《毕业设计（论文）人像识别软件设计.doc》由会员分享，可在线阅读，更多相关《毕业设计（论文）人像识别软件设计.doc（45页珍藏版）》请在三一办公上搜索。
1、中文摘要人像特征价值的分析能够明确价值高、独立性强的特征，为人像识别软件和相关人像识别提供支撑资料，提高人像识别和鉴定的准确率和效率。本课题随机选择50名25-55岁汉族成年男性，按照第二代身份证证件照片的标准拍摄人像正面照片，作为实验研究样本。对人像17项形态指标特征、17项长短间距特征、6项方向角度特征进行测量、统计、分析，找出了人像形态特征、长短间距测量特征、方向角度特征的分布规律，以及测量特征之间相关性大小，论证了人像各特征在人像识别中的价值。为计算机识别提供基础资料支持，为人像检验鉴定提供评断特征质量的依据。关键词 人像识别 人像特征 测量 相关性外文摘要Title Analysis
2、 Of Facial Features ValueAbstractThrough defining high value and high independence of facial features， the analysis of facial features value not only can provide supporting materials for the facial recognition software and the correlative facial recognition ,but also can improve the accuracy and eff
3、iciency of facial recognition and identification. In this subject, the writer chooses 50 adult men at random, whose ages range from 25 to 50 among the Han nationality. Their facial photos, which are taken according to the second standard of the ID card, are adapted as the research samples. On the ba
4、sis of the meterage, the statistics and the analysis of 17 morphology index-features,17 length distance features and 6 direction-and-angle features, this subject finds out following research results - the distributing rule of facial morphology features, length distance features，direction-and-angle f
5、eatures and the relativity between those features, which eventually prove the value of each facial feature in the facial recognition, offer the basic material support to the automatic facial recognition and provide the evidence of judging the quality of the features for the facial recognition. Key w
6、ords facial recognition; facial features; measurement; relativity目 次1 引言12 研究方法、步骤42.1 研究样本照片的制备42.1.1 拍摄图像42.1.2 几何内容处理42.1.3 保存图像42.2 指标特征的选取42.2.1 形态特征62.2.2 长短间距测量特征72.2.3 方向角度特征92.3 特征的测量、统计方法92.4 数据处理分析方法102.4.1 数据预处理102.4.2 制作频数分布表、绘图102.4.3 相关性分析113 实验研究结果及分析113.1 各项指标特征测量、统计数据113.1.1 人像17项形
