今天给各位分享人脸表情识别的应用的知识，其中也会对进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
人脸识别技术属于什么领域
热心用户提供：【饕餮少女】 ，解答(人脸表情识别的应用)的问题，欢迎阅读！
最佳回答人脸识别优点：
1、非接触的，用户不需要和设备直接接触；
2、非强制性，被识别的人脸图像信息可以主动获取；
3、并发性，即实际应用场景下可以进行多个人脸的分拣、判断及识别。
人脸识别的缺点：
1、对周围的光线环境敏感，可能影响识别的准确性；
2、人体面部的头发、饰物等遮挡物，人脸变老等因素，需要进行人工智能补偿；（如可通过识别人脸的部分关键特性做修正）。
扩展资料：
人脸识别技术的应用
1、企业、住宅安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门等。
2、电子护照及身份证。这或许是未来规模最大的应用，国际民航组织(ICAO)已确定，从2010年起，其118个成员国家和地区，必须使用机读护照，人脸识别技术是首推识别模式，该规定已经成为国际标准。中国的电子护照计划公安部一所正在加紧规划和实施。
3、公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。
4、自助服务。如银行的自动提款机，如果用户卡片和密码被盗，就会被他人冒取现金。如果同时应用人脸识别就会避免这种情况的发生。
以上就是道尔智控小编解答贡献者：（饕餮少女）回答的关于“人脸识别技术属于什么领域”的问题了，不知是否已经解决你的问题？如果没有，下一篇内容可能是你想要的答案，接下来继续述说下文用户【云荒】回答的“售楼处的人脸识别是干什么用的?”的一些相关疑点做出分析与解答，如果能找到你的答案，可以关注本站。
售楼处的人脸识别是干什么用的?
热心用户提供：【云荒】 ，解答(人脸表情识别的应用)的问题，欢迎阅读！
最佳回答现今，模式识别领域已经发展的较为广泛，尤其是指纹识别、掌纹识别等已经渗透到许多行业。然而这些方法也存在一个共同的缺点，就是必须要有人为的接触，否则很难进行识别，这就造成了一些行业只能望洋兴叹。举例来说，虽然美国这些年对于反恐一直在加大力度，但有时因为警力人员缺少，不能对许多人员流量很大的场合进行有效的监控，及时发现可疑人员并报警，这就造成了还是有许多恐怖事件不能及早预防。然而又不能用指纹或掌纹识别对每一个人进行鉴别，但是人脸识别却恰恰满足了美国在这方面的需要。当然，人脸识别的应用领域还有很多，在这里就不一一细举了。但是，人脸识别要能真正付诸实践，也有许多难题等待攻破。比如，人脸的姿态、表情、遮挡以及复杂的背景和光照等因素都有可能影响人脸的识别情况，这些都等待着有识之士去攻破，现在也只能尽量的去缩小它们的影响。
以上就是道尔智控小编解答(云荒)回答关于“售楼处的人脸识别是干什么用的?”的答案，接下来继续为你详解用户（向善若水）贡献“人脸识别采用什么技术”的一些相关解答，希望能解决你的问题！
人脸识别采用什么技术
热心用户提供：【向善若水】 ，解答(人脸表情识别的应用)的问题，欢迎阅读！
最佳回答不同品牌机型采用的面部识别技术方案不同，面部识别效果也会不一样；目前vivo/iQOO系列手机，仅NEX双屏版采用3D人脸识别技术，其余机型均采用Face Wake面部识别，通过识别面部特征点，与录入信息进行匹配从而实现解锁。
注：3D人脸识别技术介绍：3D人脸识别技术能实现面部信息的立体捕捉，通过识别面部的立体特征，降低误识别的可能性，可带来更准确安全的识别。
以上就是道尔智控小编分享贡献者：（向善若水）解答的关于“人脸识别采用什么技术”的问题了，不知是否已经解决你的问题？如果没有，下一篇内容可能是你想要的答案，现在接着继续教你下文用户【顽主家族】分享的“计算机视觉：随机森林算法在人体识别中的应用”的一些相关疑点做出分析与解答，如果能找到你的答案，可以关注本站。
