隨著國(guó)家社會(huì)經(jīng)濟(jì)的不斷發(fā)展與融合,國(guó)內(nèi)外政治經(jīng)濟(jì)形勢(shì)復(fù)雜、態(tài)勢(shì)嚴(yán)峻,各種社會(huì)治安的問(wèn)題和挑戰(zhàn)隨之欲來(lái)。為積極應(yīng)對(duì)社會(huì)治安發(fā)展形勢(shì),需要全面的推進(jìn)立體化社會(huì)治安防控體系建設(shè),來(lái)提升實(shí)時(shí)化、動(dòng)態(tài)化、信息化條件下社會(huì)治安治理能力。因此通過(guò)運(yùn)用信息化技術(shù)提高社會(huì)治安立體化防控十分必要。本文基于XXX市全國(guó)創(chuàng)新創(chuàng)業(yè)基地的立體化防控指揮系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)開(kāi)發(fā)為項(xiàng)目背景。論文對(duì)項(xiàng)目的需求和展示方式進(jìn)行了分析,將系統(tǒng)分為三大平臺(tái):視頻監(jiān)控平臺(tái)、警情研判平臺(tái)、綜合指揮平臺(tái)。本系統(tǒng)根據(jù)三大平臺(tái)進(jìn)行設(shè)計(jì)實(shí)現(xiàn),視頻平臺(tái)主要對(duì)基地內(nèi)所有的視頻圖像進(jìn)行播放控制,對(duì)視頻圖像進(jìn)行標(biāo)簽標(biāo)注、畫(huà)中畫(huà)播放等,對(duì)視頻圖像進(jìn)行增強(qiáng)現(xiàn)實(shí);在視頻平臺(tái)中,使用深度學(xué)習(xí)中的TensorFlow Object Detection API物體識(shí)別技術(shù),對(duì)視頻畫(huà)面中的行人、車(chē)輛等物體進(jìn)行標(biāo)記識(shí)別,基于此數(shù)據(jù)實(shí)現(xiàn)了人群行為分析的密度檢測(cè)和逗留分析。警情平臺(tái)主要對(duì)實(shí)時(shí)警情數(shù)據(jù)進(jìn)行處理反饋,通過(guò)反饋時(shí)候提交案件坐標(biāo),實(shí)現(xiàn)警情熱力圖標(biāo)注,為指揮決策和警力部署安排提供直觀展示,也實(shí)現(xiàn)了對(duì)某一類(lèi)案件警情分析研判展示。在綜合平臺(tái)中,實(shí)現(xiàn)了智慧交通模塊、車(chē)輛卡口稽查布控、卡口車(chē)輛查詢、紅綠燈控制、人臉卡口識(shí)別告警、車(chē)輛軌跡分析等功能。通過(guò)這些主要的功能模塊相互配合,來(lái)對(duì)基地的防控指揮提供信息化服務(wù)。本系統(tǒng)的技術(shù)實(shí)現(xiàn)采用了主流的B/S模式架構(gòu)和C/S模式架構(gòu),其中視頻監(jiān)控平臺(tái)采用了C/S架構(gòu),警情研判分析平臺(tái)和綜合指揮調(diào)度平臺(tái)采用了B/S架構(gòu)。前端展示主要采用C#進(jìn)行Client客戶端開(kāi)發(fā),VUEJS進(jìn)行Browser瀏覽器端開(kāi)發(fā),后端業(yè)務(wù)邏輯采用Java語(yǔ)言進(jìn)行編寫(xiě),使用SpringMVC框架進(jìn)行后端的功能接口開(kāi)發(fā);其中視頻監(jiān)控中,基于深度學(xué)習(xí)的目標(biāo)識(shí)別采用python3.5進(jìn)行開(kāi)發(fā)。數(shù)據(jù)庫(kù)方面,系統(tǒng)采用redis、Mysql、Oracle相結(jié)合的方式,采用主數(shù)據(jù)庫(kù)-備份數(shù)據(jù)庫(kù)方式,為系統(tǒng)的數(shù)據(jù)安全提供了可靠的保證。立體化防控指揮系統(tǒng)現(xiàn)已投入運(yùn)行,取得了良好的反饋效果,在一定程度上提升了基地防控指揮的信息化水平,提高了工作效率。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：D631.4;TP18;TP391.41
【部分圖文】：

