一、移动目标安防报警（论文文献综述）
曾铁军[1]（2021）在《面向放射性物品运输的个体自主安全智能关键技术研究》文中研究表明传统核安保技术存在着保护范围有限,保护力度、保护精细度不够充分的问题,其本质是目前的实物保护技术相对于被保护的对象而言,是一种外在的被动监控手段。放射性物品自身既不能感知面临的危险,也不具备基本应对能力。基于此,本文把当前最新的信息技术引入到核安保领域,以现有的核安保技术为基础,开展放射性物品个体自主智能核安保关键技术的研究。即在放射性容器上加装智能电子设备,使其能感知自身面临的危险,并按照一定逻辑作出判断,进而实施自我保护的措施。以信息物理融合系统为技术原型对象,开展“非授权接近”探测、“非授权移动”探测技术研究,建立基于个体自主安全智能的面向放射性物品运输的新型安保系统,提升安保能力。具体研究内容如下:（1）个体自主安全智能概念与体系。针对传统核安保技术的被动保护问题,在物联网等新技术出现的条件下,提出个体自主安全智能的概念。借鉴《放射源安保》对安保措施执行目标的分类,将放射性物品的自主安全智能可以划分为两个安全等级,并进一步建立外在安全系统能力与内在安全智能相结合的放射性物品安保能力级别。基于个体自主安全智能技术,采用CPS（Cyber Physical System,简写CPS）嵌套结构,提出了信息物理融合的新型核安保体系。（2）基于视频与红外的非授权接近纵深防御模型与方法。IAEA（International Atomic Energy Agency,简写IAEA,国际原子能机构）要求基本型、增强型、额外型安保等级的放射性物品运输安保系统都需要提供对包裹的非授权接近的立即探测。对放射性物品车载运输的典型威胁场景展开分析,将入侵者接近放射性物品分成三个阶段:由极远处移动至车门、破坏车门进入车厢、车厢内接近放射性物品容器。根据三个阶段提出含有控制区域、保护区域、核心区域的纵深防御模型。单一的接近探测方式可能存在误判或者漏检,为了提高非授权接近探测结果的准确率,提出了基于有限状态机的非授权接近决策方法,可以获得系统正常、正常巡检、非授权接近预警、非授权接近告警、灵敏度配合和装置故障告警等决策结果。（3）基于RSSI（Received Signal Strength Indicator,简写为RSSI）的IAEA-Ⅰ型非授权移动探测方法。IAEA要求在基本型（即IAEA-Ⅰ）安保等级的放射性物品运输安保系统需要提供对包裹的非授权移动的探测。按照探测距离由近至远的顺序,提出基于空间投影角的非授权移动探测方法、基于面积比较法的非授权移动探测方法和基于失效检测的非授权移动探测方法。三种方法可以叠加使用,以提高非授权移动探测的可靠性。基于空间投影角的非授权移动探测方法是将RSSI值转换为距离,进而建立车厢内的空间长方体。将移动的放射性物品节点与其在空间长方体内的两个投影点连接成三角形,再根据空间投影角判断是否移动至车厢外。仿真结果表明该方法放射性物品离开车厢距离达到0.25米将会被探测到,现场实验表明该距离将达到2.4米。基于面积比较法的非授权移动探测方法是忽略放射性物品节点与锚节点之间的高度差。该节点与锚节点组成的四个三角形面积之和减去车厢面积的值大于零,则认为其离开了车厢。仿真结果表明,放射性物品离开车厢距离达到1.04米将会被探测到。放射性物品非授权移动到了较远处,导致放射性物品节点与车厢内的相关节点之间通信失效,则认为其发生了非授权移动。为了节约能量和提高检测精度,本文提出一种现场响应失效检测方法,即先使用Push模型,当测量得到怀疑的结果时,由pull模型进一步确认失联。失效检测算法中的超时阈值与运输安保等级挂钩,并提出了具体的量化方案。现场试验表明本方法是有效的,失效报警的最远距离达到26米。（4）基于UWB（Ultra Wide Band）的IAEA-Ⅱ型尝试非授权移动探测模型及方法。IAEA要求在增强型（即IAEA-Ⅱ）安保等级的放射性物品运输安保系统需要提供对包裹的尝试非授权移动的探测。针对运输车厢内放射性物品容器的平移和转动导致的尝试非授权移动,提出了基于UWB信号的协作式尝试非授权移动探测方法,解决了放射性物品金属容器本身导致的遮挡问题。仿真试验表明该算法稳定、误差较小。对于平行移动:三个标签的最大误差不到6厘米;对于转动:放射性物品容器倾角误差达到1.5°。（5）基于个体自主安全智能的车载运输安保系统。基于放射性物品自主安全智能、北斗定位等技术,设计了放射性物品车载运输过程的安保系统,实现了感知、预警、延迟和报警等功能,提高了运输安全性。为了提高车载安保中心的警报评估概率,采取的优化措施包括划分报警信号优先级、优化声光报警形式、视频联动、警卫培训及加强组织管理。基于模糊层次分析法,定量分析了这些措施对EASI方法中警报评估概率的影响。论文对面向放射性物品运输的个体自主安全智能关键技术进行研究,研究成果可指导设计、建立新型运输安保系统,有效提升系统安保水平。
杜越[2]（2021）在《移动机器人智能监控与应急救援关键技术研究》文中研究说明视频监控是安防及应急救援的重要组成部分,因其呈现方式直观、传递信息多元而广泛应用于各类场景之中。传统方法的视频监控主要存在三大问题,其一是缺少视频智能分析,在监控过程中需要依靠人工同时对多个摄像头所拍摄的监控画面进行较长时间的观察,而且仅能对监控内容给出主观的判断,使得工作效率较低。其二是缺乏灵活监控,大多数的摄像头采用固定安装的方式,易存在监控盲区,同时极易受限于光照的变化,在更为重要的低照度或黑暗场景下不具备良好的监控能力,且若大量布置或是升级硬件会使成本较高。其三是视频监控与应急救援无法快速响应并进行高效的联动作业。针对以上问题,本文主要研究工作有以下三点:针对现有视频监控易受限于真实环境中的光照变化的问题,重点研究了低照度情况下的视频监控区域入侵检测。设计了视频监控画面的亮度评估及低照度情况下的图像亮度增强方法,解决了在低照度情况下图像过暗、目标不清的问题,优化了在低照度情况下的前景分割算法,有效消减阴影的干扰,提高对入侵目标轮廓提取的准确性。同时提出了全画面及区域划定两种区域入侵方法,在利用几何关系判定的基础上引入评估入侵程度的参数,提高判定效率与准确率,结合方向梯度直方图特征提取方法,实现准确高效的入侵目标检测。针对固定摄像头监控画面覆盖不全,易存在监控盲区且大量布置会导致成本较高的问题,本文基于移动机器人平台设计了远程控制精准巡逻的探测方法。运用基于激光雷达的地图构建及路径规划算法,实现了远程控制地面移动机器人精准巡逻快速联动。同时利用深度学习实现了黑暗环境下红外视频图像的行人检测,弥补监控视角盲区。为实现视频监控与应急救援间的快速联动,本文基于浏览器和服务器架构设计了智能视频监控与应急救援软件平台,实现了事故报警、应急救援联动以及事故信息整合等功能。构建了快速响应的视频监控与应急救援联动机制,在提升监控效率的同时提高事故处理的灵活性。