计算机视觉：随机森林算法在人体识别中的应用
本文贡献者：【顽主家族】 ，解答(人脸表情识别的应用)的问题，欢迎阅读！
最佳回答摘 要
人体识别是计算机视觉领域的一大类热点问题，其研究内容涵盖了人体的监测与跟踪、手势识别、动作识别、人脸识别、性别识别和行为与事件识别等，有着非常广泛的应用价值。随机森林以它自身固有的特点和优良的分类效果在众多的机器学习算法中脱颖而出。随机森林算法的实质是一种树预测器的组合，其中每一棵树都依赖于一个随机向量，森林中的所有的向量都是独立同分布的。本文简单介绍了随机森林的原理，并对近几年来随机森林在姿势识别和人脸识别中的应用进行讨论。
1.人体识别概述
人体识别是计算机视觉领域的一大类热点问题，其研究内容涵盖了人体的监测与跟踪、手势识别、动作识别、人脸识别、性别识别和行为与事件识别等。其研究方法几乎囊括了所有的模式识别问题的理论与技术，例如统计理论，变换理论，上下文相关性，分类与聚类，机器学习，模板匹配，滤波等。人体识别有着非常广泛的应用价值。
绝大多数人脸识别算法和人脸表情分析算法在提取人脸特征之前,需要根据人脸关键点的位置(如眼角,嘴角)进行人脸的几何归一化处理。即使在已知人脸粗略位置的情况下,人脸关键点精确定位仍然是一个很困难的问题,这主要由外界干扰和人脸本身的形变造成。
当前比较流行的算法有：基于启发式规则的方法、主成分分析(PCA)、独立元分析(ICA)、基于K-L 变换、弹性图匹配等。
2.随机森林综述
随机森林顾名思义，使用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进入的死后，就让森林的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一类能被选择最多，就预测这个样本为那一类。
随机森林是一种统计学习理论，其随机有两个方面：首先是在训练的每一轮中，都是对原始样本集有放回的抽取固定数目的样本点，形成k个互不相同的样本集。第二点是：对于每一个决策树的建立是从总的属性中随机抽取一定量的属性作分裂属性集，这样对于k个树分类器均是不相同的。由随机生成的k个决策树组成了随机森林。
对于每一个决策树来讲，其分裂属性是不断的选取具有最大信息增益的属性进行排列。整个随机森林建立后，最终的分类标准采用投票机制得到可能性最高的结果。
下图是随机森林构建的过程：
图1 随机森林构建过程
3.随机森林在人体识别中的应用
3.1 随机森林应用于姿势识别
以[1]一文来讨论，论文中所涉及到的人体识别过程主要分为两步，首先是，身体部位标记：对于从单张景深图像中对人体进行分段，并标记出关键节点。之后进行身体关节定位，将标记的各个人体部分重新映射到三维空间中，对关键节点形成高可靠的空间定位。
图2 深度图像-身体部位标记-关节投影
文的最主要贡献在于将姿势识别的问题转化成了物体识别的问题，通过对身体不同部位的空间位置的确定来实现，做到了低计算消耗和高精确度。在身体部位标记的过程中，将问题转化成了对每个像素的分类问题，对于每个像素点，从景深的角度来确定该点的局域梯度特征。该特征是点特征与梯度特征的良好结合。
举个例子，对于不同点的相同属性值的判别，如下图，图a中的两个测量点的像素偏移间均具有较大的景深差，而图b中的景深差则明显很小。由此看出，不同位置像素点的特征值是有明显差别的，这就是分类的基础。
图3 景深图像特质示例
文中对于决策树的分裂属性的选择来说。由于某两个像素点、某些图像特征选取的随意性，将形成大量的备选划分形式，选择对于所有抽样像素对于不同的分裂属性划分前后的信息熵增益进行比较，选取最大的一组ψ=(θ, τ)作为当前分裂节点。（信息增益与该图像块最终是否正确地分类相关，即图像块归属于正确的关键特征点区域的概率。）
图4 决策时分类说明
决策树的建立后，某个叶子节点归属于特定关键特征点区域的概率可以根据训练图像最终分类的情况统计得到，这就是随机森林在实际检测特征点时的最重要依据。
