资源匹配

1.1.1、资源信息匹配

资源信息匹配分为同类型匹配、对应类型匹配。

同类型匹配主要针对访问者，为访问者提供某一资源同类型或相近类型资源的匹配信息。

对应类型匹配主要针对资源发布者，为发布者提供某一资源对应类型资源的匹配信息，便于用户更快捷的了解发布问题的解决方案、解决方法等。

1.1.1.1、同类型匹配

应用场景为：所有的资源详情页

匹配字段：标题、关键词、摘要

同类型匹配的资源类型见下表

表1同类型匹配规则表

1.1.1.2、对应匹配

应用场景：用户中心发布管理列表页

匹配字段：标题、关键词、摘要

对应类型匹配的资源类型见下表

表2对应类型匹配规则表

Halcon中模板匹配方法的总结归纳

Halcon中模板匹配方法的总结归纳 基于组件的模板匹配： 应用场合：组件匹配是形状匹配的扩展，但不支持大小缩放匹配，一般用于多个对象（工件）定位的场合。 算法步骤： 1.获取组件模型里的初始控件gen_initial_components() 参数： ModelImage [Input] 初始组件的图片 InitialComponents [Output] 初始组件的轮廓区域 ContrastLow [Input] 对比度下限 ContrastHigh [Input] 对比度上限 MinSize [Input] 初始组件的最小尺寸 Mode[Input] 自动分段的类型 GenericName [Input] 可选控制参数的名称 GenericValue [Input] 可选控制参数的值 2.根据图像模型，初始组件，训练图片来训练组件和组件相互关系train_model_components() 3.创建组件模型create_trained_component_model() 4.寻找组件模型find_component_model() 5.释放组件模型clear_component_model() 基于形状的模板匹配： 应用场合：定位对象内部的灰度值可以有变化，但对象轮廓一定要清晰平滑。 1.创建形状模型：create_shape_model() 2.寻找形状模型：find_shpae_model() 3.释放形状模型：clear_shape_model() 基于灰度的模板匹配： 应用场合：定位对象内部的灰度值没有大的变化，没有缺失部分，没有干扰图像和噪声的场合。 1.创建模板：create_template() 2.寻找模板：best_match() 3.释放模板：clear_template() 基于互相关匹配： 应用场合：搜索对象有轻微的变形，大量的纹理，图像模糊等场合，速度快，精度低。 1.创建模板：create_ncc_model() 2.寻找模板：find_ncc_model() 3.释放模板：clear_ncc_model() 基于变形匹配： 应用场合：搜索对象有轻微的变形。 1.创建模板：create_local_deformable_model() 2.寻找模板：find_local_deformable_model() 3.释放模板：clear_deformable_model()

资源配置的方式

资源配置的方式 前面的同学给我们讲了资源的配置，我们现在来具体谈一谈资源配置的方式，我们把资源的配置方式分为三种： 1 传统的社会习惯 人们在社会活动中长期形成普遍准守和接受的惯例。这些惯例通常是由法律和社会道德所约束的。比如收长子继承，技艺传儿媳妇不传女儿之类的。在这种传统配置资源的方式中习惯作为一中稳定的社会力量保证了经济活动的秩序和延续。但是很明显，在习惯带来稳定的同时也会窒息社会的创新，使社会的发展缓慢。处在一个相对静止的状态。 2 命令（政府）机制 这种配置方式指的就是由政府来分配资源。政府的决定可以是明主的，也可以是独裁的。在社会动荡或者经济危机的时候，这种分配方式是解决社会问题的有效方法。但是在经济发展的正常时期使用这种方式就会带来很多问题，因为这种方式会导致经济活动服从上层阶层人的偏好与利益，不利于曾进社会福利。 案例一 我们举个例子苏俄在1918-1921年由于国家的内忧外患，执行了战时共产主义政策，苏维埃政府强制把仅有的资源集中起来用于对抗敌人。他的措施包括余粮收集，工业国有化，还有取消自由贸易。这意味着政府成为了资源配置的唯一方式。下面我们来看列宁的一段话，从中我们知道战时共产主义政策，保证了战争的胜利，但是在1920年战争基本结束的时候，苏联仍然继续实行该政策，从1920年苏俄百姓中流行的一段话中我们看到了这种资源配置方式的缺点，政府的分配造成了百姓极大的不满，同时也抑制了生产者的劳动积极性。也因此我们来看，从1913-1921年，苏俄的国名生产总值出现下滑，1921年苏联已经陷入严重的经济危机之中。在1921年以后我们来看，苏俄的经济出现了显著的增长，这是为什么呢？就是我们熟知的新经济政策的实行。所谓在的新经济政策中，资源配置另一种方式进行，从图中我们已经看到了它的优越性，这就是市场机制。 3 市场机制 市场机制就是指资源配置是通过价格竞争来决定。越来越多的国家承认它在资源配置中发挥基础性作用。 下面我们来具体看看市场机制的运行。一种产品的需求量增加，卖方为了分配有限的资源就会提高价格，而价格的提高就会导致有更多的商家来提供这种商品，使产品数量增加，而产品的数量增加到超过人们需求量时，又会导致导致价格的下降，在较低的价格下，人们的需求又会增加，同时未来这种产品的供给将减少，市场平衡被恢复。在这样一个过程中，市场机制解决了一个产品需求增加的问题。因此我们说，市场机制通过市场价格信息来反映供求关系，并通过这种市场价格信息来调节生产和流通，从而达到资源配置。 在这个过程中我们看到市场机制解决了经济学的几个基本问题： 生产者生产什么：取决于消费者的货币投票，也就是消费者所需求的，愿意买的东西 生产者怎么生产：在刚才的例子中，生产效率高，即生产成本低的生产者，就会有更多的利润空间，为了获得更多的利润，生产者唯一的办法就是提高效率，压缩成本。 为谁生产：