张震[3]（2021）在《安防巡检机器人控制系统设计及避障算法研究》文中研究表明化工行业安防领域有害、可燃气体泄漏会导致各种安全隐患,传统安防检测大多数尚处于人工巡检阶段。本文针对传统化工行业安防巡检存在的人身安全、漏检以及生产效率等问题,设计一种安防巡检机器人控制系统,充分将巡检、控制及监控结合在一起,极大的提高了巡检效率。本文的研究内容如下:首先,按照机器人的设计需求,查阅大量的参考文献,了解安防巡检机器人的发展现状,针对传统化工安防巡检存在的安全、漏检等问题,结合模块化设计思想,确定该系统的总体方案和相关算法。其次,根据总体方案设计硬件系统,主要包括电源模块、电机驱动模块、数据采集模块等。其中在电源方面,使用锂电池作为电源,并设计多个电源转换电路为外设应用;在数据采集方面,以ARM处理器为主完成多传感器数据采集、语音报警等,并完成部分电路PCB图的绘制。再次,根据总体方案设计软件系统,本文在底层控制中,采用移植的μC/OS-III实时系统为主控制器核心,对控制任务进行划分,设计相应功能的流程图;在数据通信方面,应用串口数据通信协议和网络通信协议,完成数据的串口和网络传输;同时利用开源Mjpg-streamer视频流服务器在树莓派（Raspberry Pi）上实现USB摄像头采集到的图像数据传输,实现上位机监控系统远程监控。最后,对安防巡检机器人进行避障算法的研究。本文针对机器人在静态障碍物环境中随机出现动态障碍物情况,提出一种改进A*算法与改进人工势场法结合的混合算法,成功解决遇到动态障碍物无法避障的问题。本文仿真并验证了该混合算法的可行性,不仅避障有效,缩短了运行时间,而且提高了路径规划质量。
邬舒益[4]（2021）在《基于目标检测与路径预测的园区防恐系统软件研发》文中研究说明园区已成为当前最主要的社会生产活动场所,与此同时非法入侵等恐怖犯罪活动仍时有发生,传统的园区安防系统存在监控过于被动、警情处置效率低等缺陷,引入目标检测跟踪技术和目标运动趋势预测技术能替代人工实时勘察分析,实现主动监控,并帮助无人机等处置装备精准定位目标,辅助监控视图平滑过渡,实现警情快速处理。本论文针对园区防恐系统对于主动监控、智能分析、精准打击以及一体化联动的需求,研发了基于目标检测与路径预测的园区防恐系统软件。软件采取C/S架构设计,主要实现了园区运行状态展示、视频流实时分析、警情推送、目标持续追踪、目标运动路径预判、大数据分析等功能。平台服务器软件通过设备接入层接入监控设备、报警装置及无人机等外接设备,并基于ViBe背景提取算法和人脸识别技术对园区敏感区域视频流进行实时检测分析。平台客户端基于GIS地图技术,支持展示园区GIS地图信息及园区设备部署信息,并实现了一套集目标标定、目标追踪、目标运动趋势预判、轨迹绘制、人员精准打击等功能的应急处置方案。为提高警情处置效率,本论文设计并实现了一种基于轨迹分类的目标运动路径预测算法,该算法将目标移动轨迹与已建立的HMM路径模型库进行匹配,并将匹配结果结合具体场景语意进行预测输出。经测试,本论文研发的基于目标检测与路径预测的园区防恐系统能够较好地实现对非法入侵人员的识别追踪、告警推送、警情一体化处理等功能,满足实际应用需求。
王鑫[5]（2020）在《智慧电厂安防系统研究及工程设计》文中研究表明目前我国清洁能源高速发展,但在一定时期内,煤炭资源仍是我国能源的重要依靠力量。煤炭资源的清洁高效利用已经成为我国能源战略的发展方向。随着智慧能源理念的提出,智慧电厂已经成为各大电厂发展的下一个战略目标。电厂生产安全是电厂关注的重点,智慧电厂安防系统建设需要重视。近年来,大数据、物联网、机器人和5G技术的快速发展也为智慧电厂的建设提供了技术保障。本文依托国电南宁660MW火电机组的智慧化整改设计项目,结合该电厂的基础设备以及电厂安防现状,对该电厂智慧安防系统进行研究以及工程设计。本文首先结合现有电厂安防系统的设计文献以及相关国家标准,介绍了传统电厂安防系统设计的一般理论方法。然后,借鉴已建成的智慧电厂的相关经验,并结合南宁电厂的安防现状,提出智慧电厂安防总体实施规划设计方案,主要设计了智慧电厂安防的前端系统、安防一体化集成平台以及安防管理系统。前端系统包括智能视频监控系统、智能巡检系统、人员定位系统和智能门禁及出入口车辆管理系统。一体化安防平台集成了现有的安防子系统。安防管理平台主要包括安全三维可视化管控、安全教育与培训管理、安全检查管理、智能两票管理四个子系统。最后给出了整个系统的建设的预算估算。智慧电厂的建设是一项大型工程,虽然已有成功案例,但是目前各电厂智慧程度以及建设方向都有差异,论文相关设计可以为其他电厂智慧化建设在一定程度上提供参考。