在人体关节分类中，我们由形成的决策森林，来对每一个像素点的具体关节属性进行判断，并进行颜色分类。随机森林这种基于大量样本统计的方法能够对由于光照、变性等造成的影响，实时地解决关键特征点定位的问题。
如图所示，是对于景深图像处理后的结果展示。
图5 姿势识别处理结果
应该这样说，这篇文章在算法的层面对随机森林没有太大的贡献。在划分函数的形式上很简单。这个团队值得称道的地方是通过计算机图形学造出了大量的不同体型不同姿势的各种人体图像，用作训练数据，这也是成为2011年CVPR Best Paper的重要原因。正是因为论文的成果运用于Kinect，在工业界有着巨大的作用，落实到了商用的硬件平台上，推动了随机森林在计算机视觉、多媒体处理上的热潮。
3.2 随机森林应用于人脸识别
基于回归森林的脸部特征检测通过分析脸部图像块来定位人脸的关键特征点，在此基础上条件回归森林方法考虑了全局的脸部性质。对于[2]进行分析，这篇论文是2012年CVPR上的论文，本文考虑的是脸部朝向作为全局性质。其主要描述的问题是如何利用条件随机森林，来确定面部10个关键特征点的位置。与之前不同的是，在随机森林的基础上，加入了面部朝向的条件约束。
图6 脸部10个特征点
对于面部特征标记的问题转化成了对大量图像块的分类问题。类似于人体识别中的局域梯度特征识别。本文中，对于每一个图像块来说，从灰度值、光照补偿、相位变换等图像特征，以及该图像块中心与各个特征点的距离来判断图像块的位置特征。在决策树的分裂属性确定过程，依然使用“最大信息熵增益”原则。
图7 条件随机森林算法说明
文中提出了更进一步基于条件随机森林的分类方法，即通过设定脸部朝向的约束对决策树分类，在特征检测阶段能够根据脸部朝向选择与之相关的决策树进行回归，提高准确率和降低消耗。此论文还对条件随机森林，即如何通过脸部朝向对决策进行分类进行了说明，但这与随机森林算法没有太大关系，这里就不再继续讨论了。随机森林这种基于大量样本统计的方法能够对由于光照、变性等造成的影响，实时地解决关键特征点定位的问题。
另一篇文章[3]对于脸部特征标记，提出了精确度更高、成本更低的方法。即，基于结构化输出的随机森林的特征标记方式。文中将面部划分为20个特征点，对于各个特征点来说，不仅有独立的图像块分类标记，还加入了例如，点4，对于其他嘴唇特征点3,18,19的依赖关系的判断。这样的方法使特征点标记准确率大大增加。
该方法依然是使用随机森林的方法，有所不同的是引入了如式中所示的与依赖节点之间的关系。对于决策树的建立依然是依赖信息熵增益原则来决定，叶子节点不仅能得到特征的独立划分还会得到该特征对依赖特征的贡献，最终特征节点的判断会综合原始投票及空间约束。
图8 脸部特征标记
图9 决策树依赖关系
例如当对下图中人脸特征点进行分类时，使用简单的随机森林方法，经过判断会将各个点进行标注，可以看到 红色的点，标注出的鼻子特征。如果利用依赖节点进行判断，鼻子的点会被局限在其他鼻子特征点的周围，进行叠加后，得到了这个结果。显然，对于此节点的判断，利用结构输出的方式，准确度更高了。
图10 结构化输出结果
4.随机森林总结
大量的理论和实证研究都证明了RF具有很高的预测准确率，对异常值和噪声具有很好的容忍度，且不容易出现过拟合。可以说，RF是一种自然的非线性建模工具，是目前数据挖掘算法最热门的前沿研究领域之一。具体来说，它有以下优点：
1.通过对许多分类器进行组合，它可以产生高准确度的分类器；
2.它可以处理大量的输入变量；
3.它可以在决定类别时，评估变量的重要性；
4.在建造森林时，它可以在内部对于一般化后的误差产生不偏差的估计；
5.它包含一个好方法可以估计遗失的资料，并且，如果有很大一部分的资料遗失，仍可以维持准确度。
6.它提供一个实验方法，可以去侦测变量之间的相互作用；
7.学习过程是很快速的；
8.对异常值和噪声具有很好的容忍度，且不容易出现过拟合；
