳的高发时期,该方法采用红外光作为光源,解决 了夜间光照不稳定的问题,所采用算法简单有效,复杂度低,而且具有较好的容错性和鲁棒性。 同主题文章 [1]. 舆水大和,江涛. 机器视觉的研究动向(上)' [J]. 红外. 1996.(03) [2]. 艾海舟. 机器视觉及其应用' [J]. 科学中国人. 1997.(09) [3]. 张福贵. 利用FFT图象检测和分析砷化镓材料中的缺陷' [J]. 电子与信息学报. 1988.(04) [4]. 王红军. 机器视觉——现代工业的眼睛' [J]. 机电一体化. 1999.(03) [5]. 刘曙光,刘明远,何钺. 机器视觉及其应用' [J]. 机械制造. 2000.(07) [6].
对试题库建设的认识和做法 《山东省师专试题库建设》教学改革课题经过数年不懈努力已基本完成，通过国家教育部组织的专家会议鉴定，获1997年山东省优秀教学成果一等奖。作为其子课题的《师专古代汉语试题库》在学校领导及各方面的支持帮助下，也取得成功，被列为省级题库。我作为主编，经历了该题库编制的全过程。下面我想谈一谈对试题库建设的认识以及古代汉语试题库建设的做法，不当之处请大家批评指正。 试题库建设是教育现代化的需要，是考教分离、最大限度提高办学效益的需要，是实行标准化考试的需要，也是课程建设的一个重要组成部分。 "教育要面向现代化。"（邓小平）最近，国家教育部《关于深化教学改革，培养适应21世纪需要的高质量人才的意见》明确指出："以计算机技术为核心的现代信息技术进入教育领域，已经并将继续深刻地改变传统的教学观念、教学技术、教学方法和教学手段。高等学校要抓住这一机遇，加强对现代化教学技术和手段的学习、研究和应用，加快计算机辅助教学软件的研究开发和推广使用，加速实现教学技术和手段的现代化，使之在改革教学方法、提高学校的整体教学水平中发挥重大作用。"《山东省师专试题库建设》教学课题的胜利完成，向教育现代化目标迈出了坚实的一步。利用试题库进行考试是命题方式的重要改革，是实现由传统人工命题到采用计算机随机命题的根本性转变。这种命题方式的特点是：由命题人提出命题原则，由计算机根据命题原则组卷。这不但大大提高了命题组卷的速度，而且克服了个人命题中容易出现的片面性、随意性，从而保证了命题组卷的客观性和科学性，使测试在保证考试纪律的前提下具有可靠性和有效性。现代化的考试方法、考试手段，具有无比的优越性和强大的生命力，是教育现代化不可或缺的组成部分。《山东省师专试题库建设》课题组推出的师专试题库系列软件，必将在提高全国师专系统整 体教学水平中发挥重大作用。 在我国，随着"科教兴?quot;伟大战略的确定，必将迎来人民教育事业迅猛发展的辉煌时代，教育工作者将面临着繁重而艰巨的任务，其中考务工作占相当大的比重，如果把这一工作交给计算机去做，就会腾出大量的人手，集中精力用于教学工作。因此考教分离势在必行。另一方面，在学校教育中由于考教不分，考试结果不能客观反映教学实际的情况是存在的，这在很大程度上制约了考试对教学的指导作用，不利于教学质量的提高。只有实行考教分离，才能保证考试对教学实际进行测量的客观公正性。用计算机去完成命题、组卷、阅卷、分数登记、统计、试卷分析等各项繁具琐细的工作，会做得快捷、准确，而其先决条件就是有一套计算机能够识别的试题库系统。有了这样的试题库系统，考试部门可以用它生成适应各种考试目的的试卷，客观、准确、全面地测量考生的知识和能力水平，也可以生成用于教学质量检查和教学评估的试卷，对各教学单位进行各种教学情况的比较，提出教学
脐带血造血干细胞库管理办法（试行） 第一章总则 第一条为合理利用我国脐带血造血干细胞资源，促进脐带血造血干细胞移植高新技术的发展，确保脐带血 造血干细胞应用的安全性和有效性，特制定本管理办法。 第二条脐带血造血干细胞库是指以人体造血干细胞移植为目的，具有采集、处理、保存和提供造血干细胞 的能力，并具有相当研究实力的特殊血站。 任何单位和个人不得以营利为目的进行脐带血采供活动。 第三条本办法所指脐带血为与孕妇和新生儿血容量和血循环无关的，由新生儿脐带扎断后的远端所采集的 胎盘血。 第四条对脐带血造血干细胞库实行全国统一规划，统一布局，统一标准，统一规范和统一管理制度。 第二章设置审批 第五条国务院卫生行政部门根据我国人口分布、卫生资源、临床造血干细胞移植需要等实际情况，制订我 国脐带血造血干细胞库设置的总体布局和发展规划。 第六条脐带血造血干细胞库的设置必须经国务院卫生行政部门批准。 第七条国务院卫生行政部门成立由有关方面专家组成的脐带血造血干细胞库专家委员会（以下简称专家委