张浩雨[6]（2020）在《基于NB-IoT的小区安防与环境监测系统设计与实现》文中进行了进一步梳理随着社会经济的发展和生活水平的提高,人们对居住环境的安全性要求越来越高,对小区环境实施安全监测刻不容缓。传统的小区安防和环境监测系统多采用4G、3G、WLAN等通信技术,但存在功耗较大,通信距离有限、过多占用小区基站资源等缺点。随着通信技术的发展,NB-IoT（窄带物联网）技术由于具备低功耗、广覆盖、大连接等特点可以在小区安防监控得到广泛应用。因此本文设计一种基于NB-IoT的小区安防与环境监测系统,这对提高小区群众生活质量和提升居民幸福指数有着重要的意义。本论文针对当前城市小区内的安防与环境监测问题,结合目前安防与环境监测技术的发展状况,在研究了系统的功能和性能需求分析、整体结构设计和服务器端功能设计之后,采用嵌入式系统开发技术、人脸识别技术、NB-IoT通信技术以及应用程序开发技术等,设计并实现了基于NB-IoT的小区安防与环境监测系统。系统在设计时采用基于S3C6410处理器的人脸识别模块,采取仅上传识别结果的方式来防止业主隐私的泄漏;选用STM32F103处理器和各种环境信息传感器进行硬件设计从而对温湿度、有害气体浓度、PM2.5浓度等进行实时采集,并通过NB-IoT模块进行数据传输;经过云平台的数据转发之后,通过使用SpringBoot+Maven+Eclipse Mars2+MySQL的架构对服务器端进行设计,实现对数据信息的实时接收、显示和异常报警功能;移动手机终端采用基于Android系统进行开发,实现对服务器端的数据信息接收和显示等功能。通过不同时间段、不同的天气状况下对系统进行测试,测试结果显示,安防与环境监测系统能够长时间稳定运行,并能够实现对各项环境参数数据的实时采集与传输。通过对系统采集到的环境信息数据与仪器测量值对比,温湿度数据误差均在3%以内,烟雾浓度和PM2.5浓度数据误差均在5%以内。通过测量系统采集和传输数据的时间,平均响应时间均在2s以内。
邢军辉[7]（2020）在《基于云平台的入侵检测系统设计》文中认为基于图像处理的视觉监控和被动式红外信号探测是入侵检测领域常用的手段,单纯的红外信号探测系统存在误报率较高和无法取证等不足,而纯视频监控系统对处于遮挡、图像监控死角处的运动目标适应性不强,且多点同时产生的监控数据在传输和存储过程中存在网络带宽和存储空间占用过高、数据处理量大等问题。针对上述问题,本文开发了基于云平台的入侵检测系统,融合图像视觉监控和被动式红外探测两种手段,构建了图像视觉传感网络和红外探测器预警网络。论文采用云服务器实现了入侵图像及红外探测器监控数据的上传、处理,以及报警信息的存储和下发,并基于安卓平台开发了移动端监控报警软件。论文进行了以下工作:1.红外探测器预警网络:开发了红外探测器模块,构建了ZigBee红外探测器网络,实现对人体目标的探测。开发的报警主机将多个节点采集的红外报警数据进行初步过滤后上传至云服务器。2.图像视觉传感网络:搭建了入侵图像采集网络,在接收到预警信息后将多点采集到的视频数据上传云服务器。云服务器采用Meanshift运动目标跟踪算法对入侵的运动目标进行跟踪和识别,并将视频图像识别结果下发到安卓客户端。3.移动监控客户端:本文基于Android平台开发了监控客户端软件,实现了远程报警监控。该软件接收由云服务器下发的红外及视觉报警信息,综合红外及图像视觉报警信息形成最终报警结果。测试结果表明,本文设计的红外探测器网络与图像视觉相融合的入侵检测系统具有较低的误报率,对遮挡和监控盲区等问题有更好的适应性,对网络带宽占用小,且在成本方面相比单纯的视频监控系统有较大优势。系统实时性基本符合应用要求,但系统细节功能仍需进一步完善。后续计划从红外探测器网络空间拓扑结构、融合算法等方面对系统进行改进,以进一步提升检测的效率和实用性。
苗晨丹[8]（2020）在《“平安校园”项目实施效果评价研究》文中认为近年来,我国高等教育迅猛发展,办学形势多种多样、人员结构日益复杂、高校建筑结构复杂多变。大学生身心尚未完全成熟,受新媒体时代的影响,大学生价值追求多样、个性鲜明。再加上近几年,网络飞速发展,新型犯罪手段也不断更新,这使得高校的安全管理问题愈加复杂。为了应对新时代校园安全稳定问题,各高校纷纷利用现代科技手段,建设“平安校园”安防系统,协助高校安防工作的综合治理。“平安校园”综合监控系统在各大高校能发挥出显着的功效,除了主要的视频监控功能外,该系统还可以实现电话报警、消防管理、交通管控、应急管理、巡更管理等功能。“平安校园”安防系统不但可以保证各子系统独立运行,还可以实现各系统之间的安防联动。安防人员可以利用系统随时全面掌握安防情况,对案情做出快速准确地反应,有效的节约人力、物力、财力成本,最大限度的保障师生生命财产安全。因此,加强对“平安校园”项目的管理具有重要的现实意义。本文将以高校“平安校园”项目实施效果评价作为研究对象,在阐述国内外平安校园研究现状和现有安防项目实施效果评价的基础上,进一步结合高校“平安校园”项目的特点和安防系统设计需求,构建了AHP-模糊综合评价模型,对“平安校园”项目实施效果进行评价。该模型以系统建设效果、性能效果、应用效果、系统的支持效果以及人员管理效果为一级指标,建立了一个逻辑清晰、层次分明的“平安校园”项目实施效果评价指标体系,并用模糊综合评价法进行综合评价。最后,将构建的评价模型应用于H校的“平安校园”项目,并针对评价结果,对H校“平安校园”建设提出相应的对策和建议,同时,对其他相关单位“平安校园”项目的建设与升级具有一定参考借鉴价值。
时薇[9]（2020）在《基于NB-IoT的智能家居安防报警系统设计与实现》文中提出随着现代信息技术的发展和社会生活水平的不断提升,用户对家居安防需求也随之增加。近年来,安防行业开始和家居行业、互联网行业、通信行业等进行深入的融合和发展,结合上述行业的各自优势和所提供的便利条件,家居安防技术不断进行扩展升级。传统的家居安防报警系统存在一些弊端,具体包括:网络不稳定、系统功耗过大、组网布线繁琐、系统不易扩展、功能单一、入侵检测不精确等。本文在充分调研家居安防行业发展的痛点基础之上,结合当前新兴的NB-IoT技术和YOLOv2目标检测算法设计新的智能家居安防报警系统并实现。本文利用NB-IoT网络工作于授权频段、低功耗、深度覆盖等优势,结合运营商开发的物联网云平台,克服原有系统组网的缺陷。论文所设计的系统包括:终端感知节点,云平台和客户端APP三个部分。根据家居环境需求,论文工作对终端节点类型进行了丰富,借助STM32单片机和树莓派两种主控模块实现环境感知、火灾预防和检测入侵主体三个功能,使用YOLOv2目标检测算法实现对入侵主体识别;通过调研对比选取了中国移动OneNET物联网云平台实现对系统数据储存、推送、命令下发的支持,并基于Android OS操作系统开发客户端APP,实现用户及时接收警情数据和远程命令的下发。论文研究工作通过调研分析、系统设计、开发实现基于NB-IoT的智能家居安防报警系统的构建,端感知设备上传的数据在云平台和客户端APP上实现同步接和可视化展示。论文对系统了进行测试,通过对测试结果的分析,证实该系统预计的功能全部实现并且符合系统要求,可基于运营商网络运行,同时具有家居环境应用的可靠性和稳定性。