国内企业客户资源管理漏洞连连

国内企业客户资源管理漏洞连连 客户是企业的命脉，不论您从事的是什么行业，什么工作，客户都是以一个最基础也最为重要的形象出现的。客户如水企业如舟，水能载舟亦能覆舟。脱离客户关系的企业，就像离开了水的小舟只是摆设，是海边的风景，慢慢腐朽；对客户的良好把握才能让企业在浪潮中稳步前进，勇往直前！ 既然客户如此重要，那我们又该如何管理？我们又在管理中遇到了什么样的难题呢？下面我就来看看另一个话题——客户资源管理： 1.客户信息都掌握在业务员手中，公司无法完全把握？ 一般来说，大多数企业的客户来源有两种：一种是宣传力度大，企业或产品有很高的知名度，客户主动找过来。这类客户相对稳定，可以说后期服务满意的话都会成为老客户或回头客；另一种则是正在发展过程中，想要打出一片市场的企业，通过业务部人员和市场部人员进行网络、电话等营销方式。这种方式找到的客户由于对很多东西都是我们灌输给他们的，所以要看业务人员的能力。 不管是哪一类的客户，我想应该都不是老总亲自来拜访跟踪，客户信息都是业务人员自己来管理。好一些的话定期提交一份简单的报表，糟糕一些的情况可能老总根本就不知道业务员手中有多少客户，客户的跟踪情况怎么样。企业的以后该怎样规划？ 2.业务人员对客户资料的管理还是自己用Excel表格记录？ 客户资料都是有业务人员来管理，那是用怎样的方式来做的呢？笔记本一个一个的记下来，用个Excel表格填进去等等。这些方式是非常常见的，也是存在问题最大的！ 首先，都易丢失，直接后果就是客户资源的流失。“反正是我自己管的，丢了老总也不知道，能找到最好，找不到就算了。”问题大了！ 再者，业务人员手上客户资源多了，很多客户联系了几次，最近事情又多，以前接触过的意向客户是哪个？多久没跟他们联系了？记不清了。往往本来有很意向的客户，耽搁了一段时间，意向就冷下来了，或是已经有竞争对手捷足先登，这样的情况屡见不鲜。 第三，每次跟踪客户之后只是大概的记下了“我打了电话”、“我发了邮件”。过了两天，再要跟客户联系的时候，上次沟通提到了哪些问题，客户比较在意什么记不清了。频繁的跟客户提起已经谈过的问题，或是客户不感兴趣的东西，客户的满意度怎么能上的来？你连客户说过的话都记不住，客户还怎么相信你能把其他的做好？ 3.业务人员离职后将客户资料带走，使企业客户大量流失？ 大家都知道，所有工作中，做业务的压力最大，公司里人员变动最频繁的也莫过于业务人员。一个业务人员的离开，尤其是有一定工作经验的老业务，他的离开往往不止是带走了客户资源，还带走了企业的业绩和其他工作人员工作的信心！而留下的呢？部门的遗憾，企业落寞和管理者的深思。“怎么样才能避免这样的情况，接下来流失掉的客户该怎么挽回？”这样的情况一旦发生了，实际上是很难挽回的。其他人对他的客户的了解可能只是聊天时的无意中提到一些简单的信息，中间的过程是什么样根本不了解。就算有留下资料，分配给其他人员继续跟踪，大多也是要从头开始。没有行动情况的历史记录，就算有再好的业务员，也

基于HALCON的模板匹配方法总结.

基于HALCON的模板匹配方法总结 基于HALCON的模板匹配方法总结 HDevelop开发环境中提供的匹配的方法主要有三种，即Component-Based、Gray-Value-Based、Shape-Based,分别是基于组件（或成分、元素）的匹配，基于灰度值的匹配和基于形状的匹配。这三种匹配的方法各具特点，分别适用于不同的图像特征，但都有创建模板和寻找模板的相同过程。这三种方法里面，我主要就第三种－基于形状的匹配，做了许多的实验，因此也做了基于形状匹配的物体识别，基于形状匹配的视频对象分割和基于形状匹配的视频对象跟踪这些研究，从中取得较好的效果。在VC下往往针对不同的图像格式，就会弄的很头疼，更不用说编写图像特征提取、模板建立和搜寻模板的代码呢，我想其中间过程会很复杂，效果也不一定会显著。下面我就具体地谈谈基于HALCON的形状匹配算法的研究和心得总结。 1. Shape-Based matching的基本流程 HALCON提供的基于形状匹配的算法主要是针对感兴趣的小区域来建立模板，对整个图像建立模板也可以，但这样除非是对象在整个图像中所占比例很大，比如像视频会议中人体上半身这样的图像，我在后面的视频对象跟踪实验中就是针对整个图像的，这往往也是要牺牲匹配速度的，这个后面再讲。基本流程是这样的，如下所示： ⑴ 首先确定出ROI的矩形区域，这里只需要确定矩形的左上点和右下点的坐标即可，gen_rectangle1()这个函数就会帮助你生成一个矩形，利用 area_center()找到这个矩形的中心；