7、态指标特征统计数据113.1.2 人像17项长短间距测量特征统计数据143.1.3 人像6项方向角度特征测量、统计数据193.2 各项指标特征频数分布及分析213.2.1 人像17项形态指标特征频数分布表和频数分布图213.2.2 人像17项长短间距测量特征频数分布表和频数分布图263.2.3 人像6项方向角度特征频数分布表和频数分布图333.3 各项指标特征之间相关性分析353.3.1 人像17项长短间距测量特征相关性分析353.3.2 人像3项方向角度测量特征相关性分析37结 论39致 谢42参 考 文 献431 引言随着监控系统和各类人像识别系统的广泛应用，人像识别和鉴定在现代刑事科学技
8、术中的重要性日渐突出。人像识别和鉴定是公安视听技术体系中的重要内容，能够广泛应用于刑事侦查、安全保卫、反恐防恐等领域。人像识别和鉴定的内容和方法主要是依据人像中反映出的形态学特征，采用各部分形态比对、测量比对、特征细节比对、特征重叠、拼接等方法，判断比对双方特征的异同，从而做出检验鉴定的结论，其理论基础是同一认定原理。同一认定包括分别检验、比较检验、综合评判三个过程。综合评判首先要分析差异点的性质和形成的原因，判断是它们是两个客体之间的本质差异，还是同一客体在不同条件下呈现的非本质差异。其次，还要评断符合点。符合点的评断是要确定已发现的符合点，其总和是否能构成同一认定客体的特定性，是否能在其他
9、客体上重复出现，是否可以作为肯定同一认定的依据。特征的数量越多，价值越高，出现重复的可能性就越小。特征的价值与其在同类客体中的出现率成反比，特征的出现率是指特征在所有同类客体中出现的几率。出现率低，同一认定价值就高；反之亦然。因此，关于特征的价值可从统计规律得出。1此外，因为人像本身具有对称性，所以需对人像各特征之间的相关性进行分析，在选取特征时，尽量避开高度相关和中度相关的特征。因此，人像识别和鉴定所选择的特征的价值就需进行论证。目前，人像识别领域的研究主要在面部形态特征体系、在计算机人像识别方面，而关于人像特征价值主要侧重于研究方法，缺少大样本人像特征价值的统计分析。在面部形态特征体系方面
10、，中国刑警学院教授赵成文在1993年出版的专著刑事相貌学中提出，五官在面部的分布是有固定位置的，它们之间的距离又是有一定的比例和规律的，常见的正常人面部五官比例为“三庭五眼”。各人面部五官的结构基本是相同的，相貌特征可从十个方面分类：发型、头形、皱纹、眼眉、眼睛、鼻子、耳朵、嘴、胡须和其他特征。2其2004年的刑事相貌学侦查实用概述中加入了警星CCK-人像模拟组合系统的应用。3吕导中等所编的人像检验技术一书中指出，人像的同一认定是以人像为特定对象，通过特征比较的方法对人像之间的同一性做出判断，进而确定人身的认识活动，其基础是人像特征的特定性和稳定性。人像识别是基于外部形象特征比对的识别，通过对
11、人像照片所表现出来的十大类相貌特征进行比较，寻找符合点和差异点，综合评断作出结论。一般过程包括人像的获取和标准化、特征抽取、特征比较与综合评判。该书中还对面部的十一个形态学特征进行分类，即脸型、发际线、五官形态、五官配置、皱纹、面部特殊标记、表情、喉结、颧骨、下颌、其他面部特征，并对其变化因素进行分析。41994年10月，在英国曼彻斯特召开的国际颅面鉴定会议上，英、德、美、意等国法庭科学家纷纷对面像的鉴定提出了各自的方法，其中英、德、美等国专家认为目前切实可行的方法是形态学方法（Morphology Identification）。5在计算机人像识别方面，王伟、马建光的人脸识别常用方法及其发展
12、现状一文中提出，人脸识别的研究历史分为人脸面部特征人工识别、人脸人机交互识别、人脸机器自动识别3个阶段。人脸识别系统包括人脸特征检测与分割、人脸特征规范化、人脸表征和人脸识别4部分。根据表征方式的不同，人脸识别方法有：基于层次聚类的几何特征矢量模式识别法、基于代数特征矢量的特征矢量识别法、基于神经网络的人脸特征提取和分类器设计法。并详述了代数特征矢量法中经典的特征脸法的识别过程。近年国外采用小波分析的变换特征识别法，利用模式识别的最佳分割超平面分类识别法等是当前研究热点。6梁路宏，艾海舟，徐光，张钹的人脸检测研究综述一文指出，人脸检测问题最初作为自动人脸识别系统的定位环节被提出，近年来由于其在
13、安全访问控制、视觉监测、基于内容的检索和新一代人机界面等领域的应用价值，开始作为一个独立的课题受到研究者的普遍重视。该文从人脸检测问题的分类、人脸模式的分析、特征提取与特征综合、性能评价等角度，系统地整理分析了人脸检测问题的研究文献，将人脸检测方法主要划分为基于知识的人脸验证方法和基于统计的学习方法，指出统计学习方法优于启发式验证方法。7在人像形态特征、测量特征价值方面主要侧重于特征价值研究的方法。吕导中的从面相鉴定看比较鉴定的形态学方法一文，阐述了面相鉴定中采用的形态学鉴定方法。形态学法主要通过对特征进行分类，并经统计研究掌握特征的分布规律和出现频率，对于形态学特征的识别采用模糊判断，在比较