员会），负责对脐带血造血干细胞库设置的申请、验收和考评提出论证意见。专家委员会负责制订脐带血 造血干细胞库建设、操作、运行等技术标准。 第八条脐带血造血干细胞库设置的申请者除符合国家规划和布局要求，具备设置一般血站基本条件之外， 还需具备下列条件： （一）具有基本的血液学研究基础和造血干细胞研究能力； （二）具有符合储存不低于1 万份脐带血的高清洁度的空间和冷冻设备的设计规划； （三）具有血细胞生物学、HLA 配型、相关病原体检测、遗传学和冷冻生物学、专供脐带血处理等符合GMP、 GLP 标准的实验室、资料保存室； （四）具有流式细胞仪、程控冷冻仪、PCR 仪和细胞冷冻及相关检测及计算机网络管理等仪器设备； （五）具有独立开展实验血液学、免疫学、造血细胞培养、检测、HLA 配型、病原体检测、冷冻生物学、 管理、质量控制和监测、仪器操作、资料保管和共享等方面的技术、管理和服务人员； （六）具有安全可靠的脐带血来源保证； （七）具备多渠道筹集建设资金运转经费的能力。 第九条设置脐带血造血干细胞库应向所在地省级卫生行政部门提交设置可行性研究报告，内容包括：
面试技巧和注意事项和实战经验 1、基本注意事项 （1）要谦虚谨慎。面试和面谈的区别之一就是面试时对方往往是多数人，其中不乏专家、学者，求职者在回答一些比较有深度的问题时，切不可不懂装懂，不明白的地方就要虚心请教或坦白说不懂，这样才会给用人单位留下诚实的好印象。 （2）要机智应变。当求职者一人面对众多考官时，心理压力很大，面试的成败大多取决于求职者是否能机智果断，随机应变，能当场把自己的各种聪明才智发挥出来。首先，要注意分析面试类型，如果是主导式，你就应该把目标集中投向主考官，认真礼貌地回答问题；如果是答辩式，你则应把目光投向提问者，切不可只关注甲方而冷待乙方；如果是集体式面试，分配给每个求职者的时间很短，事先准备的材料可能用不上，这时最好的方法是根据考官的提问在脑海里重新组合材料，言简意赅地作答，切忌长篇大论。其次要避免尴尬场面，在回答问题时常遇到这些情况：未听清问题便回答，听清了问题自己一时不能作答，回答时出现错误或不知怎么回答的问题时，可能使你处于尴尬的境地。避免尴尬的技巧是：对未听清的问题可以请求对方重复一遍或解释一下；一时回答不出可以请求考官提下一个问题，等考虑成熟后再回答前一个问题；遇到偶然出现的错误也不必耿耿于怀而打乱后面问题的思路。
（3）要扬长避短。每个人都有自己的特长和不足，无论是在性格上还是在专业上都是这样。因此在面试时一定要注意扬我所长，避我所短。必要时可以婉转地说明自己的长处和不足，用其他方法加以弥补。例如有些考官会问你这样的问题：“你曾经犯过什么错误吗？”你这时候就可以选择这样回答：“以前我一直有一个粗心的毛病，有一次实习的时候，由于我的粗心把公司的一份材料弄丢了，害的老总狠狠地把我批评了一顿。后来我经常和公司里一个非常细心的女孩子合作，也从她那里学来了很多处理事情的好办法，一直到现在，我都没有因为粗心再犯什么错。”这样的回答，即可以说明你曾经犯过这样的错误，回答了招聘官提出的问题，也表明了那样的错误只是以前出现，现在已经改正了。 （4）显示潜能。面试的时间通常很短，求职者不可能把自己的全部才华都展示出来，因此要抓住一切时机，巧妙地显示潜能。例如，应聘会计职位时可以将正在参加计算机专业的业余学习情况”漫不经心’地讲出来，可使对方认为你不仅能熟练地掌握会计业务，而且具有发展会计业务的潜力；报考秘书工作时可以借主考官的提问，把自己的名字、地址、电话等简单资料写在准备好的纸上，顺手递上去，以显示自己写一手漂亮字体的能力等。显示潜能时要实事求是、简短、自然、巧妙，否则也会弄巧成拙。 2、面试时如何消除紧张感