邓盼[10]（2020）在《基于物联网的智能安防系统的研究与设计》文中指出现在城市生活节奏的加快,很多中青年上班族忙于工作,一天中几乎大半时间都在不在家里。随着现代城市化发展,“空巢老人”、“留守儿童”已经成为了普遍的社会现象。家庭中的小孩或者老人需要有人能实时进行照看,并且随着家中电器的增多,给家庭带来许多的安全隐患,以及离家时家庭中的财产安全等问题引发人们广泛关注。近些年来,物联网、智能家居等领域在中国发展十分迅猛,日益智能化的家居产品由于满足了人们对家庭安防的需求而受到广泛的追捧。一种操作简单、节能、高效、便宜、铺设方便、功能较全面、较人性化的智能安防系统也成为了现在科技研究的热点。为解决普通家庭的安全防护实际需求以及升级改造难的问题,本文主要研究了Zigbee、WIFI、3G等物联网无线通信技术,结合“人脸识别”技术,针对目前市场上的安防产品的缺点,提出并设计了一种基于物联网的智能安防系统解决方案,主要包括家庭环境信息监测,智能门禁,电子“猫眼”,环境信息传感器超阈值自动报警,实时视频,远程控制等功能。按照上述功能设计需求,本论文对系统整体的硬件进行了设计与选型,并详细介绍了本系统设计中的主控模块、Zigbee模块、3G报警模块和WIFI模块的电路设计与功能作用。接着从软件层面详细描述系统的开发环境搭建与移植的相关流程。然后在软件设计方案及应用功能方面,详细介绍了本系统设计中的模块间的通信机制,各个功能模块工作流程。通过将BOA服务器映射到外网上,用户可以通过手机或者电脑等终端设备的浏览器打开对应网址获取家中的环境参数,查看摄像头等相关信息,控制家庭内部设备。最后,在本论文搭建的软硬件平台上对安防系统设计的Zigbee采集、3G模块短信报警、视频采集、网页端的显示与控制与人脸识别进行了功能测试与仿真,验证了本方案的功能上达到了预期要求。本文设计的基于物联网的智能安防系统具有铺设简单、功能较为全面、便宜实用、拓展性强、管理更加人性化等优点,在市场上具有一定的应用前景。
二、移动目标安防报警（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、移动目标安防报警（论文提纲范文）
（1）面向放射性物品运输的个体自主安全智能关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外 |
| 1.2.2 国内 |
| 1.3 IAEA放射性物品运输安保目标与要求 |
| 1.4 课题来源及内容安排 |
| 第2章 个体自主安全智能概念与体系 |
| 2.1 个体自主安全智能的概念 |
| 2.1.1 传统核安保技术特点 |
| 2.1.2 新型威胁及新技术的出现 |
| 2.1.3 个体自主安全智能 |
| 2.2 基于个体自主安全智能理论的安保级别分析 |
| 2.2.1 传统安保级别划分 |
| 2.2.2 基于个体自主安全智能的安保级别 |
| 2.2.3 个体自主安全智能与传统安保融合的安保级别 |
| 2.3 基于个体自主安全智能的新型信息物理融合安保体系 |
| 2.3.1 信息物理融合 |
| 2.3.2 新型安保体系 |
| 2.3.3 新型安保体系的特点与优势 |
| 2.4 本章小结 |
| 第3章 基于视频与红外的非授权接近纵深防御模型与方法 |
| 3.1 IAEA非授权接近探测需求与分析 |
| 3.2 非授权接近探测技术概述 |
| 3.3 基于视频与红外的非授权接近纵深防御模型与方法 |
| 3.3.1 基于视频与红外的非授权接近纵深防御模型 |
| 3.3.2 视频人体目标探测算法及实验分析 |
| 3.3.3 基于有限状态机的非授权接近探测决策 |
| 3.4 有效性分析 |
| 3.4.1 有效探测概率分析 |
| 3.4.2 漏报率分析 |
| 3.4.3 实例分析 |
| 3.5 本章小结 |
| 第4章 基于RSSI的 IAEA-Ⅰ型等级非授权移动探测方法 |
| 4.1 IAEA-Ⅰ型等级非授权移动探测需求与分析 |
| 4.2 移动探测技术概述 |
| 4.3 基于RSSI实现的IAEA-Ⅰ型等级非授权移动探测方法 |
| 4.4 实验与分析 |
| 4.5 本章小结 |
| 第5章 基于UWB的 IAEA-Ⅱ型尝试非授权移动探测模型及方法 |
| 5.1 IAEA-Ⅱ等级尝试非授权移动探测需求与分析 |
| 5.2 UWB移动探测技术概述 |
| 5.3 MPC增强型安保等级尝试非授权移动探测方法 |
| 5.4 实验及分析 |
| 5.5 本章小结 |
| 第6章 基于个体自主安全智能的车载运输安保系统 |
| 6.1 放射性物品车载运输特点 |
| 6.2 基于个体自主安全智能安保系统设计原则 |
| 6.3 基于放射性物品自主安全智能的车载运输安保系统设计 |
| 6.4 基于FAHP的安保中心警报评估概率分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 作者攻读学位期间的科研成果 |
| 致谢 |
（2）移动机器人智能监控与应急救援关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 视频监控系统研究现状 |
| 1.2.2 运动目标检测技术研究现状 |
| 1.2.3 机器人巡逻监控研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 第二章 相关技术及理论基础 |
| 2.1 引言 |
| 2.2 运动目标检测方法 |
| 2.3 红外线及红外摄像技术 |
| 2.4 本章小结 |
| 第三章 低照度下视频监控区域入侵目标检测算法研究 |
| 3.1 引言 |
| 3.2 低照度下区域入侵检测主要流程 |
| 3.3 低照度下区域入侵检测算法研究与实现 |
| 3.3.1 视频亮度异常检测 |
| 3.3.2 低照度下前景分割算法研究 |