14、鉴定中应用贴近度来表示比较的结果，最终在一定阈值情况下给出鉴定结论。该文是采用多个检验人员分别独立地对检验的样本进行分析，最后汇总统计，获得较为客观的面部特征的分布频率。5吕导中、万荣春的人像面部综合测量特征的特异性研究一文指出，利用人像测量特征识别人像需要研究人像的特异性，测量特征选择的条件主要依据测量特征分布的差异、测量误差、可测性、独立性等方面，对人像测量特征的特异性指标可进行量化分析。该文主要是研究人像测量特征组合数所确定的测量特征体系。8综上所述，相对于人像检验学，手印学关于特征价值的研究较为成熟。如乳突纹线的细节特征，起点、终点、分歧、结合等特征的出现率很高，所以这些特征的价值较低
15、；小勾、小眼、小桥、小棒（短棒）、小点等特征（特别是勾、眼、桥）的出现率很低，所以这些特征的价值很高。此外，一些反映纹线本身局部形态的特征和由两条或多条纹线组成的较复杂的特征结构中，折转、交叉、双叉的出现率极低，具有很高的应用价值。若其稳定性越强，出现率越低，印痕反映性越好则其价值亦越高；反之亦然。9人像特征价值的研究还有待进一步的发展。有通过多个检验人员分别独立检验再汇总的方法，有通过人像测量特征体系来确定人像测量特征的特异性的方法。但作出类似于手印学的人像各特征价值的论述较少，这需要对大量的人像进行统计分析。统计学是收集、分析、表述和解释数据的科学，具有实际依据和较强的说服力。本课题主要采
16、用实验研究法和统计分析方法，随机选择50名25-55岁汉族成年男性，按照第二代身份证证件照片的标准拍摄人像正面照片，作为实验研究样本。选取人像形态特征、长短间距测量特征、方向角度特征，并对特征进行测量、统计，数据归一化后，对数据进行加工整理、统计分析，制作频数分布表并绘图，分析各特征的出现率高低和特征之间的相关性。在上述基础上，论证人像各特征在人像识别中的价值。本课题旨在通过人像的大样本统计研究，确定人像17项形态指标特征、17项长短间距测量特征、6项方向角度特征的分布规律和出现频率，以及测量特征之间相关性大小，论证人像各特征在人像识别中的价值，为计算机识别提供基础资料支持，为人像检验鉴定提供
17、评断特征质量的依据。2 研究方法、步骤2.1 研究样本照片的制备随机选择50名25-55岁汉族成年男性，按照第二代身份证证件照片的标准拍摄人像正面照片，作为实验研究样本。2.1.1 拍摄图像拍摄出高清晰的原始图像是有效统计的前提。利用“光E”二代居民身份证制作系统进行拍摄。拍摄时应当注意以下一些方面：（1）设置合理的光照。 主灯用45度的高侧光；辅灯在另一侧靠近照相机的位置，光比约为21；背景灯采用白色背投光。 （2）设置图像格式，具备足够的分辨率。在拍摄的原始图像中人物脸部宽度大于 221 像素。 （3）镜头聚焦于整个面部。（4）拍摄时，要求被拍摄对象表情自然、头部无偏转、双眼平视、眼镜镜片
18、透明。2.1.2 几何处理（1）缩放图像。测量脸部宽度。用脸部标准宽度除以测量得到的脸部宽度，获得图像的缩放比例。人像在相片矩形框内水平居中，脸部宽207土14像素，头顶发迹距相片上边沿7像素至21像素，照片下边缘以刚露出锁骨或者衬衣领尖为准。（2）确定竖直方向裁切位置。找到头顶位置向上延伸7至21像素后的位置区域。裁切上沿在该区域内任意选择。竖直方向的裁切起始位置定为距离头顶14像素位置处。2.1.3 保存图像最后将处理好的图像保存为jpg文件格式的压缩图像，图像长宽规格为：441像素（高）358像素（宽），分辨率350dpi，24位真彩色。2.2 指标特征的选取选择稳定可靠真实的特征可从以
19、下几个方面进行：（1）清晰。从照片上选择清晰的而不是模棱两可的相貌特征，要排除那些因种种原因在照片上形成的一些假象。（2）稳定性。应选择不易变化或变化较小的相貌特征。（3）从特征的组合分析确定。选择稳定特征时，不仅要逐项分析各种相貌特征，还应从特征组合方面分析。如不仅要看眉的形态，还要看眉的粗细、浓淡、方向，眉眼关系、两眉关系，这样从一个特征的局部组合分析，就可以比较全面认识特征，在这基础上进行比较才比较可靠。（4）测量特征。测量的误差在我们的研究项目中，测量误差的来源，一方面是人像测量特征标志点人为定义的模糊性。例如在人体测量中测量鼻长的鼻凹点是指当头部处于眼耳平面时，鼻上端最凹陷处。这样的
20、定义在进行人体实体测量时是可以准确确定的，但在人像照片上就难以确定。为了避免测量误差，在人像测量时我们对该点稍作变化，定义为两眼内角点连线中点。下颌角间宽是测量面下部宽度的指标，在人体测量上的描述是左右下颌角点间的距离，由于下颌角点在人像上不易准确定位，我们将表示面下部宽的特征定为从两侧口角点连线向两侧作延长线和两侧面边缘的交点间的距离。从二维人像照片测量的需要出发，通过对有些特征定义的进一步确定可以在最大程度上减少这种误差。另一方面是测量的随机误差。测量的随机误差是指多次测量一个特征出现的结果之间的误差，这种误差是难以避免的，它很大程度上取决于人像的清晰程度。在一定清晰程度的条件下，通过统计