司机疲劳驾驶检测系统设计 摘要：随着社会经济的发展，商用长途运输车越来越多，司机为了追求经济效益，经常罔顾交通法的规定疲劳驾驶，而一些私家车也因为各种各样的原因经常铤而走险疲劳驾驶，酿成很多人间惨剧。为了减少减轻司机的精神压力并对疲劳及时提示预警，本论文以计算机视觉技术为主体，设计实用操作简单的疲劳驾驶检测系统，辅助驾驶员安全驾驶。 司机疲劳驾驶实时检测系统在实际应用中有很重要的意义。设计了一个利用图像分析的方法，通过测量PERCLOS指标值来进行疲劳判断的该类系统。系统首先对图像进行预处理，然后采用基于YCbCr颜色空间肤色模型进行人脸粗定位，根据人脸特征，逐次进行人眼区域缩小；最后通过对边缘信息进行先验知识结合积分投影的方法进行人眼定位和闭合度测量。考虑到视频图像序列帧与帧之间的相关性，采用线性运动预测的方法对人眼进行跟踪，减少了系统的运算量。实验结果表明系统能实时、准确地反映司机的疲劳状态。 关键词：疲劳驾驶人脸检测肤色检测交通安全疲劳判断
目录 摘要 Abstract 1.疲劳驾驶检测系统研究背景与意义............................................................................................................... 2.疲劳驾驶检测系统研究与实现 2.1国内外疲劳驾驶检测系统研究现状 2.1.1国外疲劳驾驶检测系统的研究成果......................................................................................................... 2.1.2国内疲劳驾驶检测系统的研究现状......................................................................................................... 2.2疲劳驾驶检测系统浅析................................................................................................................................ 2.3驾驶员疲劳检测系统的研究........................................................................................................................ 2.3.1人脸检测 2.3.2人眼定位 2.3.3疲劳程度的综合判定 ............................................................................................................................................................................. 3.基于人脸特征的列车司机疲劳驾驶检测与识别系统研究........................................................................... 3.1研究内容及目标............................................................................................................................................ 3.1.1基于人脸特征的疲劳驾驶检测与识别算法开发..................................................................................... 3.1.2疲劳驾驶检测与识别算法OSP移植 3.2基于Adaboost算法的人脸检测 3.2.1人脸检测技术概述 3.2.2Adaboost人脸检测算法 3.3基于Adaboost算法的人脸检测软件实现 3.3.1.