一、使用动作捕捉的优势?能为公司企业带来什么好处？
主要取决于什么类型的游戏。如果是2D卡通类动作，不强调动作的质量和真实感，就没必要买了；如果是3D真实感动作类游戏，有实力的话就进吧，对于公司来讲，产品质和量的提升可能是无法想象的。
一般来说，一个很有经验的动画师一天的时间能够手Key几秒钟的动作动画就非常不错了，且动作质量千差万别，跟动画师的专业水平和经验有很大关系，特别是比较复杂的动作，比如专业的体育、武术、舞蹈等动作，手key的话谁做都困难；而用动作捕捉的话一天可以出几十分钟的动作动画，效率高出上百倍，而动作捕捉得到的动作跟真人表演效果几乎一模一样，人能做到的动作都能通过动作捕捉得到，动作质量是手key没法比的。
用动作捕捉并不是单纯的解决key动作的问题，而是从动画上解放大量的生产力转而放到细节制作和产品创意上，从而实现产品质和量的双重飞跃，因此动作捕捉对于公司提升整体生产力有着重大的意义。
国外的情况就不说了，动作捕捉的应用水平落国内几条街。国内动作捕捉技术的发展相对比较滞后，但近年来随着动漫游戏市场的火爆增长，在游戏动漫领域发展也非常快，有实力的公司都在搞动作捕捉，腾讯的热舞类游戏、网易的大型动作类网游、联合绿动的体感游戏等等，市场效应还是非常可观的。动作捕捉实际上就是一种制作工具，相信随着人们对动作捕捉认知不断提升，这个工具会越来越普及。
以往动作捕捉系统成本过高也是限制国内动作捕捉技术应用的一个重要因素，如今国际高端动作捕捉技术已经国产化了，北京的天远动作捕捉系统成就了国内首个专业级的动作捕捉产品，其独创的智能捕捉技术，使得动作捕捉变得更加简单实用，真正具有国际化的品质，国产化的价格，让国人真正拥有了属于自己的专业动作捕捉系统。网上有很多关于动作捕捉的视频，上优酷看看就很容易理解了,推荐两个片段：一是《阿凡达花絮：动作捕捉》，另一个是《江南style——动作捕捉技术》，分别从电影制作和动画制作两个角度讲述了动作捕捉的现场和效果，一目了然。
二、大数据开发的未来发展是什么样的
第一，随着物联网、云计算的发展，数据价值化是一个必然的趋势，而大数据正是这种趋势的必然结果。同时，物联网、云计算、大数据正是当代信息化社会的代表技术。
第二，大数据的发展处在初期阶段。目前大数据正处在从概念向行业的转换过程中，大数据的产业链也正在完善中，所以随着大数据的不断发展，大数据将创造出更多的发展机会和工作岗位。
第三，大数据正在成为驱动科技发展的重要力量。大数据的发展极大的促进了人工智能领域的发展，目前人工智能领域的研究很多都是以大数据作为基础，包括目前很多科技公司研发的“互联网大脑”，都把大数据作为一个重要的组成部分。相信随着人工智能的不断发展，大数据将起到更多积极的作用。
目前，随着大数据应用的逐渐落地，大量的企业需要专业的大数据人才来完成大数据方案的设计和部署，同时大数据的场景化应用将释放出大量的工作岗位，所以大数据未来会吸收大量的专业人才。作为大数据专业人士来说，未来的发展空间将会十分巨大。
三、识别验证码的算法
一、验证码的基本知识
1. 验证码的主要目的是强制人机交互来抵御机器自动化攻击的。
2. 大部分的验证码设计者并不得要领，不了解图像处理，机器视觉，模式识别，人工智能
的基本概念。
3. 利用验证码，可以发财，当然要犯罪：比如招商银行密码只有6位，验证码形同虚设，计
算机很快就能一个有钱的账户，很多帐户是可以网上交易的。
4. 也有设计的比较好的，比如Yahoo,Google,Microsoft等。而国内Tencent的中文验证
码虽然难，但算不上好。
二、人工智能，模式识别，机器视觉，图像处理的基本知识
1)主要流程：
比如我们要从一副图片中，识别出验证码；比如我们要从一副图片中，检测并识别出一张
人脸。 大概有哪些步骤呢？
1.图像采集：验证码呢，就直接通过HTTP抓HTML，然后分析出图片的url，然后下载保存就
可以了。 如果是人脸检测识别，一般要通过视屏采集设备，采集回来，通过A/D转操作，存为
数字图片或者视频频。
2.预处理：检测是正确的图像格式，转换到合适的格式，压缩，剪切出ROI，去除噪音，灰度
化，转换色彩空间这些。
3.检测：车牌检测识别系统要先找到车牌的大概位置，人脸检测系统要找出图片中所有
的人脸（包括疑似人脸）；验证码识别呢，主要是找出文字所在的主要区域。
4.前处理：人脸检测和识别，会对人脸在识别前作一些校正，比如面内面外的旋转，扭曲
等。我这里的验证码识别，“一般”要做文字的切割
5.训练：通过各种模式识别，机器学习算法，来挑选和训练合适数量的训练集。不是训练
的样本越多越好。过学习，泛化能力差的问题可能在这里出现。这一步不是必须的，有些识
别算法是不需要训练的。
6.识别：输入待识别的处理后的图片，转换成分类器需要的输入格式，然后通过输出的类
和置信度，来判断大概可能是哪个字母。识别本质上就是分类。
2)关键概念：
图像处理：一般指针对数字图像的某种数学处理。比如投影，钝化，锐化，细化，边缘检测，
二值化，压缩，各种数据变换等等。
1.二值化：一般图片都是彩色的，按照逼真程度，可能很多级别。为了降低计算复杂度，
方便后续的处理，如果在不损失关键信息的情况下，能将图片处理成黑白两种颜色，那就最好
不过了。
2.细化：找出图像的骨架，图像线条可能是很宽的，通过细化将宽度将为1，某些地方可能
大于1。不同的细化算法，可能有不同的差异，比如是否更靠近线条中间，比如是否保持联通
行等。
3.边缘检测：主要是理解边缘的概念。边缘实际上是图像中图像像素属性变化剧烈的地
方。可能通过一个固定的门限值来判断，也可能是自适应的。门限可能是图像全局的，也可
能是局部的。不能说那个就一定好，不过大部分时候，自适应的局部的门限可能要好点。被
分析的，可能是颜色，也可能是灰度图像的灰度。
机器视觉：利用计算机来模式实现人的视觉。 比如物体检测，定位，识别。按照对图像
理解的层次的差别，分高阶和低阶的理解。
模式识别：对事物或者现象的某种表示方式（数值，文字，我们这里主要想说的是数值），
通过一些处理和分析，来描述，归类，理解，解释这些事物，现象及其某种抽象。
人工智能：这种概念比较宽，上面这些都属于人工智能这个大的方向。简单点不要过分
学院派的理解就是，把人类的很“智能”的东西给模拟出来协助生物的人来处理问题，特别是
在计算机里面。