21、我们可以掌握这种误差的范围。从特征的质量而言，误差越小，特征的价值越高。特征的可测性根据一般正面人像的情况，应注意选择大多数照片中能够出现的特征，避免易被头发等遮盖的特征，并要考虑到在人像小角度变化情况下，特征点不至于消失，以提高所确定的特征在人像识别系统中的实用性。特征的独立性从概率论可知，在等可能概率的情况下，计算特征组合的频率必须在特征相互独立的基础上，因此在选择特征时应充分考虑特征是否相互独立。8在综合以上因素的基础上，确定了以下特征：2.2.1 形态特征人像17项形态指标特征：（1）脸型特征：是指脸部的外部轮廓形状，可分为1-狭长型、2-椭圆型、3-长方型、4-方型、5-圆型、6-菱
22、型、7-正三角型、8-倒三角型；（2）发际线特征：是指前额头发生长线形状，可分为1-上孤形、2-下孤形、3-水平形、4-尖角形、5-波浪形、6-不整形；五官形态特征：是指眉、眼、口、鼻、耳等五官的具体形态特征。（3）整条眉毛形态：1直线形、2弓形、3三角形、4-扫帚形；（4）上眼睑形态：上眼睑前唇由皮下组织结构状况构成皱槽特点。一般可分为1单眼睑、2半双眼睑、3皱褶微显、4皱褶中等、5皱褶明显；（5）上眼睑与泪阜的关系：1有蒙古褶、2无蒙古褶、单眼睑或半双眼睑；（6）上眼睑形态及其与泪阜关系的组合（7）眼的形状：1椭圆眼、2直线眼、3倾斜眼、4挂形眼、5扇形眼、6鱼形眼、7曲线眼、8三角眼、9
23、-变形眼；（8）眼张开程度：指眼自然张开大小，可分为1大、2中、3小；（9）口裂线形态：口裂自然闭合的，其上、下唇间的闭合状态有1水平形、2向上形、3向下形、4-不整齐形（即口裂线中心与上唇结节不对准）；（10）上赤唇形态：1马鞍形、2梯形、3弧形；（11）耳外张状况：1全部外张的、2全部贴近的、3中等的、4上部外张的、5下部外张的五官配置特征：是指人脸部眉、眼、口、鼻、耳等器官间的长短、大小、宽窄、厚薄、高低等比例关系及相互间位置关系。（12）眉粗细：以眉的上下缘之间距离，可分为1-浓、2-中、3-淡（13）眉浓淡：以眉毛的密度，可分为1-粗、2-中、3-细；（14）眉眼相对位置：眉头与同侧
24、内眼角之间相对位置关系，1-眉头超过眼角、2-眉头与眼角平齐、3-眼角超过眉头；（15）鼻尖仰俯：1-上翘、2-中平、3-下垂；（16）唇厚薄：按上下唇厚度，1-上薄下厚、2-上厚下薄、3-上下唇近似；（17）耳的相对位置：耳的上、下缘与脸部的眉、眼、鼻、口等器官相对位置关系，1-上与眉平、2-上在眉眼间、3-上与眼平；4-下与鼻平、5-下在鼻下、6-下在鼻上2.2.2 长短间距测量特征人像17项长短间距测量特征：（1）前额高度：两侧眉弓上缘凸点连线的中点到发际线的垂直距离（如图1所示）；（2）前额宽度：前额高度线的中垂线与两侧发际线相交两交点间的距离（如图2所示）； 图1 前额高度 图2前额
25、宽度（3）眉间距：两侧眉弓上缘凸点之间的距离（如图3所示）；（4）眼外距：左右眼外角点之间的距离（眼外角点在眼白的外侧角处，不在眼外角皮肤皱褶处）（如图4所示）； 图3眉间距 图4眼外距（5）眼内距：左右眼内角点之间的距离（眼内角点在上下眼睑内侧端相交点）（如图5所示）；（6）瞳距：双目正视前方时双目瞳孔中心的间距（如图6所示）； 图5眼内距 图6瞳距（7）右眼宽：右眼（实际右侧，非人像右侧）眼内角至右眼外角点的距离（如图7所示）；（8）左眼宽：左眼（实际左侧，非人像左侧）眼内角至左眼外角点的距离（如图8所示）； 图7右眼宽 图8左眼宽（9）鼻宽：左右鼻翼之间的距离（如图9所示）；（10）鼻长
26、：两侧眼内角点连线中点至鼻下点的距离（如图10所示）； 图9鼻宽 图10鼻长（11）人中长：鼻下点至上唇点的距离（如图11所示）；（12）口宽：两侧口角点之间的距离（如图12所示）； 图11人中长 图12口宽（13）上唇长：上唇点至口裂点的距离（如图13所示）； （14）下唇长：口裂点至下唇点的距离（如图14所示）； 图13上唇长 图14下唇长（15）面下宽：通过左右口角点之间的连线向两侧延长线和两侧面边缘交点的距离（如图15所示）；（16）下巴长：下唇点至颌下点的距离（如图16所示）； 图15面下宽 图16下巴长 图17面宽（17）面宽：垂直于人脸中线且通过鼻下点向两侧的延长线和两侧面边缘交