⑵ 然后需要从图像中获取这个矩形区域的图像，reduce_domain()会得到这个ROI；这之后就可以对这个矩形建立模板，而在建立模板之前，可以先对这个区域进行一些处理，方便以后的建模，比如阈值分割，数学形态学的一些处理等等； ⑶ 接下来就可以利用create_shape_model()来创建模板了，这个函数有许多参数，其中金字塔的级数由Numlevels指定，值越大则找到物体的时间越少，AngleStart和AngleExtent决定可能的旋转范围，AngleStep指定角度范围搜索的步长；这里需要提醒的是，在任何情况下，模板应适合主内存，搜索时间会缩短。对特别大的模板，用Optimization来减少模板点的数量是很有用的；MinConstrast将模板从图像的噪声中分离出来，如果灰度值的波动范围是10，则MinConstrast应当设为10；Metric参数决定模板识别的条件，如果设为’use_polarity’，则图像中的物体和模板必须有相同的对比度；创建好模板后，这时还需要监视模板，用inspect_shape_model()来完成，它检查参数的适用性，还能帮助找到合适的参数；另外，还需要获得这个模板的轮廓，用于后面的匹配，get_shape_model_contours()则会很容易的帮我们找到模板的轮廓； ⑷ 创建好模板后，就可以打开另一幅图像，来进行模板匹配了。这个过程也就是在新图像中寻找与模板匹配的图像部分，这部分的工作就由函数 find_shape_model()来承担了，它也拥有许多的参数，这些参数都影响着寻找模板的速度和精度。这个的功能就是在一幅图中找出最佳匹配的模板，返回一个模板实例的长、宽和旋转角度。其中参数SubPixel决定是否精确到亚像素级，设为’interpolation’，则会精确到，这个模式不会占用太多时间，若需要更精确，则可设为’least_square’,’lease_square_high’，但这样会增加额外的时间，因此，这需要在时间和精度上作个折中，需要和实际联系起来。比较重要的两个参数是MinSocre和Greediness，前一个用来分析模板的旋转对称和它们之间的相似度，值越大，则越相似，后一个是搜索贪婪度，这个值在很大程度上影响着搜索速度，若为0，则为启发式搜索，很耗时，若为1，则为不安全搜索，但最快。在大多数情况下，在能够匹配的情况下，尽可能的增大其值。 ⑸ 找到之后，还需要对其进行转化，使之能够显示，这两个函数 vector_angle_to_rigid()和affine_trans_contour_xld()在这里就起这个作用。前一个是从一个点和角度计算一个刚体仿射变换，这个函数从匹配函数的

基于HALCON的模板匹配方法总结--蓝云杨的机器视觉之路

基于HALCON的模板匹配方法总结--蓝云杨的机器视觉之路 蓝云杨的机器视觉之路https://www.wendangku.net/doc/ba17645612.html,/blog/user1/8/index.html 首页相册 标签机器视觉(64)图像处理(11)视频压缩(12)小波分析(5)三峡(3)生活随笔(32)HALCON(7)编程感悟(18)哲思慧语(32) 基于HALCON的模板匹配方法总结 2006-8-16 16:34:00 4 推荐很早就想总结一下前段时间学习HALCON的心得，但由于其他的事情总是抽不出时间。去年有过一段时间的集中学习，做了许多的练习和实验，并对基于HDevelop 的形状匹配算法的参数优化进行了研究，写了一篇《基于HDevelop的形状匹配算法参数的优化研究》文章，总结了在形状匹配过程中哪些参数影响到模板的搜索和匹配，又如何来协调这些参数来加快匹配过程，提高匹配的精度，这篇paper放到了中国论文在线了，需要可以去下载。 德国MVTec公司开发的HALCON机器视觉开发软件，提供了许多的功能，在这里我主要学习和研究了其中的形状匹配的算法和流程。HDevelop开发环境中提供的匹配的方法主要有三种，即Component-Based、Gray-Value-Based、Shape-Based,分别是基于组件（或成分、元素）的匹配，基于灰度值的匹配和基于形状的匹配。这三种匹配的方法各具特点，分别适用于不同的图像特征，但都有创建模板和寻找模板的相同过程。这三种方法里面，我主要就第三种－基于形状的匹配，做了许多的实验，因此也做了基于形状匹配的物体识别，基于形状匹配的视频对象分割和基于形状匹配的视频对象跟踪这些研究，从中取得较好的效果，简化了用其他工具，比如VC++来开发的过程。在VC下往往针对不同的图像格式，就会弄的很头疼，更不用说编写图像特征提取、模板建立和搜寻模板的代码呢，我想其中间过程会很复杂，效果也不一定会显著。下面我就具体地谈谈基于HALCON的形状匹配算法的研究和心得总结。 1. Shape-Based matching的基本流程 HALCON提供的基于形状匹配的算法主要是针对感兴趣的小区域来建立模板，对整个图像建立模板也可以，但这样除非是对象在整个图像中所占比例很大，比如像视频会议中人体上半身这样的图像，我在后面的视频对象跟踪实验中就是针对整个图像的，这往往也是要牺牲匹配速度的，这个后面再讲。基本流程是这样的，如下所示： ⑴ 首先确定出ROI的矩形区域，这里只需要确定矩形的左上点和右下点的坐标即可，gen_rectangle1()这个函数就会帮助你生成一个矩形，利用area_center()找到这个矩形的中心； ⑵ 然后需要从图像中获取这个矩形区域的图像，reduce_domain()会得到这个ROI；这之后就可以对这个矩形建立模板，而在建立模板之前，可以先对这个区域进行一些处理，方便以后的建模，比如阈值分割，数学形态学的一些处理等等； ⑶ 接下来就可以利用create_shape_model()来创建模板了，这个函数有许多参数，其中金字塔的级数由Numlevels指定，值越大则找到物体的时间越少，AngleStart 和AngleExtent决定可能的旋转范围，AngleStep指定角度范围搜索的步长；这里需要提醒的是，在任何情况下，模板应适合主内存，搜索时间会缩短。对特别大的模板，用Optimization