| 3.3.3 低照度下结合图像增强的前景分割算法优化 |
| 3.3.4 入侵判定方法研究 |
| 3.4 实验结果分析 |
| 3.5 本章小结 |
| 第四章 远程控制机器人精准巡逻探测方法研究 |
| 4.1 引言 |
| 4.2 基于地面移动机器人的视频监控平台搭建 |
| 4.2.1 地面移动机器人同步定位与地图构建 |
| 4.2.2 地面移动机器人路径规划 |
| 4.3 机器人巡逻红外目标检测算法研究 |
| 4.3.1 基于SIFT算法的红外图像检测 |
| 4.3.2 基于Efficient Det网络架构的红外图像检测 |
| 4.4 实验结果分析 |
| 4.5 本章小结 |
| 第五章 移动机器人智能监控与应急救援软件平台总体设计与实现 |
| 5.1 引言 |
| 5.2 需求分析 |
| 5.3 移动机器人智能监控与应急救援监控系统总体架构 |
| 5.4 软件系统设计与实现 |
| 5.4.1 实时监控与检测系统 |
| 5.4.2 应急报警与联动救援系统 |
| 5.4.3 信息统计与反馈系统 |
| 5.5 主要功能测试 |
| 5.6 本章小结 |
| 第六章 移动机器人智能监控与应急救援实验验证 |
| 6.1 引言 |
| 6.2 系统软硬件平台 |
| 6.3 实验验证与分析 |
| 6.3.1 低照度情况下区域入侵检测验证 |
| 6.3.2 基于地面移动机器人巡逻的视频监控验证 |
| 6.4 本章小结 |
| 第七章 总结及展望 |
| 7.1 全文总结 |
| 7.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
（3）安防巡检机器人控制系统设计及避障算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 安防巡检机器人的研究现状 |
| 1.2.2 机器人避障算法的研究现状 |
| 1.3 本文的研究内容及章节安排 |
| 第二章 安防巡检机器人总体设计方案 |
| 2.1 安防巡检机器人系统设计方案 |
| 2.2 安防巡检机器人控制系统设计理念 |
| 2.3 系统核心器件分析与选型 |
| 2.3.1 微处理器芯片分析与选型 |
| 2.3.2 传感器的分析与选型 |
| 2.3.3 电机的分析与选型 |
| 2.4 本章小结 |
| 第三章 安防巡检机器人硬件设计 |
| 3.1 微控制器核心电路 |
| 3.2 电源模块电路设计 |
| 3.3 电机驱动模块电路设计 |
| 3.4 传感器信息采集电路设计 |
| 3.4.1 温度采集电路设计 |
| 3.4.2 湿度采集电路设计 |
| 3.4.3 燃气检测电路设计 |
| 3.4.4 甲醛采集电路设计 |
| 3.4.5 超声波避障 |
| 3.5 语音报警电路设计 |
| 3.6 电池电压测量电路设计 |
| 3.7 本章小结 |
| 第四章 安防巡检机器人软件设计 |
| 4.1 软件开发环境介绍 |
| 4.2 安防巡检机器人软件设计框架 |
| 4.3 机器人底层系统软件设计 |
| 4.3.1 μC/OS-III操作系统 |
| 4.3.2 主程序设计 |
| 4.3.3 传感器数据采集程序设计 |
| 4.3.4 电机控制程序设计 |
| 4.3.5 语音报警程序设计 |
| 4.4 数据中转软件设计 |
| 4.4.1 数据中转的流程框图 |
| 4.4.2 操作系统和网络通讯协议的选择 |
| 4.4.3 数据传输的流程设计 |
| 4.5 监控系统软件设计 |
| 4.5.1 监控系统设计需求分析 |
| 4.5.2 Qt可视化界面的开发平台搭建 |
| 4.5.3 监控系统的图形界面设计 |
| 4.6 本章小结 |
| 第五章 安防巡检机器人避障算法的研究 |
| 5.1 避障算法的分析与选择 |
| 5.2 栅格法地图构建 |
| 5.3 避障策略 |
| 5.3.1 传统A*算法 |
| 5.3.2 A*算法改进 |
| 5.3.3 传统人工势场法 |
| 5.3.4 改进人工势场法 |
| 5.3.5 改进A*和改进势场融合 |
| 5.4 仿真验证 |
| 5.5 本章小结 |
| 第六章 安防巡检机器人系统的实现及验证 |
| 6.1 硬件实现 |
| 6.2 数据通讯验证 |
| 6.2.1 串口通讯验证 |
| 6.2.2 网络通讯验证 |
| 6.3 监控系统功能验证 |
| 6.3.1 数据显示验证 |
| 6.3.2 视频显示验证 |
| 6.3.3 机器人运动控制验证 |
| 6.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（4）基于目标检测与路径预测的园区防恐系统软件研发（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 园区防恐系统的发展现状 |
| 1.2.2 图像处理技术在安防领域的应用 |
| 1.3 本文研究内容 |
| 1.4 论文组织结构 |
| 2 相关技术概述 |
| 2.1 背景提取算法 |
| 2.1.1 背景差分法 |
| 2.1.2 光流法 |
| 2.1.3 ViBe背景提取算法 |
| 2.2 目标运动路径预测技术 |
| 2.3 GIS地图技术 |
| 2.4 本章小结 |
| 3 园区防恐系统总体架构设计 |
| 3.1 园区防恐系统应用方案 |
| 3.2 园区防恐系统软件架构 |
| 3.3 本章小结 |
| 4 园区防恐系统详细设计 |
| 4.1 服务端软件详细设计 |
| 4.1.1 设备接入模块 |
| 4.1.2 运动目标检测跟踪模块 |
| 4.1.3 目标运动路径预测模块 |
| 4.2 客户端软件详细设计 |
| 4.2.1 界面原型设计 |
| 4.2.2 GIS地图模块 |
| 4.2.3 警情一体化处置方案 |
| 4.3 本章小结 |
| 5 基于轨迹分类的路径预测算法设计 |
| 5.1 隐马尔科夫模型概述 |
| 5.2 路径模型训练方法 |
| 5.2.1 训练数据集构建方案 |