样本训练过程 3.3.2人脸检测程序 3.4人眼检测与人眼状态分析算法 3.4.1基于Adaboost的人眼检测算法 3.4.2人眼级联分类器效果分析 3.4.3人眼状态分析算法 4.基于贝叶斯网络的驾驶疲劳程度识别模型 4.1基于贝叶斯网络模型的驾驶疲劳程度识别 4.2驾驶疲劳程度识别模型 4.2.1驾驶疲劳贝叶斯网络结构 4.2.2贝叶斯网络条件概率表的确定 4.2.3驾驶疲劳程度贝叶斯网络识别模型 4.3模型有效性验证 5.基于FPGA的疲劳驾驶检测系统设计 5.1疲劳驾驶检测系统总体设计方案 5.1.1系统红外光源原理 5.1.2系统总体设计 5.2系统硬件设计与实现 5.2.1系统硬件总体架构 5.2.2图像采集电路设计
中考考点：3．知道正确认识自我的方法和途径(a) 一、正确认识自己的方法和途径 人是不断变化发展的，我们需要不断更新、不断完善对自己的认识，才能使自己变得更好和更完美。 1、正确认识自己的方法 正确认识自己，就要做到用全面的、发展的眼光看待自己。 ①全面认识自己，既要认识自己的外在形象，又要认识自己的内在素质；既要看到自己的优点，也要看到自己的缺点。 ②每个人都是变化发展的。我们要用发展的眼光看待自己，这样才能通过不断发扬优点、克服缺点来完善自己。 2、正确认识自己的途径 ①通过自我观察认识自己。最了解的人是自己，因此，要想全面认识自己，就要做一个有心人，反省自己在日常生活中的点滴表现，总结自己是一个怎样的人。 ②通过他人了解自己。一般而言，当局者迷，旁观者清，周围人对自己的态度与评价，能帮助我们认识自己、了解自己。我们既要重视他人的态度与评价，冷静的分析，既不能盲从，也不能忽视。 ③通过集体了解自己。每个人都生活在集体中，在集体中能否与他人友好相处，能否很好地承担自己的责任，会对了解自身有一定的帮助。集体对一个人的评价往往更全面、更客观。 ④通过多种方式了解自己，努力保持和发挥优势，改进不足，才能不断更新和完善自我，以更新的自己面对新的一天。 二、正确认识自己的意义 通过各种途径了解自己，努力保持和发挥自己的优势，改进不足，才能不断更新和完善自我，以新的自己面对新的每一天。 课堂练习： 1．小青在自己的成长记录本上写道：“本学期学习退步的主要原因是学习方法不当，学习效率不高。”小青认识自我的途径是 A．他人的态度 B．自我观察和反省 C．考试的成绩反馈 D．集体综合评价 2．《论语》中“吾日三省吾身"的训诫和唐太宗“以人为镜，可以明得失”的感慨，启示我们正确认识自我的途径有 ( ) ①读史书②照镜子③自我反思④倾听他人评价 A．①③ B．①④ C．③④ D．②③ 3．通过他人能更好地认识自我。下列名言和谚语揭示的道理能印证这一观点的有( ) ①知人者智，自知者明②赠人玫瑰，手留余香 ③当局者迷，旁观者清④牛不知角弯，马不知脸长 A．①② B．①③ C．②④ D．③④
家装竞争如今到了异常激烈的程度,装饰公司之间的竞争,其最终签单的任务就落到了设计师身上,很多设计师背负着沉重的签单压力。因此，有很多设计师渴望得到一部签单秘笈，以求快速提高自己的签单能力。 签单的方法和策略有很多，但最要的一条，就是设计师自己要有强烈的签单渴望。 有些设计师工作了三四年，每个月保持着签两三个单的水平，因此，在设计师的心中，就形成了自己的惯性思维，那就是满足和保守。 一方面对自己的签单能力和每月的业绩产生了自我满足的心理，认为每个月签两三个单已经不错了，有的人还签不到我这个水平呢！产生这个满足的心理，是基于公司部没有相应的竞争压力，另一方面也是对自己失去了成长的动机。 有一个设计师，原先在一个小公司每个月能签两三个单，她觉得自己很了不起了。后来，她进入一个大公司，发现那里的竞争很激烈，签单最高的设计师每个月能签到40多万，一个人就超出了小公司整个公司。签单达到20万元以上的设计师比比皆是，因此她感到了前所未有的压力。公司最低的设计师每个月也能签三个以上，她成了公司里最末的设计师。 怎么办？是离开这个公司还到一个小公司里去享受签单的满足和老板的重视，还是继续留在这里和大家学一学，比一比？ 最后，她决定要参与竞争，一定要为自己争一口气，不能就这样离开。因此，她对每个单的签单渴望非常强烈，因为如果不抓住每个可能签单的机会，就永远不会在公司里有出人头地的机会。 