随机森林的缺点：
1.对于有不同级别的属性的数据，级别划分较多的属性会对随机森林产生更大的影响，所以随机森林在这种数据上产出的属性权值是不可信的；
2.单棵决策树的预测效果很差：由于随机选择属性，使得单棵决策树的预测效果很差。
参考文献：
[1] Shotton, J.; Fitzgibbon, A.; Cook, M.; Sharp, T.; Finocchio, M.; Moore, R.; Kipman, A.; Blake, A., “Real-time human pose recognition in parts from single depth images,”Computer Vision and Pattern Recognition (CVPR), 2011 IEEE Conference on , vol., no., pp.1297,1304, 20-25 June 2011
[2] Dantone M, Gall J, Fanelli G, et al. Real-time facial feature detection using conditional regression forests[C]//Computer Vision and Pattern Recognition (CVPR), 2012 IEEE Conference on. IEEE, 2012: 2578-2585.
[3] Heng Yang, Ioannis Patras, “Face Parts Localization Using Structured-output Regression Forests”, ACCV2012， Dajeon, Korea.
本文转自：，仅供学习交流
以上就是道尔智控小编解答(顽主家族)回答关于“计算机视觉：随机森林算法在人体识别中的应用”的答案，接下来继续为你详解用户（掩盖悲伤）贡献“华为3d结构光人脸识别技术”的一些相关解答，希望能解决你的问题！
华为3d结构光人脸识别技术
本文贡献者：【掩盖悲伤】 ，解答(人脸表情识别的应用)的问题，欢迎阅读！
最佳回答主要优势有：
适应性强：黑夜可用，可捕捉动态表情，可识别面部、妆容改变
防伪性强：活体检测，完全杜绝照片与视频攻击
应用性广：可广泛应用于刷脸支付、安防安检等领域
相对于2D人脸识别方式，3D人脸识别精准、高效，可快速识别个人身份。奥比中光3D传感摄像头内置传感器和点阵投影仪，可投射出3万多个点精准识别用户脸部。
主要应用场景有：
1、刷脸支付：支付级3D人脸识别，识别误差率低，安全等级高，使用便捷，可用于刷脸支付。
2、办公考勤：3D人脸识别精准有效，可用于企事业单位和学校的考勤登记系统中，提高管理效率。
3、安防安检：高精度的3D人脸识别验证方式，可用于海关、安检、门禁系统等安检安防场景。
上文就是道尔智控小编分享贡献者：（掩盖悲伤）解答的关于“华为3d结构光人脸识别技术”的问题了，不知是否已经解决你的问题？如果没有，下一篇内容可能是你想要的答案，现在接着继续探讨下文用户【挚久】贡献的“人脸识别的优点与缺点辩论”的一些相关问题做出分析与解答，如果能找到你的答案，可以关注本站。
人脸识别的优点与缺点辩论
本文贡献者：【挚久】 ，解答(人脸表情识别的应用)的问题，欢迎阅读！
最佳回答其一，非接触式识别。人脸识别无需像指纹识别、虹膜识别一般，需要被识别者主动去进行检测，只需站在机器的检测范围内就可以了，便捷快速。
其二，非强制性。用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”。
其三，防伪能力强。人脸作为具有唯一性的生理特征，再搭配上越来越完善的活体检测技术，可以很好的应对诸多造假攻击。
其四，并发性。在实际应用场景下可以进行多个人脸的分拣、判断及识别，符合视觉特性：“以貌识人”的特性，操作简单、结果直观、隐蔽性好。
