基于深度學(xué)習(xí)的防控指揮系統(tǒng)的實現(xiàn)
【學(xué)位單位】:電子科技大學(xué)
【學(xué)位級別】:碩士
【學(xué)位年份】:2019
【中圖分類】:D631.4;TP18;TP391.41
【部分圖文】:
2.2.2 R-CNN 系列目標(biāo)檢測算法Region CNN(RCNN)可以說是利用深度學(xué)習(xí)進行目標(biāo)檢測的開山之作。R-CNN可以看做 Region Proposal Networks 和 CNN 結(jié)合的力作[13]。經(jīng)典的目標(biāo)檢測算法使用滑動窗法依次判斷所有可能的區(qū)域[14]。而 CNN 算法通過預(yù)處理方式首先提取一部分可能是識別目標(biāo)物體的待選范圍區(qū)域,然后僅在這些待選區(qū)域上進行提取特征,從而進行識別判斷[15]。RCNN 算法現(xiàn)有發(fā)展出 Fast-RCNN 和 Faster-RCNN 算法。RCNN 算法分為 4 個步驟[15],如圖 2-1 所示:1、將輸入目標(biāo)圖像進行劃分,生成 1K-2K 個待選范圍區(qū)域[15]2、在每個待選區(qū)域上使用卷機神經(jīng)網(wǎng)絡(luò)特征提取[15]3、將提取的特征送入每一分類目標(biāo)的 SVM 分類器,判斷該特征否屬于這一分類[15]4、使用回歸器來修正待選框位置[15]
圖 2-2 SpringMVC 運行原理圖 數(shù)據(jù)存儲.1 RedisRedis 是當(dāng)前比較熱門的 NoSQL 系統(tǒng)之一,使用 ANSI C 語言編寫的一個開 key-value 存儲系統(tǒng),用作數(shù)據(jù)庫、緩存、消息代理[22]。Redis 支持字符串、哈、列表、集合、帶范圍排序集合、位圖、超日志、索引等數(shù)據(jù)結(jié)[23]。Redis 數(shù)據(jù)存在計算機內(nèi)存中,系統(tǒng)周期性調(diào)用命令把需要更新的數(shù)據(jù)寫入服務(wù)器磁盤,或執(zhí)行修改的操作數(shù)據(jù)內(nèi)容追加記錄進入系數(shù)據(jù)庫統(tǒng)文件中,從而實現(xiàn)數(shù)據(jù)的持化和主數(shù)據(jù)庫和從數(shù)據(jù)庫之間的同步[23]。在 Redis 設(shè)計中使用了復(fù)雜的數(shù)據(jù)結(jié)構(gòu),并且提供相應(yīng)的原子性操作,這中操方式有別于其他數(shù)據(jù)庫的設(shè)計進化。Redis 中基于基本數(shù)據(jù)結(jié)構(gòu)作為數(shù)據(jù)類型,據(jù)類型同時對于程序員來說是透明,無需進行額外特殊的抽象[23]。
根據(jù)防控指揮系統(tǒng)的設(shè)計和業(yè)務(wù)流程,同時兼顧當(dāng)前主流的開發(fā)框架和第三方平臺對接的基本要求,整個系統(tǒng)在應(yīng)用服務(wù)器上設(shè)計采用前后端分離的架構(gòu)。在系統(tǒng)的后端采用SpringMVC的架構(gòu),如圖2-3所示,主要表現(xiàn)在控制層(Controller).業(yè)務(wù)層(Service). 數(shù)據(jù)訪問層(Dao)三大部分模塊。1. 用戶層:主要接受用戶發(fā)送的 HTTP 請求,包括有 get 方式和 Post 方式兩種,并將最后的后端處理好的 Json 數(shù)據(jù)返回給前端用戶。圖 2-3 后端分層架構(gòu)圖2. 控制層:DispatcherServlet 將接收的分發(fā)的請求交給控制器 Controller 負(fù)責(zé)處理。在該層中將用戶請求的內(nèi)容交給業(yè)務(wù)處理層進行處理,對業(yè)務(wù)邏輯層返回的結(jié)果數(shù)據(jù)進行封裝成一個 Model ,將該 Model 數(shù)據(jù)模型返回給對應(yīng)的 View 進行
【參考文獻】
相關(guān)期刊論文 前4條
1 趙寧社;袁美娜;;企業(yè)風(fēng)險管理與內(nèi)部控制評價系統(tǒng)架構(gòu)設(shè)計與實現(xiàn)[J];軟件工程師;2015年09期
2 宮志剛;李小波;;社會治安防控體系若干基本問題研究[J];中國人民公安大學(xué)學(xué)報(社會科學(xué)版);2014年02期
3 李少華;;智能視頻分析技術(shù)應(yīng)用及發(fā)展[J];中國公共安全;2014年Z2期
4 盛萬波;;淺談新形勢下的執(zhí)法規(guī)范化建設(shè)[J];山東警察學(xué)院學(xué)報;2011年05期
相關(guān)博士學(xué)位論文 前2條
1 孟丹;基于深度學(xué)習(xí)的圖像分類方法研究[D];華東師范大學(xué);2017年
2 楊釗;面向圖像分類和識別的視覺特征表達與學(xué)習(xí)的研究[D];華南理工大學(xué);2014年
相關(guān)碩士學(xué)位論文 前10條
1 朱小英;結(jié)合深度學(xué)習(xí)與稀疏表示的室內(nèi)場景識別研究[D];南京郵電大學(xué);2018年
2 羅文震;基于REST架構(gòu)的公共法律服務(wù)小程序的研究與實現(xiàn)[D];湖北大學(xué);2018年
3 陳煥然;交通大數(shù)據(jù)采集及智能指揮決策[D];電子科技大學(xué);2018年
4 湯雪峰;基于深度學(xué)習(xí)的模糊車牌自動識別研究[D];浙江理工大學(xué);2018年
5 李文杰;柳州市警務(wù)指揮“一張圖”系統(tǒng)的設(shè)計與實現(xiàn)[D];山東大學(xué);2017年
6 段萌;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別方法研究[D];鄭州大學(xué);2017年
7 吳孝斌;基于MVC的物業(yè)管理信息系統(tǒng)的設(shè)計與實現(xiàn)[D];電子科技大學(xué);2017年
8 魏丹;盤錦市立體化社會治安防控體系建設(shè)研究[D];大連理工大學(xué);2016年
9 周凱龍;基于深度學(xué)習(xí)的圖像識別應(yīng)用研究[D];北京工業(yè)大學(xué);2016年
10 李長平;基于FastDFS架構(gòu)的小文件存儲系統(tǒng)的設(shè)計與實現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年
本文編號:2831296
本文鏈接:http://sikaile.net/falvlunwen/fanzuizhian/2831296.html