模板匹配

halcon模板匹配 * 在一个图片中获取ROI并在此图片中匹配 dev_close_window () dev_open_window (0, 0, 600, 600, 'black', WindowHandle) * 窗口语句 read_image(Image,'L:/Halcon test/mk2.jpg') *read_image(Image,'L:/Halcon test/mk3.jpg') *read_image(Image,'L:/Halcon test/mk4.jpg') * 这里有4张图片，每一张都说明一个小问题，附图分析。 gen_rectangle1 (ROI1, 57.8333, 49.5, 181.167, 342.833) * 画一个矩形选择ROI，矩形在左上角，覆盖一个完整的，无变形规定尺寸的商标，作为模板。 reduce_domain(Image,ROI1,ImageReduced1) * 大图和这个矩形的ROI相减就会得到一个左上角的商标的图案作为模板，命名ImageReduced。 create_shape_model(ImageReduced1,0,0,rad(360),0,'no_pregeneration','use_polarity',40,10,ModelID1) * 创建一个比例不变（1:1）的匹配的轮廓模型。具体参数下个帖子说明，也可见[Halcon算子学习交流区] Halcon模版匹配算子解析。 find_shape_model(Image,ModelID1,0,rad(360),0.7,13,0.5,'interpolation',0,0.9,Row,Column,Angle,Score) * 寻找与模板的大小尺寸必须是一比一匹配的，只是角度的不同而已，若大小发生变化，则不能匹配 get_shape_model_contours(ModelContours1,ModelID1,1) * 在大图中获取匹配。 for i := 0 to |Row|-1 by 1 vector_angle_to_rigid(0,0,0,Row【i】,Column【i】,Angle【i】,HomMat2D) affine_trans_contour_xld(ModelContours2,ContoursAffinTrans,HomMat2D) endfor * 获取匹配。 disp_message (WindowHandle, '总共匹配了' + |Row| + '个商标', 'window', 12, 12, 'red', 'true') * 输出数量统计。 clear_shape_model(ModelID1) stop()

客户开发培训资料

了解企业战略： 了解企业的战略，企业的背景，特别是资金实力等知道的越多，当你对企业有归属感时，才能让经销商也有同感啊，俗话说“要销售产品，首先把自己推销出去”。富有激情的说给他听，他也会被你的热情所感染，作为经销商代理你的产品也会心里有底。 了解产品知识、市场定位及市场开发思路。

正所谓：三流业务员卖产品，二流业务员卖服务。一流业务员卖文化。 了解企业为什么需要经销商。 面对漫天要价的经销商你可以问他，我们之所以找你是为了：渠道借用资金安全管理成本等。不然我们就设直销处了，就不需要经销商了。 你要知道你公司开发市场的思路市场定位，产品档次，性价比，产品的运作流程，性能配置，使用方法等。 了解自己公司销售政策 ）经销区域 ）销售任务 ）付款方式（包括运费） ）推广力度（包括铺货和促销） ）售后服务 ）销售政策（包括年终返点） ）质量和价格 寻找目标客户的标准。 ：销售网络强大资金雄厚 资金实力雄厚的经销商往往是行业里面的领袖，这是我们首先寻找的目标。但这类客户往往对厂家销售政策要求苛刻，而且他手中有很多品牌，往往不会把你的产品放在重要位置上的。 ：有资金。没有网络实力经销商 这一种情况往往是做相关联的产业的现在刚想进入本行业。这一类客户是我们首先选择的目标，他现在虽然刚进入该行业但他在其他的行业是有许多网络的。 ：没有资金但有先进的经营理念 这一种情况往往是进入这个行业不久，往往以前要么给其他的经商商打工的要么是厂家的销售人员现在自己开店了，这类人很有想法但就缺资金，如果厂家支持力度大找这种经销商也是一种选择。 ：没有资金实力也没有网络更没有想法的经销商 这种情况给你说的最多的一句话就是，我先打的款试试。就是不是选择的目标了。 寻找经销商的方式。 网上寻找： 黄页寻找： 就是通过一些工商目录，确定一些客户。不过这部分选出的客户一般实力都比较大，否则不会上工商目录的。 上门拜访： 就是直接到终端销售点或分销商给你推荐， 介绍法： 通过熟人或市场管理人员，甚至对你不感兴趣的经销商，如果你的态度好，他们或许可

基於HALCON的模板匹配方法总结

基於HALCON的模板匹配方法總結 基於HALCON的模板匹配方法總結 很早就想總結一下前段時間學習HALCON的心得，但由於其他的事情總是抽不出時間。去年有過一段時間的集中學習，做了許多的練習和實驗，並對基於HDevelop的形狀匹配算法的參數優化進行了研究，寫了一篇《基於HDevelop的形狀匹配算法參數的優化研究》文章，總結了在形狀匹配過程中哪些參數影響到模板的搜索和匹配，又如何來協調這些參數來加快匹配過程，提高匹配的精度，這篇paper放到了中國論文在線了，需要可以去下載。 德國MVTec公司開發的HALCON機器視覺開發軟件，提供了許多的功能，在這裡我主要學習和研究了其中的形狀匹配的算法和流程。HDevelop開發環境中提供的匹配的方法主要有三種，即Component-Based、Gray-Value-Based、Shape-Based,分別是基於組件（或成分、元素）的匹配，基於灰度值的匹配和基於形狀的匹配。這三種匹配的方法各具特點，分別適用於不同的圖像特征，但都有創建模板和尋找模板的相同過程。這三種方法裡面，我主要就第三種－基於形狀的匹配，做了許多的實驗，因此也做了基於形狀匹配的物體識別，基於形狀匹配的視頻對象分割和基於形狀匹配的視頻對象跟蹤這些研究，從中取得較好的效果，簡化了用其他工具，比如VC++來開發的過程。在VC下往往針對不同的圖像格式，就會弄的很頭疼，更不用說編寫圖像特征提取、模板建立和搜尋模板的代碼呢，我想其中間過程會很復雜，效果也不一定會顯著。下面我就具體地談談基於HALCON的形狀匹配算法的研究和心得總結。 1. Shape-Based matching的基本流程 HALCON提供的基於形狀匹配的算法主要是針對感興趣的小區域來建立模板，對整個圖像建立模板也可以，但這樣除非是對象在整個圖像中所佔比例很大，比如像視頻會議中人體上半身這樣的圖像，我在後面的視頻對象跟蹤實驗中就是針對整個圖像的，這往往也是要犧牲匹配速度的，這個後面再講。基本流程是這樣的，如下所示： ⑴首先確定出ROI的矩形區域，這裡只需要確定矩形的左上點和右下點的坐標即可， gen_rectangle1()這個函數就會幫助你生成一個矩形，利用area_center()找到這個矩形的中心； ⑵然後需要從圖像中獲取這個矩形區域的圖像，reduce_domain()會得到這個ROI；這之後就可以對這個矩形建立模板，而在建立模板之前，可以先對這個區域進行一些處理，方便以後的建模，比如閾值分割，數學形態學的一些處理等等； ⑶接下來就可以利用create_shape_model()來創建模板了，這個函數有許多參數，其中金字塔的級數由Numlevels指定，值越大則找到物體的時間越少，AngleStart和AngleExtent 決定可能的旋轉范圍，AngleStep指定角度范圍搜索的步長；這裡需要提醒的是，在任何情

