一、图象数据库及其在车辆管理上的应用（论文文献综述）
刘硕迪[1]（2021）在《自然场景中车辆检测与颜色识别》文中进行了进一步梳理随着交通信息量爆炸式地增长,难以仅凭人工处理方式实现对其的管理,以系统化和智能化方式对交通数据进行的操作的智能交通系统逐渐在现代交通管理中占据了重要地位。车辆作为交通中的一个重要组成成分,要完成整个系统的智能化管理,使用各种现代技术处理车辆数据是智能交通中不可或缺的一个重要环节。现阶段用于车辆检测与识别的技术中存在诸如处理计算量较大、效率较低等问题。针对上文中提到的车辆检测与识别技术中存在计算量大等问题,本文提出了以深度学习的方法对交通场景中车辆目标进行检测与颜色信息和车牌真伪识别的算法,使车辆的检测效率得到了大幅度的改进,并为后续车辆管理提供更加丰富的车辆信息。本文主要工作包括:1.基于YOLOv3神经网络模型,实现交通场景中车辆目标的检测。对于采用更深骨干网络Darknet-53,提取多尺度特征完成车辆目标检测的目标检测模型YOLOv3,通过采取适当的剪枝方式,使其能适应实际交通场景的需要,在达到车辆检测速度要求的同时,能够检测出包含足够多的,可以直接用于车辆信息识别的车辆前脸图像数据,不会产生数据浪费。通过与Faster R-CNN目标检测模型进行实验对比,证实文中所用方法可以在检测准确性和实时性上更胜一筹;2.设计一种基于深度学习的Multi Color-Net算法,实现对车身颜色的识别。针对YOLOv3网络的车辆前脸检测结果,在完成两个特征提取子网络RGB Net与HSV Net预训练的基础上,通过提取与拼接输入图像的RGB颜色特征与HSV颜色特征,利用分类子网络实现车身颜色的识别。通过在测试集上的测试结果展示,以及与Alex Net/Google Net等经典网络模型的对比实验均可以证明,文中所提出的颜色识别模型Multi Color-Net能够在维持较少计算量的前提下,以较高的识别准确率完成自然场景中车辆的车身颜色识别;3.通过两个神经网络模型实现对车辆伪车牌的识别。利用YOLOv3模型完成车辆前脸区域检测与车辆品牌的识别;利用深度学习模型Multi Color-Net完成车身颜色的识别;利用已有的车辆牌照识别模块完成车牌字符识别,最后结合车辆属性数据库中已有车辆牌照、车身颜色与车辆品牌等信息,通过多项属性信息相互验证的方式确定车牌的真伪。经验证,在复杂的实际交通情况中,可以在准确判别车牌真伪的同时,达到实时甄别车牌真伪的效果。本方案可以以端到端的方式,直接从输入图像学习特征,实现自然交通场景中车辆的检测、车身颜色识别与伪车牌的识别。其中,车辆前脸检测为车身颜色识别的前期辅助性工作,通过车辆前脸检测得到用于车身颜色识别的数据;伪车牌识别则是颜色识别工作的进一步延伸。文中在真实数据集上计算所得的实验结果表明,文中提出的方案相对于已有的检测与识别方法,能够取得较高的准确率与鲁棒性,同时保持较低的计算复杂度,满足实际需求。
田金博[2]（2021）在《多停车场信息协同管理系统设计与实现》文中研究指明随着汽车保有量的逐年增长,“车位少、停车难”这一现象愈发严峻,逐渐成为城市交通发展过程中的“梗阻”,优化空闲土地资源利用率,提升停车管理服务水平迫在眉睫。传统停车场管理系统一般是针对单个停车场的管理,对区域级多停车场的管理涉及较少。鉴于此,本文针对绕城高速桥下的多个停车场,设计并研发了一套多停车场信息协同管理系统,通过管理端、停车场端和手机端的信息协同,实现多个停车场的统一管理。本文主要研究工作如下:（1）阐述了论文研究的背景及意义,梳理了停车场管理系统的国内外发展现状及发展趋势,研究了系统开发的关键技术及相关理论。本系统采用B/S架构模式,其前端采用Vue框架,服务端采用Spring Boot框架;采用Apache Shiro框架及MD5算法确保系统管理端的信息安全;采用基于Nginx服务器的动态负载均衡算法,优化了后端服务器的资源配置。（2）设计并实现了多停车场信息协同管理系统。分析了绕城高速桥下多停车场管理系统的功能需求,梳理出管理端、停车场端及手机端的功能模块。