27、点的距离（如图17所示）。2.2.3 方向角度特征人像6项方向角度特征：（1）眉方向：以眉头和眉梢连线的方向，1-水平、2-上扬、3-微扬、4-下垂；（2）两眉相对位置：1-左高右低、2-水平、3-左低右高；（3）口角方向：1-平的、2-上翘、3-下垂；（4）左眼角方向：内外眼角连线与水平线所成的夹角（如图18所示）；（5）瞳角：双目正视前方时双目瞳孔中心与鼻下点的连线所成的夹角（如图19所示）；（6）角度2：眼内角与鼻下点连线所成的角度（如图20所示）。 图18左眼角方向 图19瞳角 图20角度22.3 特征的测量、统计方法运用Photoshop软件，分别对50例样本人像照片的各项指标进行测
28、量、统计。人像照片的大小对角度没有影响，所以角度测量数据可直接应用。而测量的长短间距的数据需要进行归一化。因为根据身份证件照片的拍摄要求，人像照片中脸部标准宽度可以在 193 像素至 221 像素之间任意选择，存在一定的差异。因此，为方便比对和研究，把样本人像的面宽都归一为214像素，相应的，其它所有的测量数据归一化后即：归一化数据=（测量数据*214）/面宽测量数据。如，某人像眼内距的测量数据为0.53厘米，面宽的测量数据为1.91厘米，则该人像眼内距的归一化数据为（0.53*214）/1.91=59.38像素。得到如下测量、统计数据：人像17项形态指标特征统计数据；人像17项长短间距测量特
29、征统计数据；人像6项方向角度特征测量、统计数据表。2.4 数据处理分析方法对各项指标的测量、统计数据归一化后，对数据进行加工整理，使之系统化、条理化，以符合统计分析的需要，同时对数据进行图表展示，以发现数据中的一些基本特征，为进一步分析提供思路。2.4.1 数据预处理数据的预处理是数据整理的先前步骤，它是在对数据分类或分组之前所做的必要处理，内容包括数据的审核、排序等。数据的审核就是检查数据中是否有错误。主要从完整性和准确性两个方面进行。完整性审核主要是检查研究得人像是否有遗漏，所有的研究指标是否填写齐全等。准确性审核主要包括两个方面：一是检查数据资料是否真实的放映了客观实际情况，内容是否符合
30、实际；二是检查数据是否有错误，计算是否正确等。数据排序是按一定顺序将数据排列，以便通过浏览数据发现一些明显的特征或趋势。排序还有助于对数据检查纠错，为重新归类或分组等提供依据。10 2.4.2 制作频数分布表、绘图统计表和统计图是显示统计数据的两种方式。数据经过预处理后，可进一步做整理、显示，制作频数分布表并绘图。（1）对长短间距测量特征、方向角度测量特征这些数值型数据进行数据分组（单变量值分组和组距分组两种），这里主要是连续变量所以采用组距分组。分组需要遵循“不重不漏”的原则，“不重”是指一项数据只能分在其中的某一组，不能在其他组中重复出现；“不漏”是指组别能够穷尽，即在所分的全部组别中每项
31、数据都能分在其中的某一组，不能遗漏。确定组数。按Sturges提出的经验公式K=1+10N/102来确定组数K，其中N为数据的个数，对结果四舍五入取整数即为组数。本课题研究的人像各指标数据都是50，则K约7，即各指标数据分为7组。确定各组的组距。组距是一个组的上限与下限之差，可根据全部数据的最大值和最小值及所分的组数来确定，即组距=（最大值-最小值）/组数。且第一组的下限应低于最小变量值，最后一组的上限应高于最大变量值。根据分组整理成频数分布表。用EXCEL的FREQUENCY函数进行频数分析。11根据频数分布表绘制折线图。数值型数据选择折线图显示。（2）对其他数据，如形态特征，进行分类整理，
32、计算出每一类别的频数、频率。制作如下特征频数分布表和频数分布图：人像17项形态指标特征频数分布表、频数分布图；人像17项长短间距测量特征频数分布表、频数分布图；人像6项方向角度特征频数分布表、频数分布图。2.4.3 相关性分析相关分析是一种用来描述不同事物或者同一事物的不同属性之间的相关程度的分析方法。相关分析根据变量的个数分为二元相关分析、多元分析。本课题采用二元相关分析。用相关系数r来说明变量之间的相关程度，通常按照下列标准描述相关系数r的意义：r0：不相关；r0.3：极低度相关；0.3 r 0.5：低度相关；0.5 r 0.8：中度相关；r 0.8：高度相关；r1：完全相关 12对数值型
33、数据的指标特征（人像17项长短间距测量特征、人像3项方向角度测量特征）进行相关性分析，从而确定各特征之间的相关性。3 实验研究结果及分析3.1 各项指标特征测量、统计数据3.1.1 人像17项形态指标特征统计数据表1-1：人像17项形态指标特征统计数据表（前11项）人像编号脸型特征发际线特征整条眉毛形态上眼睑形态上眼睑与泪阜的关系组合眼的形状眼张开程度口裂线形态上赤唇形态耳外张状况1331222、2831122334222、23123332131224144254212、12312256441233336233515、1322237834212、111114833411213496111231