企业客户资源管理项目(需求说明书)

卷号 卷内编号 密级 【企业客户资源管理项目】 软件需求说明书 修订文档历史记录 日期版本说明作者 0.1 初稿形成。 0.2 增加“子系统或模块”。 0.3 增加“子系统或模块”。 0.4 增加“子系统或模块”。 0.5 增加“业务流程图”。 1.0 评审通过后，正式发布。 1.1 需求增加，产生变更。 2.0 变更评审通过后，发布。

目录 1软件总体概述 (3) 1.1软件标识 (3) 1.2软件需求分析 (3) 1.2.1系统属性 (3) 1.2.2用户特点 (4) 2.子系统和模块 (4) 2.1企业客户资源管理功能结构图 (5) 3业务流程图 (7) 3.1总体规划 (7) 3.1.1项目规划 (7) 4接口需求 (8) 4.1用户接口 (8) 4.2内部接口 (8) 4.2外部接口 (8) 5.附件 (9)

软件需求说明书 1软件总体概述 1.1软件标识 软件全称：企业客户资源资源管理系统 版本号标识： 软件版本号主要形式为：A.B.C.D格式。其中： A 代表主版本号，取值范围为0…n； B 代表次版本号，取值范围为0…n； C 代表修订版本号，取值范围为0…n。 起始主版本号根据软件产品历史确认，并经高级经理批准，一般起始主版本号比目标主版本号要低，如目标版本号为2.0，则起始版本号为1.0。 此后如果软件有重大改变（例如重要的功能改变、产品线的改变、软件架构的改变等）时，可以递增主版本号，而此时次版本号、修订版本号、构建版本号要归零，即为“X.0.0.0”形式，主版本号的变更由高级管理者批准。 如果软件由较大改变（例如功能的调整、增减、结构的更改等）时，可以递增次版本号而主版本号不变，此时修订版本号和构建版本号要归零，即为“X.Y.0”格式，次版本号的变更由项目经理批准。 根据修订次数确定修订版本号，修订版本号的变更由项目经理批准。 1.2软件需求分析 通过实际调查，要求本系统具有以下功能： 1.由于操作人员的计算机知识的普遍偏低，因此要求系统人员具有良好的人机界面。 2.如果系统的使用对象较多，则要求有良好的权限管理。 3.方便的数据查询。 4.方便的添加和修改数据。 5.使用水晶报表分析显示客户级别和来源情况。 6.在相应的权限下，删除数据方便简单、数据稳定性强。 7.数据计算自动完成、尽量减少人工干预。 8.完善的数据备份，还原和清理功能。 1.2.1系统属性 运行在Windows平台上网站系统，本软件是一个独立的系统。

模板匹配详解

模板匹配? 目标? 在这节教程中您将学到: ?使用OpenCV函数matchTemplate在模 板块和输入图像之间寻找匹配,获得匹配结 果图像 ?使用OpenCV函数minMaxLoc在给定的 矩阵中寻找最大和最小值(包括它们的位 置). 原理? 什么是模板匹配?? 模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的技术. ?我们需要2幅图像: 1. 原图像(I):在这幅图像里,我们希望 找到一块和模板匹配的区域 2. 模板(T):将和原图像比照的图像 块 我们的目标是检测最匹配的区域:

?为了确定匹配区域, 我们不得不滑动模板图像和原图像进行比较: ?通过滑动, 我们的意思是图像块一次移动一个像素(从左往右,从上往下). 在每一个位置, 都进行一次度量计算来表明它是“好” 或“坏” 地与那个位置匹配(或者说块图像和原图像的特定区域有多么相似). ?对于T覆盖在I上的每个位置,你把度量值保存到结果图像矩阵(R)中. 在R 中的每个位置都包含匹配度量值:

上图就是TM_CCORR_NORMED方法 处理后的结果图像R . 最白的位置代表最 高的匹配. 正如您所见, 红色椭圆框住的位 置很可能是结果图像矩阵中的最大数值, 所以这个区域(以这个点为顶点,长宽和模 板图像一样大小的矩阵) 被认为是匹配的. 实际上, 我们使用函数minMaxLoc来定 位在矩阵R中的最大值点(或者最小值, 根据函数输入的匹配参数) . 问得好. OpenCV通过函数matchTemplate实现了模板匹配算法. 可用的方法有6个: 1. 平方差匹配method=CV_TM_SQDIFF 这类方法利用平方差来进行匹配,最好匹配为0.匹配越差,匹配值越大. b. 标准平方差匹配 method=CV_TM_SQDIFF_NORMED