根据系统设计目标及功能需求设计了系统的总体框架、通信方式和数据库。通过Dubbo框架的RPC远程调用技术实现停车场端与管理端的服务调用,采用Java语言编程实现了多停车场信息协同管理系统。管理端实现了停车场检测、业务管理、车辆管理、收费管理及系统管理等功能;停车场端实现了实时检测、人工收费及交易查询等功能;手机端实现了停车服务和个人中心模块功能。（3）测试了多停车场信息协同管理系统的功能及性能。采用黑盒测试与Junit单元测试方法对系统各模块的功能进行了测试;使用Apache Benchmark工具对系统管理端服务器性能进行了压力测试,结果表明,基于Nginx服务器的动态负载均衡算法优化了后端服务器的资源配置,满足服务器的高并发量和高请求量等性能需求。
边庆平[3]（2020）在《基于Web GIS的H市矿山信息管理系统设计与实现》文中研究指明随着我国对矿产资源需求量的日渐增长,如何科学、高效、智能化地管理矿产资源,成为相关政府、企业和学术界共同面临的现实难题。Web GIS作为近年来GIS的最前沿技术,能够对异构、多源、海量的空间地理数据进行采集、存储、处理、分析和可视化。因此,将Web GIS技术引入到矿山信息管理中,构建面向海量、多源、异构的矿山信息管理的信息系统,对于政府和企业提升对矿产资源的管理效率,实现对矿产资源的精准化、科学化规划与管理,具有重要意义。本文就基于Web GIS的H市矿山信息管理系统的设计与实现展开研究,深入研究了 GIS和Web GIS技术的理论与技术、矿山信息管理的关键技术,然后分别研究了基于Web GIS的H市矿山信息管理系统的总体架构设计、数据库设计和系统实现等内容。论文的研究成果包括以下几个方面:（1）开展了相关的研究现状梳理、基础理论与关键技术研究,系统地分析了 Web GIS在矿山信息管理中的应用,相应成果为设计和实现基于Web GIS的H市矿山信息管理系统奠定了基础。（2）设计了基于Web GIS的H市矿山信息管理系统的总体架构。首先进行了面向系统构建的需求分析,确立了系统的建设目标与设计原则,明确了系统的设计思路与建设流程,设计了系统的总体架构设计与功能模块。（3）设计基于Web GIS的H市矿山信息管理系统的数据库。实现了矿山数据的采集与入库、矿山数据预处理与处理等关键技术的研究,构建了矿山数据模型,设计了矿山数据库表。矿山数据的采集与入库为数据模型构建前的数据特征分析提供了基本依据,矿山数据的预处理与处理保证了矿山数据的完整性和正确性,矿山数据建模在数据层和应用层之间建立了沟通的桥梁,为矿山数据的组织、存储提供了基本的逻辑数据结构,矿山数据库表的详细设计是其中的核心内容,也是基于Web GIS的H市矿山信息管理的最终底层实现。（4）设计和实现了 H市矿山信息管理系统。基于总体架构设计和数据库设计成果,阐述了矿山信息管理系统研制的关键技术并实现了实验系统的研制。展示了实验系统研制的最终成果,包括系统的总体架构、系统功能模块设计、系统开发环境介绍、系统的具体实现以及实验系统展示等功能模块;最后对本文研制的系统在H市矿山资源管理方面的实际应用情况进行了介绍。
蒋茁[4]（2020）在《园区智能安防监控系统的若干问题的研究和实现》文中进行了进一步梳理伴随着社会经济的发展以及生活水平的不断提高,人们对于安防领域越来越重视。同时,人工智能技术与深度学习技术迅速发展,人工智能技术开始逐步应用到各种园区安防体系中,使得智能安防领域有了较大的发展。安防监控行业目前正在向现代化、数字化、智能化的方向进一步转变。建立一套现代化的安防系统,可以提高企业安防管理能力,掌握园区内行人、车辆的实时状况,保证园区安全,提高企业对突发事件的应对管理能力,有效减少企业的安全隐患,使企业资源得以充分利用。因此,对于企业园区来说,建立一套现代化的安防系统显得尤为必要。本文设计并开发了一套工业园区安防系统,可以对园区进行全天候的视频监控,并且提供视频监控,人员管理,车辆管理,越界管理等功能。