| 5.2.2 基于SO-HMM路径模型训练 |
| 5.2.3 基于MO-HMM路径模型训练 |
| 5.3 结合场景语意的路径预测模型设计 |
| 5.4 本章小结 |
| 6 系统测试及结果 |
| 6.1 测试概要 |
| 6.1.1 测试环境 |
| 6.1.2 测试内容 |
| 6.2 测试方案及结果 |
| 6.2.1 功能测试 |
| 6.2.2 性能测试 |
| 6.3 本章小结 |
| 7 总结和展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 作者简介 |
（5）智慧电厂安防系统研究及工程设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 课题研究现状 |
| 1.3 本课题研究内容 |
| 1.4 本章小结 |
| 第二章 传统安防系统设计的一般理论方法 |
| 2.1 引言 |
| 2.2 传统安防系统总体设计 |
| 2.3 传统电厂安防子系统设计 |
| 2.4 本章小结 |
| 第三章 南宁电厂安防实施总体规划 |
| 3.1 引言 |
| 3.2 电厂现有安防系统 |
| 3.3 南宁电厂安防系统规划原则 |
| 3.4 整体规划 |
| 3.5 本章小结 |
| 第四章 南宁电厂安防前端系统设计 |
| 4.1 智能视频监控系统 |
| 4.2 智能巡检系统 |
| 4.3 人员定位系统 |
| 4.4 智能门禁及出入口车辆管理系统 |
| 4.5 本章小结 |
| 第五章 南宁电厂安防集成管理平台设计 |
| 5.1 安防集成一体化平台简介 |
| 5.2 数据处理 |
| 5.3 应用平台建设 |
| 5.4 本章小结 |
| 第六章 南宁电厂安防管理系统设计 |
| 6.1 安全三维可视化管理 |
| 6.2 安全教育与培训管理 |
| 6.3 安全检查管理 |
| 6.4 两票管理 |
| 6.5 本章小结 |
| 第七章 南宁电厂安防系统设备选型及工程建设估算 |
| 7.1 软硬件配置 |
| 7.2 设计投资预算 |
| 7.3 本章小结 |
| 第八章 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 致谢 |
| 参考文献 |
（6）基于NB-IoT的小区安防与环境监测系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究动态及发展趋势 |
| 1.2.1 国外研究动态 |
| 1.2.2 国内研究动态 |
| 1.2.3 发展趋势及存在问题 |
| 1.3 论文主要工作与章节安排 |
| 2 系统需求分析与总体方案设计 |
| 2.1 系统的需求分析 |
| 2.1.1 系统功能需求分析 |
| 2.1.2 系统性能需求分析 |
| 2.2 系统总体方案设计 |
| 2.2.1 系统方案总述 |
| 2.2.2 系统组成结构设计 |
| 2.3 系统的关键技术 |
| 2.3.1 人脸识别技术 |
| 2.3.2 NB-IoT技术 |
| 2.3.3 通信协议的选择 |
| 2.4 本章小结 |
| 3 安防与环境信息监测终端设计 |
| 3.1 安防与环境监测终端硬件设计 |
| 3.1.1 安防与环境信息数据采集分站组成结构设计 |
| 3.1.2 人脸识别模块组成结构设计 |
| 3.2 安防与环境监测终端软件设计 |
| 3.2.1 安防与环境信息采集终端软件需求分析 |
| 3.2.2 安防与环境信息采集终端软件设计 |
| 3.2.3 安防与环境参数采集分站通信协议设计 |
| 3.2.4 人脸图像识别模块软件设计 |
| 3.2.5 数据传输模块软件设计 |
| 3.3 本章小结 |
| 4 安防与环境监测平台设计 |
| 4.1 安防与环境监测服务器端设计 |
| 4.1.1 安防与环境监测服务器端需求分析 |
| 4.1.2 安防与环境监测服务器端设计 |
| 4.2 云平台到监测服务器端的通信 |
| 4.3 移动手机终端设计 |
| 4.2.1 移动手机终端需求分析 |
| 4.2.2 移动手机终端设计 |
| 4.4 本章小结 |
| 5 系统实现与测试分析 |
| 5.1 系统开发环境的搭建 |
| 5.2 系统的实现 |
| 5.2.1 系统硬件的实现 |
| 5.2.2 系统软件的实现 |
| 5.3 系统测试 |
| 5.3.1 硬件测试 |
| 5.3.2 软件测试 |
| 5.3.3 系统性能测试与分析 |
| 5.3.4 测试结果分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）基于云平台的入侵检测系统设计（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 入侵检测发展现状 |
| 1.2.1 红外探测技术发展现状 |
| 1.2.2 智能视频监控技术发展现状 |
| 1.3 论文主要内容与章节安排 |
| 2 系统设计 |
| 2.1 系统总体设计 |
| 2.1.1 系统需求论证 |
| 2.1.2 系统整体方案 |
| 2.1.3 系统开发环境 |
| 2.2 基于被动式红外的入侵检测与传感器网络构建 |
| 2.2.1 基于被动式红外的入侵检测 |
| 2.2.2 传感器网络构建 |
| 2.3 基于图像处理的入侵检测 |
| 2.3.1 运动目标检测 |
| 2.3.2 运动目标跟踪 |
| 2.3.3 人脸检测与识别 |
| 2.4 云平台规划 |
| 3 基于云平台的入侵检测系统实现 |
| 3.1 无线探测器入侵预警网络 |
| 3.1.1 PIR探测器模块设计 |
| 3.1.2 报警主机设计 |
| 3.1.3 预警信息过滤规则设计 |
| 3.1.4 云平台通讯 |
| 3.2 基于图像视觉的人体目标入侵检测 |
| 3.2.1 入侵图像预处理 |
| 3.2.2 入侵目标检测 |
| 3.2.3 基于Meanshift的运动目标跟踪 |
| 3.3 基于红外传感与图像视觉的多传感器融合的运动目标检测 |