大公司的价格比小公司要高出很多，因此如果单纯从价格上看，很多客户都会被淘汰。要是在小公司，她觉得很正常，认为那不是自己的能力问题和态度问题，而是客户问题。可是在这里，她的态度转变了，因为有其它人的签单案例在前面。 由于公司每个月给她的客户不超过6个，她要想签更多的单，就必须不放弃每个单。第一个月签了三个，还是原来的水平，排在公司20多名设计师的第18名，也是属于最差的行列一员了。 从第二个月起，她给自己定了决不放弃每个客户的目标，每接到一个单，她都格外珍惜。 她认真地做客户分析，认真地记录客户沟通中所表现出来的每一个需求，客户只要有一点不满意，她就要想尽一切办法去调整自己的设计思路，修改预算的每一个细节。 第二个月，她签了五个单，进入到公司的前十名当中。她这才发现，自己已经突破了自己的能力和思维。原来在小公司，根本就从未考虑过每个月还能签到5个单，总是认为3个单已经很了不起了。 第三个月，她接了6个单，签了7个单，其中有一个客户给她介绍了一个客户，二人一起签的单。 签单其实不在客户，而在于自己对签单的渴望有多高。你是不是对每个客户都非常强烈地渴望为她服务？你过去是不是认为这个客户签不签单无所谓，还有下一个客户？你有没有想尽一切办法也要签下每一个单？ 没有，因为你的思维停留在对自己的满足上，因为你没有看到更高的标准，也就是说你
案例的特征及其写作意义 一. 什么是案例 一个案例就是一个包含有疑难问题的实际情境的描述，是一个教育实践过程中的故事，描述的是教学过程中“意料之外，情理之中的事”。 案例是对某种具体情景的记录，是对“当前”课堂中真实发生的实践情景的描述。它不能用“摇摆椅子上杜撰的事实来替代”，也不能从抽象的、概括化的理论中演绎的事实来替代。案例描述的是具体的、特殊的、需要进行探索和解决的两难境地和紧张状态。案例是为了突出一个主题而截取的教学行为片段，这些片段蕴涵了一定的教育理论。案例不是课堂实录，也不是教师教案、教师个案。 二.案例的特征 ★案例讲述的应该是一个故事，叙述的是一个事例； ★案例的叙述要有一个从开始到结束的完整情节，并包括一些戏剧性的冲突； ★案例的叙述要具体、特殊，例如，反映某一教师与某一学生围绕一特定的教学目标和特定的教学内容展开的双边活动，不应是对活动大体如何的笼统描述，也不应是对活动的总体特征所作的抽象化的、概括化的说明； ★案例的叙述要把事件置于一个时空框架之中，也就是要说明事件发生的时间、地点等； ★案例对行动等的陈述，要能反映教师工作的复杂性，揭示出人物的内心世界，如态度、动机、需要等； ★案例的叙述要能反映出事件发生的特定的教育背景。 三.为什么要写案例 其一，案例写作为教师提供了一个记录自己教育教学经历的机会。你在日常教育教学中遇到的一些事例，通过案例写作的形式再现出来，实际上也就是对你职业生涯中一些困惑、喜悦、问题等等的记录和模写。如果我们说每个教师展示其自身生命价值的主要所在，是在课堂、在学校、在与学生的交往的话，那么，案例在一定程度上就是教师生命之光的记载。在案例中，有教师的情感，同时也蕴涵着教师无限的生命力。记录、记载本身也承载着深深的历史感，每一时期、每一阶段处理事件的案例，在很大程度上可以折射出教育历程的演变，它一方面可以作为个人发展史的反映，另一方面也可以作为社会大背景下教育的变革历程。 其二，案例写作可以促使教师更为深刻地认识到自己工作中的重点和难点。能够成为案例的事实，往往是教师工作中难以化解的难题。教师自己在对教学经历的梳理过程中，头脑中印象深刻的常常是那些自己感到困惑不解的事实材料。这样一个梳理过程。会强化教
Excel 使用技巧集锦——163种技巧 https://www.doczj.com/doc/da15821070.html, 目录 一、基本方法 (7) 1.快速选中全部工作表 (7) 2.快速启动E XCEL (7) 3.快速删除选定区域数据 (7) 4.给单元格重新命名 (7) 5.在E XCEL中选择整个单元格范围 (7) 6.快速移动/复制单元格 (8) 7.快速修改单元格式次序 (8) 8.彻底清除单元格内容 (8) 9.选择单元格 (8) 10.为工作表命名 (8) 11.一次性打开多个工作簿 (9) 12.快速切换工作簿 (9) 13.选定超级链接文本（微软O FFICE技巧大赛获奖作品） (9) 14.快速查找 (10) 15.修改默认文件保存路径 (10) 16.指定打开的文件夹 (10) 17.在多个E XCEL工作簿间快速切换 (10) 18.快速获取帮助 (10) 19.创建帮助文件的快捷方式 (11) 20.双击单元格某边移动选定单元格 (11) 21.双击单元格某边选取单元格区域 (11) 22.快速选定不连续单元格 (11) 23.根据条件选择单元格 (11) 24.复制或移动单元格 (12)