以上就是道尔智控小编解答(挚久)解答关于“人脸识别的优点与缺点辩论”的答案，接下来继续为你详解用户（倾听心声的旋律oοΟ）回答“什么是人脸识别”的一些相关解答，希望能解决你的问题！
什么是人脸识别
本文贡献者：【倾听心声的旋律oοΟ】 ，解答(人脸表情识别的应用)的问题，欢迎阅读！
最佳回答人脸识别技术是指利用分析比较的计算机技术识别人脸。人脸识别是一项热门的计算机技术研究领域，其中包括人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度等技术。
人脸识别是指能够识别或验证图像或视频中的主体的身份的技术。首个人脸识别算法诞生于七十年代初 [1,2]。自那以后，它们的准确度已经大幅提升，现在相比于指纹或虹膜识别 [3] 等传统上被认为更加稳健的生物识别方法，人们往往更偏爱人脸识别。
让人脸识别比其它生物识别方法更受欢迎的一大不同之处是人脸识别本质上是非侵入性的。比如，指纹识别需要用户将手指按在传感器上，虹膜识别需要用户与相机靠得很近，语音识别则需要用户大声说话。
相对而言，现代人脸识别系统仅需要用户处于相机的视野内（假设他们与相机的距离也合理）。这使得人脸识别成为了对用户最友好的生物识别方法。
这也意味着人脸识别的潜在应用范围更广，因为它也可被部署在用户不期望与系统合作的环境中，比如监控系统中。人脸识别的其它常见应用还包括访问控制、欺诈检测、身份认证和社交媒体。
扩展资料
最新的人脸识别技术，不仅能够指示性别与估计年龄，还能够辨别个人的面部表情。由于它属于人工智能与深度学习的范畴，随着技术的进一步发展，经解读与分析而得出关涉隐私的信息，可想而知会越来越多。多到足以为任何个人勾勒准确的用户画像。
人们对人脸识别技术的普遍接受，要么是基于一厢情愿的盲目乐观，要么是选择性地无视或低估风险的结果。总而言之，就是在信息匮乏的情况下，做出了有失偏颇的判断。这也正是人脸识别技术一直未成为公共话题的重要原因。
参考资料来源：百度百科-人脸识别技术
以上就是道尔智控小编解答(倾听心声的旋律oοΟ)解答关于“什么是人脸识别”的答案，接下来继续为你详解用户（謎人的妞）分析“人脸识别怎么破”的一些相关解答，希望能解决你的问题！
人脸识别怎么破
本文贡献者：【謎人的妞】 ，解答(人脸表情识别的应用)的问题，欢迎阅读！
最佳回答人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。
人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。
扩展资料：
好处：
1、安全
你还在担心自己的身份信息被盗用吗？人脸识别技术问世完全解决了这一问题，即使是别人拿到我们的个人信息也无法操作任何与自己的信息有关的事情，如果人脸识别不过关是无法操作的。这样一来在个人信息方面就有了较高的保障，人们也就可以放心使用人脸识别带来的便捷。
2、快速
人脸识别效率高于人工的3－5倍，现在很多超市都开通了人脸识别付款，只要自主扫描的产品就可以通过支付宝的人脸识别成功付款，这样既节省了人力资源也大大提高了办事效率。虽然现在在超市人工付款窗口要大于人脸识别窗口，但是在将来人脸识别一定会完全实现全面的应用。
参考资料来源：百度百科——人脸识别
以上就是道尔智控小编解答(謎人的妞)回答关于“人脸识别怎么破”的答案，接下来继续为你详解用户（〃温暖了心ぐ）贡献“对于人脸识别技术的看法作文”的一些相关解答，希望能解决你的问题！
对于人脸识别技术的看法作文
热心用户提供：【〃温暖了心ぐ】 ，解答(人脸表情识别的应用)的问题，欢迎阅读！
最佳回答适用范围:公园、厂、超市、小区广场、会议中心、体育场馆、学校、医院、住宅区、商业街、大型农贸市场等公众活动和聚集场所的重要部位,酒店(宾馆)、餐饮、 娱乐场所、办公楼的大堂出入口、电梯和其他主要通道等室内外范围的监控录像用途。
人脸捕获与跟踪