34、1110614313、1123211144312242212234414、11211313731424、21123514161212、1122131551212313416821313、1323131783412222218614414、1222141976112312520663222、23111421853133222223331922232363415312424812212、11233425332424、212122261211932132783412131328733525、21232229234525、21212330663424、21213331843525、2121133255
35、21231133334212312334442323、21241235242222、25212136414424、21222237363212、12212338714515、11212239814112312404121231224151112311242151313、112113435641122144473112331245854414、11111246844212、11112247231515、1121224861412311349821424、29311350152525、212124表1-2：人像17项形态指标特征统计数据表（后6项）人像编号眉毛浓淡眉毛粗细眉眼相对位置鼻尖仰俯唇厚薄
36、耳的相对位置1222231、42232331、63222333、54131113、55131133、56222312、47333313、58222322、49222231、410222212、411222332、412331331、413222312、414322333、415222312、516333212、417223313、418323333、419322211、420222232、421322332、422122231、623212322、424221133、625222313、426222311、427312311、428323113、529121312、530212211、4311
37、22331、632331113、533321233、534321333、435222333、436222312、537222331、438221231、439222212、440321312、541132312、642322312、443232322、444321312、545112331、646312333、447122311、448333213、449222333、550231233、53.1.2 人像17项长短间距测量特征统计数据表2-1：人像17项长短间距测量特征统计数据表（前8项）（单位：像素）人像编号前额高度前额宽度眉间距眼外距眼内距瞳距右眼宽左眼宽192.50193.62156.
38、63145.5365.36109.7638.2340.70276.46187.46139.36144.2960.43102.3640.7041.93370.30176.36140.59144.2962.90102.3639.4640.70472.76192.39143.06145.5364.13103.5940.7039.46561.66188.69146.76144.2950.5698.6649.3348.10674.00180.06138.13138.1353.0397.4341.9341.93787.56201.02141.83143.0654.26102.3641.9344.40896
39、.19202.26139.36143.0655.5098.6643.1644.40986.33177.59135.66135.6650.5694.9645.6344.401094.96201.02135.66136.8949.3394.9644.4044.401171.53191.16134.43143.0654.2697.4345.6344.401276.46183.76147.99141.8351.8099.8945.6341.931374.00197.32139.36146.7657.96104.8345.6343.161464.13160.32130.73133.1950.5696.1941.9340.7015102.36218.29135.66135.6654.2698.6640.7040.701670.30215.82134.43143.0657.96101.1340.7043.161777.70188.69131.96
