本週內，我們團隊主要完成了以下工作：
1、跨域問題的解決
2、前端頁面部分的編寫
3、模型與前端的整合與調整
4、模型平滑處理
1、跨域問題的解決
由於項目採用了前後端分離的方式，靜態資源放置在了8081端口，而數據請求則開放在8082端口。
獲取數據時的跨域問題已經解決了，然而在利用cookie獲取已登錄用戶的個人信息時出現了問題，因爲登錄時得到的JSESSIONID和發送post請求時的JSESSIONID不一致，這裏猜測是出現了跨域問題導致cookies無法正確的提交給後臺。
查閱了大量的資料配合試驗之後，最終得到了一個實用的解決方案：
1.後端配置
這段代碼寫在了檢查登錄的過濾器裏面
response.setHeader("Access-Control-Allow-Origin", "http://localhost:8081");
response.setHeader("Access-Control-Allow-Methods", "POST, GET, OPTIONS, DELETE");
response.setHeader("Access-Control-Max-Age", "3600");
response.setHeader("Access-Control-Allow-Headers", "x-requested-with");
// 允許跨域請求中攜帶cookie
response.setHeader("Access-Control-Allow-Credentials", "true");
此外登錄成功的時候，將sessionId返回給前臺，因爲前臺獲取這個sessionId實在是太困難了。。。
if(envelope.getCode() == 0){ //如果驗證成功
session.setAttribute("user",envelope.getObj()); //設置session
envelope.setObj(session.getId()); //返回sessionid
}
2.登錄時利用cookies存儲sessionId
$.post('http://localhost:8082/user/login',data,function(str,status,xhr){
//alert(str)
res = eval('('+str+')');
if(res.code != 0){
alert(res.message);
}else{
// 設置一個鍵爲loginCoo的cookies，保存jsession的值
setCookie('loginCoo',res.object);
window.location.href = 'http://localhost:8081/blog.html';
}
});
3.提交時構建一個允許cookies的請求
首先手動設置jsessionid然後利用這個jsessionid來提交數據。
document.cookie = 'JSESSIONID='+getCookie('loginCoo');
$.ajax({
url : 'http://localhost:8082/comment/comArt',
data : data,
dataType: 'json',
type : 'POST',
xhrFields: {
withCredentials: true
},
crossDomain: true,
success: function(res) {
// 如果提交成功
if(res.code == 0){
;
}else{
alert(res.message);
}
}
})；
這樣就實現了提交數據時攜帶cookies。
2、前端頁面
這次主要是把一些用戶邏輯的前端頁面寫好,然後定義好後臺的一些接口,方便後臺的編寫.
其實工作的話,整體是工程多一些,難度不是很大.
一、登陸、註冊
這部分工作實在是比較簡單…
主要就是花點時間寫好看一點,注重一下驗證邏輯
效果如下:
三、模型與前端的整合與調整
目前遇到的問題主要有以下兩點：
模型垂直方向預測不夠準確，出現漂移
模型在使用過程中會有較爲嚴重的抖動現象
本週主要解決的是第一個問題
解決思路主要分爲以下兩種：
將模型一分爲二，採用專門的模型預測水平方向和專門的模型預測垂直方向
在豎直方向上對視線位置進行分層離散處理
對於第一種方法，在修改模型結構並訓練後在實際測試中效果並沒有明顯的改善，因此將重點放到了第二種方法上。
對於分層離散處理，簡單來說就是在視線追蹤不靈敏的垂直區域上劃定幾個固定的高度，當檢測的垂直高度在某個區間內時 ，變將垂直高度統一的一個固定的高度。在初步測試中，該方法對與改善垂直方向上的追蹤效果有較大的改善。目前在垂直方向一共劃分了三個區域，上中下三區域中，上負責向上滑動翻頁，中間區域負責瀏覽點擊操作，下區域 負責滑動下翻頁。
四、平滑處理目前遇到的問題主要有以下兩點：
算法設計1
起初打算使用滑動窗口的思想，設定一個大小爲10的滑動窗口。由於模型每0.1s預測一次視線位置，因此滑動窗口保存1s前的所有預測點。
假設窗口內的預測點爲10個向量[x0,x1,x2,x3,x4,x5,x6,x7,x8,x9]，計算出相鄰點之間的差值向量，差值向量有9個[x1-x0,x2-x1,x3-x2,x4-x3,x5-x4,x6-x5,x7-x6,x8-x7,x9-x8]。計算這9個向量的平均值，作爲當前移動的方向。
把該移動方向乘以一個固定的係數α，再加上前一個時刻的視線位置，就得到了當前的視線位置。
後來發現這個平滑方式沒有考慮到前一個時刻點的位置，因此不可採納。
算法設計2
記錄前一個時刻點的位置（x0,y0），模型預測的當前時刻的位置(x,y)，則視點的位置則變爲(x0,y0)+α*[(x,y)-(x0,y0)]。(0<α<1)
後經測試，這種方法只會使點的移動幅度降低，仍然會存在明顯的抖動，影響體驗，不可採納。
算法設計3
記錄前一個時刻點的位置（x0,y0），模型預測的當前時刻的位置(x,y)，設定一個變量α，0<α<1，屏幕長爲w，則當||(x,y)-(x0,y0)||<α*w時，視點不變，經測試α取0.2左右時效果較好，能有效地降低抖動，改善用戶操作性，予以採納。