人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来,并自动地将其保存。人像跟踪是指利用人像捕获技术,当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。
人脸识别比对
人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登。记得某一对像作比对核实确定其 是否为同一人。搜索式的比对是指,从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。
人脸建模与检索
系统可以将登记入库的人像数据进行建模提取人脸的特征, 并将其生成人脸模板(人脸特征文件)保存到数据库中。在进行人脸搜索时(搜索式) , 将指定的人像进行建模,再将其与数据库中的所有人的模板相比对识别,最终将根据所比对的相似值列出最相似的人员列表。
真人鉴别
系统可以识别得出摄像头前的人是一个真正的人还是一张照片，以此杜绝使用者用照片作假。此项技术需要使用者作脸部表情的配合动作。
图像质量检测
图像质量的好坏直接影响到识别的效果,图像质量的检测功能能对即将进行比对的照片进行图像质量评估,并给出相应的建议值来辅助识别。
人脸识别技术的应用,为生活带来更加便捷生活体验。为构建“和谐社会”及“数字城市”战略的实施提供有效推动, 让我们生活提供安全有效的保证。
上文就是道尔智控小编分享贡献者：（〃温暖了心ぐ）贡献的关于“对于人脸识别技术的看法作文”的问题了，不知是否已经解决你的问题？如果没有，下一篇内容可能是你想要的答案，现在接着继续教您下文用户【月落花溪剑轻吟ζ】贡献的“面部识别的技术有哪些”的一些相关疑问做出分析与解答，如果能找到你的答案，可以关注本站。
面部识别的技术有哪些
本文贡献者：【月落花溪剑轻吟ζ】 ，解答(人脸表情识别的应用)的问题，欢迎阅读！
最佳回答由于人们的脸部识别技术将在未来十年内影响我们的生活？
1，更严格的刷卡
在去年年初，马云说，在德国“刷”的第一个展会上，作者撰写了访问脸的普及。从不期望资本权的积极性促进行业技术的快速发展，传统的画笔在2015年底已经受欢迎。
为什么它叫传统的画笔卡？这种纸板设备可以很容易地用带指纹膜的照片的照片裂开。
人们必须根据适当的角度靠近机器，只有一个人只能识别一个人，用户体验或出勤效率是否相对较低。因此，它诞生于最新的动态面部识别技术。该设备不仅可以获得多角度，快速捕获面部，还要识别8个人的人员一次。辅助现场体检模块是歌手。
2，面部照片分类
一群人玩，总有几张照片疯了，几分钟内拿了数千张照片，回来整理他们的照片，更多选择，另一个支票？该方法OUT，只要使用面部识别技术可以自动识别照片中的化身，然后根据化身搜索，并根据化身分类存储不同的文件夹。如今，一些产品最初已经实施，但与系统没有深度集成。
3，智能前台
从事接待工作的人可能经常符合这样的现场：合作客户来公司找到领导，前台应该先检查预约，然后通知领导，领导将回复，这个过程非常麻烦。如果有一个智能欢迎系统，当客户，合作伙伴和其他VIP或黑名单的人出现在公司的门口时，系统立即立即识别它们的身份，看看它是否符合数据，并决定是否打开对其的访问控制，通知约会对象后续操作，真正实现无人值守的前台模式。当您举行大型会议时，您可以放弃传统的办理入住手续，并使用智能前台达到3分钟的100人刷签到条目。想想每个人都感觉很帅！
4，便携式助手
大量的人有数十万，很难知道谁是谁，为了避免切换和忘记彼此的尴尬，可以使用面部识别。首先，组织者将通过智能欢迎系统首先进行数据库，并通过近场通信技术使用诸如手表，眼镜等可穿戴设备，或者不显而易见的是互相扫视。此时，获取相关信息，您可以根据对方谈谈或谈判。
本文关于[人脸表情识别的应用]的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。
