基于深度学习的防控指挥系统的实现
【学位单位】:电子科技大学
【学位级别】:硕士
【学位年份】:2019
【中图分类】:D631.4;TP18;TP391.41
【部分图文】:
2.2.2 R-CNN 系列目标检测算法Region CNN(RCNN)可以说是利用深度学习进行目标检测的开山之作。R-CNN可以看做 Region Proposal Networks 和 CNN 结合的力作[13]。经典的目标检测算法使用滑动窗法依次判断所有可能的区域[14]。而 CNN 算法通过预处理方式首先提取一部分可能是识别目标物体的待选范围区域,然后仅在这些待选区域上进行提取特征,从而进行识别判断[15]。RCNN 算法现有发展出 Fast-RCNN 和 Faster-RCNN 算法。RCNN 算法分为 4 个步骤[15],如图 2-1 所示:1、将输入目标图像进行划分,生成 1K-2K 个待选范围区域[15]2、在每个待选区域上使用卷机神经网络特征提取[15]3、将提取的特征送入每一分类目标的 SVM 分类器,判断该特征否属于这一分类[15]4、使用回归器来修正待选框位置[15]
图 2-2 SpringMVC 运行原理图 数据存储.1 RedisRedis 是当前比较热门的 NoSQL 系统之一,使用 ANSI C 语言编写的一个开 key-value 存储系统,用作数据库、缓存、消息代理[22]。Redis 支持字符串、哈、列表、集合、带范围排序集合、位图、超日志、索引等数据结[23]。Redis 数据存在计算机内存中,系统周期性调用命令把需要更新的数据写入服务器磁盘,或执行修改的操作数据内容追加记录进入系数据库统文件中,从而实现数据的持化和主数据库和从数据库之间的同步[23]。在 Redis 设计中使用了复杂的数据结构,并且提供相应的原子性操作,这中操方式有别于其他数据库的设计进化。Redis 中基于基本数据结构作为数据类型,据类型同时对于程序员来说是透明,无需进行额外特殊的抽象[23]。
根据防控指挥系统的设计和业务流程,同时兼顾当前主流的开发框架和第三方平台对接的基本要求,整个系统在应用服务器上设计采用前后端分离的架构。在系统的后端采用SpringMVC的架构,如图2-3所示,主要表现在控制层(Controller).业务层(Service). 数据访问层(Dao)三大部分模块。1. 用户层:主要接受用户发送的 HTTP 请求,包括有 get 方式和 Post 方式两种,并将最后的后端处理好的 Json 数据返回给前端用户。图 2-3 后端分层架构图2. 控制层:DispatcherServlet 将接收的分发的请求交给控制器 Controller 负责处理。在该层中将用户请求的内容交给业务处理层进行处理,对业务逻辑层返回的结果数据进行封装成一个 Model ,将该 Model 数据模型返回给对应的 View 进行
【参考文献】
相关期刊论文 前4条
1 赵宁社;袁美娜;;企业风险管理与内部控制评价系统架构设计与实现[J];软件工程师;2015年09期
2 宫志刚;李小波;;社会治安防控体系若干基本问题研究[J];中国人民公安大学学报(社会科学版);2014年02期
3 李少华;;智能视频分析技术应用及发展[J];中国公共安全;2014年Z2期
4 盛万波;;浅谈新形势下的执法规范化建设[J];山东警察学院学报;2011年05期
相关博士学位论文 前2条
1 孟丹;基于深度学习的图像分类方法研究[D];华东师范大学;2017年
2 杨钊;面向图像分类和识别的视觉特征表达与学习的研究[D];华南理工大学;2014年
相关硕士学位论文 前10条
1 朱小英;结合深度学习与稀疏表示的室内场景识别研究[D];南京邮电大学;2018年
2 罗文震;基于REST架构的公共法律服务小程序的研究与实现[D];湖北大学;2018年
3 陈焕然;交通大数据采集及智能指挥决策[D];电子科技大学;2018年
4 汤雪峰;基于深度学习的模糊车牌自动识别研究[D];浙江理工大学;2018年
5 李文杰;柳州市警务指挥“一张图”系统的设计与实现[D];山东大学;2017年
6 段萌;基于卷积神经网络的图像识别方法研究[D];郑州大学;2017年
7 吴孝斌;基于MVC的物业管理信息系统的设计与实现[D];电子科技大学;2017年
8 魏丹;盘锦市立体化社会治安防控体系建设研究[D];大连理工大学;2016年
9 周凯龙;基于深度学习的图像识别应用研究[D];北京工业大学;2016年
10 李长平;基于FastDFS架构的小文件存储系统的设计与实现[D];哈尔滨工业大学;2015年
本文编号:2831296
本文链接:https://www.wllwen.com/falvlunwen/fanzuizhian/2831296.html