开发客户资源的措施

开发客户资源的措施 一、老客户维护实现转介绍达到持续发展的目的： 在目前新客户少和市场形势不乐观的情形下，我们在老客户营销方面下工夫，从老客户身上挖掘价值，据相关分析开发老客户成功率高于新客户的3倍，所以 我们将从老客户身上挖掘新的利润增长点。为此制定了终身会员的服务方案和练 习场会员服务方案。在这两个方案中主要体现：人文关怀，注重感情投资；注重 服务细节，重视客户的反馈信息等，创造老客户口碑，提高老客户的忠诚度。 老客户的识别：终身会员、练习场会员、潜在客户、资料库中的客户、认识的人、 朋友介绍的客人等。 通过以下的一些方法来对老客户进行专项经营： 1、从良好的售后服务开始。1）曾经一个客户说了一句很值得我们深思的话： “我一刷完卡，以后人就不见了”；这都是意识问题，其实签完合同才是服务的开始，尤其现阶段的练习卡快速成交导致我们和客户并不熟悉，所以和客户并没有什么感情，要想让成交过的客户成为老客户，就必须做售后服务，这是与客户多接触的机会所以要把握；2）积极主动协助客户解决问题：客户有问题来找我们，是完全信任，如果不去主动帮助，他们对我们会失望。所以我们应该喜欢客户找我们，因为这些都是机会，特别是处理纠纷，每次处理纠纷都可以创造老客户！3）保持不断联络，让他记住自己的销售经理，并成为朋友（兴趣、节假日、客户的生日、上门拜访、邀请参加公司的各种活动、送公司的会刊等），这些都是非常好的方式，当然也有很多特别的方式，这个每个销售经理可以自己去想，反正只有一个目的：让客户永远记住我们，在他们需要帮助时，第一个想到的就是我们！ 2、建立好客户档案。建立客户档案，对老客户的跟进非常有用！我们每天都 在接触不同的客户，难免会忘掉一些客户；只有做好了档案，才有案可寻，才不会失去很多机会。客户档案内容：客户的姓名、成交记录、性别、爱好、性格、年龄、生日、家庭情况、职业、收入情况、联系电话。 3、把每一个成交的客户当作宝藏来挖掘。每个客户后面都有圈子，意味着潜 在客户需要从老客户身边挖掘。 4、对于老客户仍然要敢于要求。主动要求老客户转介绍，我们创造老客户的 目的就是为了转介绍，所以要主动！每次和客户接触时，都要主动询问并提醒客户给我们转介绍，让他们成为我们的销售人员。而且帮助别人是人的天性，我们要满足客户这个天性。要求老客户重复业务，比如提示终身会员是否要升级，向练习卡会员推荐更高一级的产品等。 5、对老客户转介绍的资源一定要成交并表示感谢。

HALCON形状匹配总结

HALCON形状匹配总结 Halcon有三种模板匹配方法：即Component-Based、Gray-Value-Based、Shaped_based,分别是基于组件（或成分、元素）的匹配，基于灰度值的匹配和基于形状的匹配， 此外还有变形匹配和三维模型匹配也是分属于前面的大类 本文只对形状匹配做简要说明和补充： Shape_Based匹配方法： 上图介绍的是形状匹配做法的一般流程及模板制作的两种 方法。 先要补充点知识：形状匹配常见的有四种情况一般形状匹配模板shape_model、线性变形匹配模板 planar_deformable_model、局部可变形模板 local_deformable_model、和比例缩放模板Scale_model 第一种是不支持投影变形的模板匹配，但是速度是最高的， 第二种和第四种是支持投影变形的匹配，第三种则是支持局 部变形的匹配。 一般形状匹配模板是最常用的，模板的形状和大小一经制作 完毕便不再改变，在查找模板的过程中，只会改变模板的方 向和位置等来匹配目标图像中的图像。这个方法查找速度很 快，但是当目标图像中与模板对应的图像存在比例放大缩小

或是投影变形如倾斜等，均会影响查找结果。涉及到的算子 通常为create_shape_model 和find_shape_model 线性变形匹配模板planar_deformable_model是指模板在行列方向上可以进行适当的缩放。行列方向上可以分别独立的 进行一个适当的缩放变形来匹配。主要参数有行列方向查找 缩放比例、图像金字塔、行列方向匹配分数（指可接受的匹 配分数，大于这个值就接受，小于它就舍弃）、设置超找的角度、已经超找结果后得到的位置和匹配分数 线性变形匹配又分为两种：带标定的可变形模板匹配和不带 标定的可变形模板匹配。涉及到的算子有： 不带标定的模板：创建和查找模板算子 create_planar_uncalib_deformable_model和 find_planar_uncalib_deformable_model 带标定模板的匹配：先读入摄像机内参和外参 read_cam_par 和read_pose 创建和查找模板算子create_planar_calib_deformable_model和 find_planar_calib_deformable_model 局部变形模板是指在一张图上查找模板的时候，可以改变 模板的尺寸，来查找图像上具有局部变形的模板。例如包装 纸袋上图案查找。参数和线性变形额差不多 算子如下：create_local_deformable_model和 find_local_deformable_model