25.完全删除E XCEL中的单元格 (12) 26.快速删除空行 (12) 27.回车键的粘贴功能 (12) 28.快速关闭多个文件 (12) 29.选定多个工作表 (12) 30.对多个工作表快速编辑 (13) 31.移动和复制工作表 (13) 32.工作表的删除 (13) 33.快速选择单元格 (13) 34.快速选定E XCEL区域（微软O FFICE技巧大赛获奖作品） (13) 35.备份工件簿 (13) 36.自动打开工作簿 (14) 37.快速浏览长工作簿 (14) 38.快速删除工作表中的空行 (14) 39.绘制斜线表头 (14) 40.绘制斜线单元格 (15) 41.每次选定同一单元格 (15) 42.快速查找工作簿 (15) 43.禁止复制隐藏行或列中的数据 (15) 44.制作个性单元格 (16) 一、数据输入和编辑技巧 (16) 45.在一个单元格内输入多个值 (16) 46.增加工作簿的页数 (16) 47.奇特的F4键 (16) 48.将格式化文本导入E XCEL (17) 49.快速换行 (17) 50.巧变文本为数字 (17) 51.在单元格中输入0值 (17) 52.将数字设为文本格式 (18)
目标 1、记住信息技术的基本含义和特征 2、信息技术的有关应用 复习： 1、电子计算机的历史按元件不同分为四代，第四代是（） A.电子管 B.晶体管 C中小规模集成电路 D.大规模/超大规模集成电路 2、现代社会中，人们把称为构成世界的三大要素。 A. 物质、能量、知识 B. 信息、物质、能量 C. 财富、能量、知识 D. 精神、物质、知识 尝试： （1）具有共享性、载体依附性、价值相对性、时效性等特征。 A . 信息技术 B. 信息 C. 信息素养 D. 电脑 （2）信息的表现形式：信息载体就是承载信息的媒介物。 （3）天气预报、市场信息都会随时间的推移而变化，这体现了信息的。 A. 载体的依附性 B. 时效性 C. 共享性 D. 必要性（4）下列不属于信息的是。 A. 收到的手机短信息 B.广播里播放的天气预报 C. 存有照片的数码相机 D.电视里播放的汽车降价消息 （5）信息的概念：用语言、文字、符号、情景、图像、声音等所表示的内容统称为信息。 信息的特征：对载体的依附性、共享性、时效性、价值相对性。 3、什么是信息技术 信息技术：Information Technology，简称IT，信息的获取、加工、存储、传递和利用等有关的技术都称为信息技术。 4、信息技术中的核心技术: 信息技术包括计算机技术、通信技术、微电子技术 （控制技术）和感测技术（传感技术）。 5、信息技术的发展历程:人类经历的五次信息技术革命依次为：语言的使用；文字的使用；印刷技术的应用；电报、电话、广播、电视的使用和计算机的普及应用及其与通信技术的结合。 巩固： （1）现在我们常常听人家说到（或在报纸电视上也看到）ＩＴ行业各种各样的消息。那么这里所提到的“ＩＴ”指的是（）。 A.信息 B.信息技术 C.通信技术 D.感测技术