| 3.3.1 入侵检测系统布局 |
| 3.3.2 拍摄预置点及警戒区域设置 |
| 3.4 移动端应用开发 |
| 3.4.1 Android端 UI框架设计 |
| 3.4.2 Android端登录模块设计 |
| 3.4.3 PIR探测器网络预警模块设计 |
| 3.4.4 图像采集与入侵检测模块功能实现 |
| 4 系统测试 |
| 4.1 PIR探测器网络误报和漏报测试 |
| 4.2 入侵测试 |
| 4.2.1 入侵预警测试 |
| 4.2.2 入侵警戒区测试 |
| 4.3 系统实时性测试 |
| 总结与展望 |
| 工作总结 |
| 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间取得的学术成果 |
| 附录 |
（8）“平安校园”项目实施效果评价研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高校安防系统研究现状 |
| 1.2.2 安防项目评价综述 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 技术难点和创新之处 |
| 1.4.1 研究难点 |
| 1.4.2 创新之处 |
| 2 相关概念与理论 |
| 2.1 “平安校园”项目概述 |
| 2.1.1 “平安校园”项目的定义 |
| 2.1.2 “平安校园”项目实施效果 |
| 2.1.3 “平安校园”项目建设目标 |
| 2.1.4 “平安校园”综合监控系统设计原则 |
| 2.2 “平安校园”项目的总体要求 |
| 2.2.1 业务功能要求 |
| 2.2.2 性能要求 |
| 2.2.3 安全要求 |
| 2.2.4 系统功能应用要求 |
| 2.2.5 系统的支持和维护要求 |
| 2.3 相关评价理论 |
| 2.3.1 德尔菲法 |
| 2.3.2 层次分析法 |
| 2.3.3 模糊综合评价法 |
| 2.3.4 模糊合成算子 |
| 2.4 本章小结 |
| 3 “平安校园”项目实施效果评价指标体系构建 |
| 3.1 指标体系构建的原则 |
| 3.2 指标体系构建的思路与步骤 |
| 3.2.1 指标体系构建的思路 |
| 3.2.2 评价指标的初步识别 |
| 3.2.3 德尔菲法进行评价指标的筛选 |
| 3.3 确定评价指标 |
| 3.3.1 建设效果评价指标 |
| 3.3.2 性能效果评价指标 |
| 3.3.3 应用效果评价指标 |
| 3.3.4 系统支持效果评价指标 |
| 3.3.5 人员管理效果评价指标 |
| 3.4 本章小结 |
| 4 “平安校园”项目实施效果评价模型的构建 |
| 4.1 AHP-模糊评价模型整体构思 |
| 4.2 层次分析法确定指标权重 |
| 4.2.1 建立递阶层次结构模型 |
| 4.2.2 构造判断矩阵 |
| 4.2.3 特征值及一致性检验 |
| 4.2.4 权重的计算 |
| 4.3 模糊综合评价 |
| 4.3.1 模糊评价的原理 |
| 4.3.2 模糊综合评价的步骤 |
| 4.4 本章小结 |
| 5 H校“平安校园”项目实施效果评价 |
| 5.1 H校“平安校园”项目基本情况 |
| 5.1.1 H校简介 |
| 5.1.2 H校“平安校园”综合监控系统结构 |
| 5.2 H校“平安校园”项目运维和管理现状 |
| 5.2.1 系统的运行状态 |
| 5.2.2 系统的应用和维护情况 |
| 5.3 H校“平安校园”项目实施效果评价 |
| 5.3.1 基于层次分析法确定项目实施效果评价指标权重 |
| 5.3.2 H校“平安校园”项目实施效果模糊综合评价 |
| 5.4 评价结果分析及对策建议 |
| 5.4.1 指标权重分析 |
| 5.4.2 模糊综合评价结果分析 |
| 5.4.3 对策与建议 |
| 5.5 本章小结 |
| 6 结束语 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 A 德尔菲法调查表 |
| 附录 B 各级指标相对上级指标绝对标度打分表 |
| 附录 C 各指标相对上一级指标绝对标度打分结果 |
| 附录 D 各一级指标和各二级指标相对标度打分表 |
| 附录 E 一二级指标相对标度专家打分结果 |
| 附录 F 二级指标相对于总目标的权重计算过程 |
| 附录 G 评价指标隶属度调查表 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（9）基于NB-IoT的智能家居安防报警系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能家居安防报警行业发展现状 |
| 1.2.2 NB-IoT发展现状 |
| 1.3 论文研究内容及结构安排 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文结构安排 |
| 第2章 智能家居安防报警系统需求分析及关键技术 |
| 2.1 系统需求分析 |
| 2.1.1 总体需求分析 |
| 2.1.2 模块需求分析 |
| 2.2 系统关键技术 |
| 2.2.1 通信技术 |
| 2.2.2 硬件关键技术 |
| 2.2.3 软件关键技术 |
| 2.2.4 目标检测算法关键技术 |
| 2.3 本章小结 |
| 第3章 智能家居安防报警系统设计 |
| 3.1 系统总体设计 |
| 3.2 智能家居安防报警系统硬件设计 |
| 3.2.1 基于STM32 单片机的终端节点硬件设计 |
| 3.2.2 基于树莓派的终端节点硬件设计 |
| 3.3 智能家居安防报警系统软件设计 |
| 3.3.1 数据上报和命令下发流程设计 |
| 3.3.2 客户端APP设计 |
| 3.4 本章小结 |
| 第4章 智能家居安防报警系统的实现 |
| 4.1 开发环境搭建 |
| 4.1.1 Keil MDK5 环境搭建 |
| 4.1.2 Raspbian Buster系统安装 |