客户资源公司资源还是个人资源

市场管理一句警语：等到客户与业务员称兄道弟之时，公司只是他们的可选项里被选择机会越来越小的一项了。——结论是：失控了。 客户资源，是公司资源还个人资源？ ——关于客户资源管控的重要性思考 摘要： 根据品牌三度：知名度、美誉度、忠诚度的分析方法，可分析得出客户资源的两个构成要素：客户信息和客户信任度。在由客户信任度深入进行两分法分析，就有了客户资源是公司资源还是个人资源的问题；结论为两者均是，具体划分应依据客户信任度的高低了。客户资源在公司资源和个人资源的转换变化中，关键之处在于公司的掌控力度，强，则客户资源保持为公司资源，弱，则公司资源会成为个人资源。 如果一个客户需要订货，首先的动作是向生产这项货物的公司打电话，那么该客户是为公司的客户资源（简称公司资源）；如果一个客户需要订货，首先的动作是和生产这项货物的业务员联系，那么该客户就已成为了业务员的个人资源，而非公司资源。 虽然上述论断并非完全状态，但大多数情况是适用上述论断的。就是有少数不适用的，其也在朝着适用的方向发展。 到此，概念有些含混了，不妨解释一下：客户是一种资源，无需解释；公司资源，即为公司所有的资源，公司牟利的基础；个人资源，即为个人掌控的资源，个人生财的手段。客户资源实质是一种关系资源，是一种无形的资源，亦可称为无形资产，其特点是可同时被多方掌握，也可被重复掌握；可同时被多方利用，也可被重复利用；如果客户方只有一个需求，那么就产生了对该资源掌控程度的排序，此时，就有了公司资源和个人资源的分别了。如为公司资源，那么公司无疑首先抢到订货；如为个人资源，那么个人（业务员）首先拿到订货，正常情况下再由业务员将订货转给公司。非正常情况，如果该业务员已离开该公司，那么该公司拿到订货的几率就很小了，哪怕该业务员虽未离开，但准备离开该公司时，该公司拿到该订货的几率已降至一半以下。就是业务员还在该公司好好工作，如果有其他公司想通

基于图像灰度的模板匹配方法

基于图像灰度的模板匹配方法 图像匹配技术是数字图像信息处理和计算机视觉领域中 的—个基本问题，并在卫星遥感、空间飞行器的自动导航、武器 投射系统的末制导和寻的、光学和雷达的图像目标跟踪、地球 资源分析与检测、气象预报、医疗诊断、文字读取以及景物分析 中的变化检测等许多领域中得到广泛应用㈣。 一般来说，由于图像在不同时间、不同传感器、不同视角获得的成像条件不同，因此即使是对同一物体，在图像中所表现出来的几何特性、光学特性、空间位置都会有很大的不同，如果考虑到噪声、干扰等影响会使图像发生很大差异， 图像匹配就是通过这些不同之处找到它们的相同点。 图像匹配算法主要分为两类口：一类是基于灰度匹配的方 法；另一类是基于特征匹配的方法。前者主要用空间的一维或 二维滑动模板进行图像匹配，不同算法的区别主要在模板及相 关准则的选择方面，这类方法一般匹配率高，但计算量大，速度 较慢；后者则通过在原始图像中提取点、线、区域等显著特征作 为匹配基元，进而用于特征匹配，一般匹配速度较陕，但匹配精 度不一定高。 1.概念解释： ①数字图像:数字图像是由被称做像素的小块区域组成的二维像素矩阵。一般把图像分成3种形式：单色图像，灰度图像和彩色图像。 ②像素：表示图像颜色的最小单位 ③灰度图像：灰度图是指只含亮度信息，不含色彩信息的图像，就像平时看到的黑白照片：亮度由暗到明，变化是连续的。灰度图的每个像素的亮度用一个数值来表示，通常数值范围在0—255之间，即可用一个字节来表示，0表示黑，255表示白，而其他表示灰度。 ④点阵图:显示器的屏幕由可以发光的像素点组成. 并且从几何位置看, 所用这 些像素点构成一个矩形的阵列.利用计算机控制各像素点按我们指定的要求发光,

收集客户资源最有效方法

收集客户资源最有效方法收集客户资源的第1种有效途径是：找黄页（包括网上黄页）。这种方法在前几年网络不发达的时候，就已经是收集客户资源的最主要的工具，但现在它已经很少被市场人员所采用。原因一是，随着互联网不断发展，出现了更快捷准确的信息收集渠道，取为代之，二是很多黄页多是黄页公司采集来的企业，并不都是实力雄厚的公司。但它仍有一定作用：因为当我们没有网络或电脑的时候，仍能保证开展业务，同时黄页多有分类查阅功能，可从宏观上了解一个地区的主要行业及企业的分布状况。所以，建议配备一套这样的黄页也有必要。 收集客户资源的第2种有效途径是：用好baidu或google等搜索工具。这种途径是目前最流行、也是最快捷方便的方法，它具有实时性、完整性、互动性等特点，但如何用好网络收集客户，也是一个最复杂的过程。假设我们要整理一份舟山普陀地区主要企业及其HR 联系名单，我们将如何做呢？首先，可在百度或谷歌里搜索关键词“舟山普陀主要企业”，这样就可能出现很多类似的名单或名称，但也有可能没有。没有的话，那怎么办呢？我呢之前在网上听过一些关于搜索引擎的一些课程：“搜索的要诀在于对关键词的选择。”这几个关键词不行，就换！换个“普陀企业”扩大一点（注意：搜索的规则是，先搜最具体的关键词，如“普陀企业hr名单”，如搜不出，则可以把关键词分开，试一试“普陀企业 hr 名单”，还没有的话，