教学实践中的看法和做法 16年来，作为一个普通的教育工作者，我只是默默的为我的学生做着该做的一切，感觉并没有什么“经验”，有的只是自己尽职尽责的工作态度。教学工作包含的内容太广泛，下面我就谈谈自己在教学实践中的一些做法和感悟，不能称为经验，权当与老师们探讨和交流吧。 一、培养学生养成良好的学习习惯 学习习惯是一个内涵十分丰富、范围相当广阔的概念。它不仅涉及学习活动的诸多方面，而且存在于学习进程中的各个环节。作为教师的我们必须把培养学生良好的学习习惯作为教学中的一个重要任务来完成。 1、坐立姿势 饱满、健康的精神状况能提高脑细胞的活动能力，从而增强对信息的接受知识的记 理解能力 2、做笔记 手脑并用，让精力更集中，提高课堂的学习效率，并为复习提供更好的帮助。 3、积极发言，认真倾听 提高语言的组织、概括能力；学会尊重他人的智力成果，同时形成对问题完整性认 识 4、做题时在关键字、词、句上养成圈、点、划的习惯 培养良好的审题习惯，注意题目条件的变化而引起的结果的变化 5、用红笔订正作业 找出错误的症结，对症下药，加深印象，减少以后解题中的出错率。 二、重视每一个学习时间段学习效果的检查，并作出相应的对策（因人而异，要求不同） 1、课前提问做好课前的充分准备，更快进入学习的状态 2、课内监督 3、课后检查、督促（查笔记，查听课效果） 4、单元基础知识过关减少无意义的惩罚 5、单元测试。一方面可以把这段时间的知识加以归纳小结，加强学生对知识的系统掌 握；另一方面，通过学生成绩反思自己工作的优缺点，以便及时调整教学方法，扬 长避短，以更好的适应学生们的要求，提高自己的执教水平。 三、重视方法，提高效率 教学难点是指教学中学生不易理解、难以接受的知识内容，是课堂教学中的“拦路虎”，如不及时地解决就会直接影响学生对新知识的理解和掌握。教学中能选择适当的教学手段、方法、技巧有效地突破难点，是提高教学质量的重要保证，这也是教师必须掌握的教学基本功之一。突破教学难点的方法很多，或化抽象为形象，或化复杂为简单，或化生疏为熟悉，以达到化难为易的目的。下面就初中科学教学中常采用的一些做法，与同行交流。 （一）理解方法 1、旧知迁移法：运用已学过的知识，帮助学生解决教学中的难点。新知识往往是旧知识的延伸和发展，又是后续知识的基础。知识的链条节节相连、环环相扣、旧里蕴新，又不断地化新为旧，纵横交错，形成知识网络，学生能认识知识之间的联系，才能深刻理解，融汇贯通。学生如不能有效地把握知识之间的这种联系，就不能有效地领会新知识（这就产生了教学中的难点问题），因为学生获取知识，总是在已有的知识经验的参与下进行的，脱离了已有的知识经验基础进行教学，其原有的知识经验就无法参与，而新旧知识连结纽带的断裂，必然会给学生带来理解上的困难，使其难以掌握所学的知识。为此，在教学中要尽量运
卫生部办公厅关于印发《脐带血造血干细胞治疗技术管理规 范(试行)》的通知 【法规类别】采供血机构和血液管理 【发文字号】卫办医政发[2009]189号 【失效依据】国家卫生计生委办公厅关于印发造血干细胞移植技术管理规范(2017年版)等15个“限制临床应用”医疗技术管理规范和质量控制指标的通知 【发布部门】卫生部(已撤销) 【发布日期】2009.11.13 【实施日期】2009.11.13 【时效性】失效 【效力级别】部门规范性文件 卫生部办公厅关于印发《脐带血造血干细胞治疗技术管理规范（试行）》的通知 （卫办医政发〔2009〕189号） 各省、自治区、直辖市卫生厅局，新疆生产建设兵团卫生局： 为贯彻落实《医疗技术临床应用管理办法》，做好脐带血造血干细胞治疗技术审核和临床应用管理，保障医疗质量和医疗安全，我部组织制定了《脐带血造血干细胞治疗技术管理规范（试行）》。现印发给你们，请遵照执行。 二〇〇九年十一月十三日
脐带血造血干细胞 治疗技术管理规范（试行） 为规范脐带血造血干细胞治疗技术的临床应用，保证医疗质量和医疗安全，制定本规范。本规范为技术审核机构对医疗机构申请临床应用脐带血造血干细胞治疗技术进行技术审核的依据，是医疗机构及其医师开展脐带血造血干细胞治疗技术的最低要求。 本治疗技术管理规范适用于脐带血造血干细胞移植技术。 一、医疗机构基本要求 （一）开展脐带血造血干细胞治疗技术的医疗机构应当与其功能、任务相适应，有合法脐带血造血干细胞来源。 （二）三级综合医院、血液病医院或儿童医院，具有卫生行政部门核准登记的血液内科或儿科专业诊疗科目。 1.三级综合医院血液内科开展成人脐带血造血干细胞治疗技术的，还应当具备以下条件： （1）近3年内独立开展脐带血造血干细胞和（或）同种异基因造血干细胞移植15例以上。 （2）有4张床位以上的百级层流病房，配备病人呼叫系统、心电监护仪、电动吸引器、供氧设施。 （3）开展儿童脐带血造血干细胞治疗技术的，还应至少有1名具有副主任医师以上专业技术职务任职资格的儿科医师。 2.三级综合医院儿科开展儿童脐带血造血干细胞治疗技术的，还应当具备以下条件：