| 4.1.3 Python-OpenCV的安装 |
| 4.1.4 YOLOv2 运行环境搭建 |
| 4.1.5 Android OS开发环境搭建 |
| 4.2 硬件实现 |
| 4.2.1 基于STM32 单片机的终端节点数据采集 |
| 4.2.2 基于树莓派的终端节点数据采集 |
| 4.2.3 NB-IoT通信模块联网 |
| 4.2.4 数据包格式 |
| 4.3 软件实现 |
| 4.3.1 OneNET云平台的接入 |
| 4.3.2 客户端APP的实现 |
| 4.4 YOLOv2 目标检测算法的实现 |
| 4.4.1 模型建立 |
| 4.4.2 YOLOv2 模型训练 |
| 4.5 系统实现 |
| 4.6 本章小结 |
| 第5章 智能家居安防报警系统测试 |
| 5.1 测试环境搭建 |
| 5.2 系统测试 |
| 5.3 测试分析及结论 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间学术论文和参加科研情况 |
| 致谢 |
| 作者简介 |
（10）基于物联网的智能安防系统的研究与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外发展现状 |
| 1.3 研究内容与论文结构 |
| 1.3.1 研究内容 |
| 1.3.2 本文的结构安排 |
| 第二章 客户需求分析与安防系统的整体规划设计 |
| 2.1 客户需求分析 |
| 2.1.1 应用场景 |
| 2.1.2 产品功能 |
| 2.1.3 产品价格 |
| 2.2 无线通信协议的选择与设计 |
| 2.3 安防系统总体结构框架 |
| 2.3.1 系统整体硬件框架设计 |
| 2.3.2 系统整体软件框架设计 |
| 2.3.3 家庭整体安装布局 |
| 2.4 本章小结 |
| 第三章 人脸识别关键技术概述 |
| 3.1 人脸识别技术概述 |
| 3.2 人脸检测 |
| 3.2.1 Haar矩形特征 |
| 3.2.2 分类器设计 |
| 3.2.3 级联多层分类器 |
| 3.3 人脸特征提取 |
| 3.4 人脸识别 |
| 3.5 本章小结 |
| 第四章 系统硬件设计 |
| 4.1 智能安防系统整体架构硬件设计 |
| 4.1.1 电源模块 |
| 4.1.2 存储模块 |
| 4.1.3 串行接口设计 |
| 4.1.4 USB电路设计 |
| 4.1.5 网络接口设计 |
| 4.2 Zigbee模块 |
| 4.2.1 CC2530核心板 |
| 4.2.2 Zigbee终端节点功能模块 |
| 4.3 3G模块 |
| 4.4 WIFI摄像头模块 |
| 4.5 本章小结 |
| 第五章 开发环境建立和系统移植 |
| 5.1 开发环境搭建 |
| 5.1.1 VMware工作站与Ubuntu |
| 5.1.2 安装交叉编译工具链的简介与安装 |
| 5.2 TFTP与 NFS配置 |
| 5.2.1 TFTP服务器 |
| 5.2.2 NFS服务器搭建 |
| 5.3 Bootloader概述与移植 |
| 5.4 Linux内核的概述与移植 |
| 5.5 文件系统概述与移植 |
| 5.5.1 文件系统的概述与移植 |
| 5.5.2 固化根文件系统 |
| 5.6 SQLITE概述与移植 |
| 5.7 BOA服务器与CGI的概述与移植 |
| 5.7.1 BOA服务器概述与移植 |
| 5.7.2 CGI的概述与移植 |
| 5.8 Mjpeg-streamer服务器的概述与移植 |
| 5.9 本章小结 |
| 第六章 智能安防系统软件设计 |
| 6.1 系统整体框架及数据描述 |
| 6.1.1 系统整体框架 |
| 6.1.2 多线程设计 |
| 6.1.3 通信结构体设计 |
| 6.2 数据库模块 |
| 6.3 数据接收模块 |
| 6.3.1 Zigbee采集模块 |
| 6.3.2 A9采集模块 |
| 6.4 数据处理模块 |
| 6.5 处理客户请求模块 |
| 6.6 蜂鸣器与LED模块 |
| 6.6.1 蜂鸣器模块 |
| 6.6.2 LED模块 |
| 6.7 摄像头模块 |
| 6.8 3G模块 |
| 6.9 外网登录解决方案 |
| 6.10 本章小结 |
| 第七章 智能安防系统的功能实现与分析 |
| 7.1 系统平台搭建 |
| 7.2 系统整体性能测试 |
| 7.2.1 Zigbee模块测试 |
| 7.2.2 3G模块测试与调试 |
| 7.2.3 视频采集模块测试 |
| 7.2.4 Web网页端功能验证 |
| 7.2.5 智能门禁仿真测试 |
| 7.3 本章小结 |
| 第八章 总结与展望 |
| 8.1 论文工作总结 |
| 8.2 论文工作展望 |
| 参考文献 |
| 攻读学位期间学术成果 |
| 致谢 |
四、移动目标安防报警（论文参考文献）
- [1]面向放射性物品运输的个体自主安全智能关键技术研究[D]. 曾铁军. 南华大学, 2021(02)
- [2]移动机器人智能监控与应急救援关键技术研究[D]. 杜越. 电子科技大学, 2021(01)
- [3]安防巡检机器人控制系统设计及避障算法研究[D]. 张震. 青岛科技大学, 2021(01)
- [4]基于目标检测与路径预测的园区防恐系统软件研发[D]. 邬舒益. 浙江大学, 2021(01)
- [5]智慧电厂安防系统研究及工程设计[D]. 王鑫. 广西大学, 2020(07)
- [6]基于NB-IoT的小区安防与环境监测系统设计与实现[D]. 张浩雨. 西安科技大学, 2020(01)
- [7]基于云平台的入侵检测系统设计[D]. 邢军辉. 河南工业大学, 2020(01)
- [8]“平安校园”项目实施效果评价研究[D]. 苗晨丹. 北京交通大学, 2020(03)
- [9]基于NB-IoT的智能家居安防报警系统设计与实现[D]. 时薇. 河北工程大学, 2020(07)
- [10]基于物联网的智能安防系统的研究与设计[D]. 邓盼. 广东工业大学, 2020(02)