UVA707Robbery(记忆化搜索)

题意:、

一个n*m的城市,有小偷会偷银行,小偷偷东西t分钟后,城市会被全部封锁,然后会有q次排查,每次排查的范围是一个矩形,给出左上角坐标(a,b)和右下角坐标(c,d),格式为t a,b,c,d,表示这个范围该时间小偷不在,输出所有小偷可能在的位置和时间。小偷在此过程中每秒最多可以移动一个单位的距离

分析:

一共有三种情况,确定小偷所在的位置和时间,小偷逃离城市,一无所获,要描述一个状态,至少要有三个量,(x,y,t),因为不知道小偷在哪,所以要尝试t=1的时候小偷所有可能的位置,-1表示该状态还未确定,0表示不在,1表示可能在,那么从开始搜就行了,如果一个状态的后继状态不全部在不可能区域,说明他可能在该位置,记录每个时间可能的坐标,如果一个时间可能的坐标只有一个,那么就确定了小偷的位置

#include<bits/stdc++.h>
using namespace std;
#define pii pair<int, int>
const int N = 105;
int d[5][2] = {{0, 0}, {0, 1}, {0, -1}, {1, 0}, {-1, 0}};
int dp[N][N][N];
int w, h, t, n;
vector<pii> ans[N];
void init()
{
    scanf("%d", &n);
    int ti, x1, x2, y1, y2;
    memset(dp, -1, sizeof(dp));
    while(n--)
    {
        scanf("%d%d%d%d%d", &ti, &x1, &y1, &x2, &y2);
        for(int i = x1; i <= x2; i++)
            for(int j = y1; j <= y2; j++)
                dp[i][j][ti] = 0;
    }
}
int dfs(int x, int y, int ti)
{
    int &ans = dp[x][y][ti];
    if(ans != -1) return ans;
    ans = 0;
    if(ti == t) return ans = 1;
    for(int i = 0; i < 5; i++)
    {
        int nx = x + d[i][0];
        int ny = y + d[i][1];
        if(nx < 1 || nx > w || ny < 1 || ny > h) continue;
        if(dfs(nx, ny, ti+1))
            ans = 1;
    }
    return ans;
}
int solve()
{
    int flag;
    for(int i = 1; i <= t; i++)
    {
        ans[i].clear();
        flag = 0;
        for(int j = 1; j <= w; j++)
            for(int k = 1; k <= h; k++)
                if(dp[j][k][i] == 1)
                {
                    ans[i].push_back(pii(j, k));
                    flag = 1;
                }
        if(flag == 0) return 0;
    }
    flag = 1;
    for(int i = 1; i <= t; i++)
        if(ans[i].size() == 1)
        {
            printf("Time step %d: The robber has been at %d,%d.\n", i, ans[i][0].first, ans[i][0].second);
            flag = 0;
        }
    if(flag) return 1;
    return 2;
}
int main()
{
    int kase = 0;
    while(~scanf("%d%d%d", &w, &h, &t), w)
    {
        init();
        for(int i = 1; i <= w; i++)
            for(int j = 1; j <= h; j++)
                dfs(i, j, 1);
        printf("Robbery #%d:\n", ++kase);
        int tmp = solve();
        if(tmp == 0)
            puts("The robber has escaped.");
        else if(tmp == 1)
            puts("Nothing known.");
        puts("");
    }
    return 0;
}



  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个基本的代码示例,可以从数据集中提取光流图并应用于i3d网络: ```python import os import cv2 import numpy as np # 定义数据集文件夹和光流图文件夹路径 data_dir = "C:/crime" frames_dir = "C:/crime/crime_frames" # 定义光流图的分辨率和时间跨度 flow_resolution = (224, 224) flow_timestep = 1 # 循环遍历数据集中的每个类别 for class_name in os.listdir(data_dir): # 获取当前类别的文件夹路径 class_dir = os.path.join(data_dir, class_name) # 循环遍历当前类别中的每个视频 for video_name in os.listdir(class_dir): # 获取当前视频的文件夹路径 video_dir = os.path.join(class_dir, video_name) # 获取当前视频的光流图文件夹路径 flow_dir = os.path.join(frames_dir, class_name, video_name) # 如果光流图文件夹不存在,则创建它 if not os.path.exists(flow_dir): os.makedirs(flow_dir) # 读取当前视频中的每一帧 frames = [] for frame_name in os.listdir(video_dir): frame_path = os.path.join(video_dir, frame_name) frame = cv2.imread(frame_path) frames.append(frame) # 将帧转换为灰度图像 gray_frames = [cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) for frame in frames] # 计算光流图 flows = [] for i in range(0, len(gray_frames) - 1, flow_timestep): prev_gray = gray_frames[i] curr_gray = gray_frames[i + flow_timestep] flow = cv2.calcOpticalFlowFarneback(prev_gray, curr_gray, None, 0.5, 3, 15, 3, 5, 1.2, 0) flow = cv2.resize(flow, flow_resolution) flows.append(flow) # 将光流图保存到文件夹中 for i, flow in enumerate(flows): flow_path = os.path.join(flow_dir, "{:05d}.jpg".format(i)) np.save(flow_path, flow) ``` 代码解释: 1. 首先定义了数据集文件夹和光流图文件夹的路径。 2. 然后循环遍历数据集中的每个类别,每个类别都有一个文件夹名字。 3. 对于每个类别,循环遍历其中的每个视频,每个视频也有一个文件夹名字。 4. 对于每个视频,获取它的光流图文件夹路径,如果该文件夹不存在,则创建它。 5. 读取每个视频的所有帧,并将它们转换为灰度图像。 6. 计算光流图,使用cv2.calcOpticalFlowFarneback函数计算两帧之间的光流。 7. 将光流图保存到光流图文件夹中,以.npy格式保存。 最后,我们可以将生成的光流图应用于i3d网络进行分类任务。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值