就换个意思相近的词，如“企业”改为“公司”，“hr”改为“人力资源”，“公司名单”改为“企业一百强”等，还不行的话，则要扩大关键词了，换几个意义更广阔的，如搜索“舟山企业名单”等，出来之后，肯定不仅仅是普陀的企业了，但一般包括普陀的企业，这就需要你一页一页的细细寻找了）。另外，搜索的另一个要诀是换个搜索引擎，百度不行谷歌，同时也试一试搜搜，试一下有道。这里说一下搜索的要诀技巧：别人经常使用的一些词要是搜不出，就找它的同义词去搜。 收集客户资源的第3种有效途径是：善于利用百度文库、百度快照、百度百科、百度知道等工具。打个比方，无数知名或不知名的人都被百度百科收录进去，你要找的客户无论是单位或是个人，可能已经被收录进去了。假设，我想了解下“21世纪法律研究院”这个机构的情况，但没看到其网站，怎么办？在百科里试一试，结果真有。（类似百度百科的还有搜搜百科，维基百科等，其中维基百科的收录标准最严，也最权威一些）。至于百度文库，里面有很多别人上传上的资料，只要有心，一般都能找到，例如在文库里找“中国电子政务百强企业”，一般能找到类似的名单，有人问了，下载这些资料的时候要注册，还要财富值，没有怎么办？我可以告诉大家：没有登录照样可以在其窗口复制其内容。（类似百度文库的还有道客巴巴、豆丁网等）。百度知道的功能在于你可以提出问题让别人解答。例如你想知道国脉研究院的人力资源总监的名字，你可以提问，有可能就有网友给你提供。

几种图像的检测和模板匹配方法

几种图像的检测和模板匹配方法 图象的分割与检测（识别）实际上是一项非常困难的工作。很难说清楚为什么图象应该分割成这样而不是那样。人类的视觉系统是非常优越的，它不仅包含了双眼，还包括了大脑，可以从很复杂的景物中分开并识别每个物体，甚至可以毫不费力的跟上每秒好几十帧变化的图象。举两个例子来说明一下人类视觉系统的优越性： 图1是单词THE，这一点很容易看出来，但仔细观察一下，就会发现，图中少了很多线条。在我们人类看来很简单的一件事，让计算机来做就很困难了。 图2中尽管没有任何线条，但我们还是可以很容易的看出中间存在着一个白色三角形。计算机却很难发现。 由于人类在观察图象中应用了大量的知识，所以没有任何一台计算机在分割和检测真实图象时，能达到人类视觉系统的水平。正因为如此，对于大部分图象应用来说，自动分割与检测还是一个将来时，目前只有少数的几个领域（如印刷体识别OCR）自动识别达到了实用的水平。假想在一场足球比赛的录象中，我们希望可以输入命令，由计算机自动搜索出所有射门的镜头并显示在屏幕上，但目前，我们能从一幅图象中获得的信息只是每个像素的颜色或灰度值，除此以外别无其它，完成上述功能实在是太困难了。所以说解决图象分割和检测最根本的方法是在编码（成像）时就给予考虑。这也正是MPEG4及未来的视频压缩编码标准的主要工作。 针对上述困难，现在提出了三种算法：投影法，差影法和模板匹配。 1、投影法 怎样从华盛顿纪念碑图中自动检测到水平方向上纪念碑的位置。 仔细观察，不难发现，纪念碑上像素的灰度都差不多而且与众不同，如果我们选取合适的阈值，做削波处理（这里选175到220），将该图二值化，如下图所示： 图1. 削波处理，将图二值化图2. 图4做竖直方向投影

会销人开发新客户资源五大途径

会销人开发新客户资源五大途径 第一招：旅游转化 旅游模式现在用的人不少，但依然是一种很好的转化方式，只是旅游转化从狭窄的平面走向立体的纵深是一种必然。如何把旅游做到买卖双方都心满意足需要独具匠心的设置。 首先，一定要摒弃“挂羊头卖狗肉”的伎俩。不管是免费旅游，还是低收费旅游，最重要的是让新顾客体会到实实在在的利益，而不是以旅游为幌子进行强制性卖货。 其次，这利益包括真实的景点游玩带来的快乐、旅途中享受到的来自员工的情感关怀和备至服务以及接触到的健康养生知识等等，全面铺垫，立体打造。 第三，健康养生知识的灌输要做到与时俱进、层层渗透。与时俱进就是要切中中老年人养生的心理脉搏，比如中老年人大多有很重的怀旧意识与民族情结，故可引入中医五行养生理念，春季养生、夏季养长、秋季养收、冬季养藏，顺应天时、天人合一，中华传统文化及中医药的博大精深极易引起他们的共鸣，也更易于取得他们的好感。层层渗透就是在课程设置方面要做到劳逸结合即在游玩之余穿插养生学习、循序渐进即是从观念到体验、从理论到实操、从理性到感性、从知识到产品逐层深入，做到以上两点再推出优惠政策方能水到渠成。 第二招：店面转化 顾名思义，就是以店面为单位，通过活动及服务促成资源转化的方式。店面转化是实现大面积转化最重要的一步。 在课程设置上，可以通过季节养生、经络养生等健康理念先行，迎合新顾客对养生知识的需求，引出产品支撑理论；产品理论知识渗透跟后，全面介绍产品理论及实际应用，拔高产品高度，增加产品的权威性、可信性；产品效果见证，针对产品功效播放相应的案例视频，比如心脑血管疾病则播放关于心脑血管疾病的可怕性、突发性及名人事例，提高顾客对于此类疾病的高度重视与防范意识，进而引出产品；最后销售会趁热打铁实现收获。 而以上过程中，流程控制至关重要，流程化等于专业化，对于流程的控制要细致到每一个环节，用细节打动人心，让顾客引起足够的兴趣并乐于参加，且在参与的过程中能够获得快乐、幸福和健康，自然销售是销售的最高境界。 第三招：家庭转化 通过前期的交流没来参加店堂活动的顾客，就需要通过家访达到转化签单的目的。这就需要家访员工具备较高的素质，让顾客感觉投缘，在话术上说到顾客心窝里去，在态度上让顾客倍感关怀，在礼节上让顾客备受尊重，以顾客利益为突破点，最终达成转化。 第四招：渗透式转化 此方式适用于非常理智型的顾客，对于在短期活动中无动于衷的顾客，这就需要在长期的服