2.2.2 R-CNN 系列目標(biāo)檢測(cè)算法Region CNN(RCNN)可以說(shuō)是利用深度學(xué)習(xí)進(jìn)行目標(biāo)檢測(cè)的開(kāi)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(cè)算法使用滑動(dòng)窗法依次判斷所有可能的區(qū)域[14]。而 CNN 算法通過(guò)預(yù)處理方式首先提取一部分可能是識(shí)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(jìn)行提取特征，從而進(jìn)行識(shí)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(gè)步驟[15]，如圖 2-1 所示：1、將輸入目標(biāo)圖像進(jìn)行劃分，生成 1K-2K 個(gè)待選范圍區(qū)域[15]2、在每個(gè)待選區(qū)域上使用卷機(jī)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(lèi)目標(biāo)的 SVM 分類(lèi)器，判斷該特征否屬于這一分類(lèi)[15]4、使用回歸器來(lái)修正待選框位置[15]

圖 2-2 SpringMVC 運(yùn)行原理圖 數(shù)據(jù)存儲(chǔ).1 RedisRedis 是當(dāng)前比較熱門(mén)的 NoSQL 系統(tǒng)之一，使用 ANSI C 語(yǔ)言編寫(xiě)的一個(gè)開(kāi) key-value 存儲(chǔ)系統(tǒng)，用作數(shù)據(jù)庫(kù)、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(jì)算機(jī)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(xiě)入服務(wù)器磁盤(pán)，或執(zhí)行修改的操作數(shù)據(jù)內(nèi)容追加記錄進(jìn)入系數(shù)據(jù)庫(kù)統(tǒng)文件中，從而實(shí)現(xiàn)數(shù)據(jù)的持化和主數(shù)據(jù)庫(kù)和從數(shù)據(jù)庫(kù)之間的同步[23]。在 Redis 設(shè)計(jì)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(kù)的設(shè)計(jì)進(jìn)化。Redis 中基于基本數(shù)據(jù)結(jié)構(gòu)作為數(shù)據(jù)類(lèi)型，據(jù)類(lèi)型同時(shí)對(duì)于程序員來(lái)說(shuō)是透明，無(wú)需進(jìn)行額外特殊的抽象[23]。

根據(jù)防控指揮系統(tǒng)的設(shè)計(jì)和業(yè)務(wù)流程，同時(shí)兼顧當(dāng)前主流的開(kāi)發(fā)框架和第三方平臺(tái)對(duì)接的基本要求，整個(gè)系統(tǒng)在應(yīng)用服務(wù)器上設(shè)計(jì)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(wèn)層（Dao）三大部分模塊。1. 用戶層：主要接受用戶發(fā)送的 HTTP 請(qǐng)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(qǐng)求交給控制器 Controller 負(fù)責(zé)處理。在該層中將用戶請(qǐng)求的內(nèi)容交給業(yè)務(wù)處理層進(jìn)行處理，對(duì)業(yè)務(wù)邏輯層返回的結(jié)果數(shù)據(jù)進(jìn)行封裝成一個(gè) Model ，將該 Model 數(shù)據(jù)模型返回給對(duì)應(yīng)的 View 進(jìn)行

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 趙寧社;袁美娜;;企業(yè)風(fēng)險(xiǎn)管理與內(nèi)部控制評(píng)價(jià)系統(tǒng)架構(gòu)設(shè)計(jì)與實(shí)現(xiàn)[J];軟件工程師;2015年09期

2 宮志剛;李小波;;社會(huì)治安防控體系若干基本問(wèn)題研究[J];中國(guó)人民公安大學(xué)學(xué)報(bào)(社會(huì)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(guó)公共安全;2014年Z2期

4 盛萬(wàn)波;;淺談新形勢(shì)下的執(zhí)法規(guī)范化建設(shè)[J];山東警察學(xué)院學(xué)報(bào);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(lèi)方法研究[D];華東師范大學(xué);2017年

2 楊釗;面向圖像分類(lèi)和識(shí)別的視覺(jué)特征表達(dá)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(chǎng)景識(shí)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(shí)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(chē)牌自動(dòng)識(shí)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(jì)與實(shí)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(shí)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(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2017年

8 魏丹;盤(pán)錦市立體化社會(huì)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(shí)別應(yīng)用研究[D];北京工業(yè)大學(xué);2016年

10 李長(zhǎng)平;基于FastDFS架構(gòu)的小文件存儲(chǔ)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

本文編號(hào)：2831296