资深设计师谈单经验与 技巧 集团文件版本号：（M928-T898-M248-WU2669-I2896-DQ586-M1988）
家装竞争如今到了异常激烈的程度,装饰公司之间的竞争,其最终签单的任务就落到了设计师身上,很多设计师背负着沉重的签单压力。因此，有很多设计师渴望得到一部签单秘笈，以求快速提高自己的签单能力。 签单的方法和策略有很多，但最要的一条，就是设计师自己要有强烈的签单渴望。 有些设计师工作了三四年，每个月保持着签两三个单的水平，因此，在设计师的心中，就形成了自己的惯性思维，那就是满足和保守。 一方面对自己的签单能力和每月的业绩产生了自我满足的心理，认为每个月签两三个单已经不错了，有的人还签不到我这个水平呢！产生这个满足的心理，是基于公司内部没有相应的竞争压力，另一方面也是对自己失去了成长的动机。 有一个设计师，原先在一个小公司每个月能签两三个单，她觉得自己很了不起了。后来，她进入一个大公司，发现那里的竞争很激烈，签单最高的设计师每个月能签到40多万，一个人就超出了小公司整个公司。签单达到20万元以上的设计师比比皆是，因此她感到了前所未有的压力。公司最低的设计师每个月也能签三个以上，她成了公司里最末的设计师。 怎么办是离开这个公司还到一个小公司里去享受签单的满足和老板的重视，还是继续留在这里和大家学一学，比一比 最后，她决定要参与竞争，一定要为自己争一口气，不能就这样离开。因此，她对每个单的签单渴望非常强烈，因为如果不抓住每个可能签单的机会，就永远不会在公司里有出人头地的机会。 大公司的价格比小公司要高出很多，因此如果单纯从价格上看，很多客户都会被淘汰。要是在小公司，她觉得很正常，认为那不是自己的能力问题和态度问题，
司机疲劳驾驶检测系统 设计 LG GROUP system office room 【LGA16H-LGYY-LGUA8Q8-LGA162】
司机疲劳驾驶检测系统设计 摘要：随着社会经济的发展，商用长途运输车越来越多，司机为了追求经济效益，经常罔顾交通法的规定疲劳驾驶，而一些私家车也因为各种各样的原因经常铤而走险疲劳驾驶，酿成很多人间惨剧。为了减少减轻司机的精神压力并对疲劳及时提示预警，本论文以计算机视觉技术为主体，设计实用操作简单的疲劳驾驶检测系统，辅助驾驶员安全驾驶。 司机疲劳驾驶实时检测系统在实际应用中有很重要的意义。设计了一个利用图像分析的方法，通过测量PERCLOS指标值来进行疲劳判断的该类系统。系统首先对图像进行预处理，然后采用基于YCbCr颜色空间肤色模型进行人脸粗定位，根据人脸特征，逐次进行人眼区域缩小；最后通过对边缘信息进行先验知识结合积分投影的方法进行人眼定位和闭合度测量。考虑到视频图像序列帧与帧之间的相关性，采用线性运动预测的方法对人眼进行跟踪，减少了系统的运算量。实验结果表明系统能实时、准确地反映司机的疲劳状态。 关键词：疲劳驾驶
目录 摘要 Abstract 3. 预警系统的组成及工作原理 典型的疲劳驾驶预警系统 疲劳驾驶预警系统比较 发展趋势 8.新型多功能驾驶员状态监测系统设计 无线脑电信号采集和分析 酒精监测 9.多源信息融合在驾驶疲劳检测中的应用 驾驶疲劳特征 模糊神经网络疲劳识别 智能控制技术在汽车疲劳驾驶监控中的应用研究 1.研究背景与意义 驾驶疲劳川是指驾驶员由于睡眠不足或长时间持续驾驶造成的反应能力下降，这种下降表现在驾驶员困倦、打磕睡、驾驶操作失误或完全丧失驾驶能力。美国印第安那大学对交通事故原因的调查研究发现85%的事故与驾驶员有关，车辆和环境因素只占15%。驾驶员在事故发生前一瞬间的行为和故障直接导致了事故的发生，这些行为包括知觉的延迟、对环境的决策错误、对危险情况的处理不当等。在所有的驾驶员错误中，最常见的是知觉延迟和决策错误，这些错误会产生注意力不集中、反映迟钝、操作不当等，产生这些错误的根本原因就是驾驶疲劳。 随着我国生活水平的提高，人们的衣食住行等方面有了很大的改善，在交通方面更是有了质的飞跃。四通八达的道路、便捷的交通工具大大地缩短了人与人的距离，其中汽车保有量更是与日俱增，一个家庭拥有两辆以上的小车已经不是什么新鲜的事