其中,视频监控模块可以提供园区全天候的实时监控功能,以及特定区域的人数统计功能。人员管理模块可以对员工,访客及陌生人进行管理。车辆管理模块可以保障车辆的安全通行。越界管理模块可以在安全区域被入侵时发出警报,有效防止企业安全事件的发生。本系统中使用多种技术来实现,包括使用YOLOv3算法进行行人和车辆的检测,使用双目立体视觉技术测量车辆高度,使用人脸识别和车牌识别技术实现对行人和车辆的安全管理,同时使用红外对射监测技术实现越界报警功能。该系统将前沿深度学习技术应用在园区安防中,将极大提高园区的安防管理效率,使园区安防变得更加集成化和智能化。同时,视频智能化分析将大大减少企业的人力安防成本,有效防范园区可能出现的安全隐患,对企业的发展做出巨大贡献。本文从园区实际情况出发,对系统的背景、需求分析、系统总体架构、关键技术、系统功能和算法实现进行详细介绍。
江俊[5]（2020）在《中小幼校园袭击风险评估及防范策略》文中指出近年来,有关于中小幼校园袭击案件在各网络媒体中时有报导,袭击事件给在校学生和教职工的人身安全带来了极大的威胁,也引起了在校学生家长和社会的关注。学校相较于其他公共场所而言具有封闭、人员密度大且在校人员自我保护能力相对较弱的特点,一旦遭遇袭击会造成严重的人员伤亡。本文开展针对性的校园袭击风险评估,提出评估指标,寻找防护漏洞和薄弱环节并提出改进建议,为提高学校防范校园袭击能力提供有益参考。本文选取校园袭击案件发生最多的中小幼学校作为研究对象,通过查阅文献资料、案例分析、实地调研以及专家访谈的方式,总结现有校园袭击类型,确立了7类袭击方式,作为校园袭击防范的基准威胁。针对基准威胁分别进行了威胁分析和后果分析,确定了校园袭击的防范目标和防护目标。建立了由威胁分析、后果分析、吸引力评估、脆弱性评估和应急处置评估5部分组成的校园袭击风险评估模型。其中吸引力评估、脆弱性评估和应急处置评估分别由4、7、4个二级指标和12、26、9个三级指标组成,利用层次分析法对各指标权重赋。依据研究结果、评估模型、相关国家标准和文件提出针对性校园袭击防范策略,为学校改进防护措施提供参考。同时,为方便学校内非专业风险评估人员对学校进行日常评估和检查,本文开发中小幼校园袭击风险评估软件,简化评估过程,帮助学校安保人员及时了解学校风险情况和发现防护漏洞。最后本文将校园袭击风险评估模型在F小学予以实践,获得了F小学遭受各类袭击的风险值,并依据防护策略给出了防护优化建议。
鲜晓婷[6]（2020）在《停车场车牌识别系统设计与实现》文中研究指明自改革开放以来,随着国家经济水平的快速发展,我国居民生活水平不断提高,汽车已逐渐从奢侈品转变为日常代步工具,全国的汽车保有量在近年来已达到全球第二。由于我国城市发展的特点,城市交通对于停车场的需求越来越大,大部分城市都存在着停车难、车辆管理成本高的问题。作为公路交通系统中的重要成员,停车场发展速度远远赶不上汽车的发展速度,无法满足人们对日常停车的需求。在此背景下,传统的采用IC/ID取卡票进行停车场管理的弊端逐渐凸显。采用车牌识别技术,既可以减少停车场的管理成本,又改善了传统方式管理的停车场中,用户进出停车场耗时、耗力的不良体验。因此,在停车场中采用车牌识别技术具有较大的研究价值和市场空间。本文对车牌识别中的图像预处理、车牌定位、车牌字符分割、车牌字符识别等相关算法进行了分析与仿真实验。在车牌定位部分,首先对基于Sobel边缘检测的车牌定位方法以及基于颜色定位的车牌定位方法分别进行了仿真实验,最终采用通过Sobel边缘检测进行粗定位,在经过颜色判定进行二次定位的车牌定位方法。在车牌字符分割部分,采用水平投影分析去除车牌水平边框,再通过垂直投影分析结合车牌字符编码先验知识在垂直方向对车牌进行单字符分割。在车牌字符识别部分,分别对基于SVM和基于ResNet18的识别方法进行了分析与对比。在样本量较低的情况下,传统的SVM分类识别方法识别准确率更高。最终采用SVM分类识别方法分别对汉字、英文字母和数字构建基于HOG特征的SVM分类器,完成车牌字符的识别。综合考虑系统的功能需求、性能需求以及处理器的成本、功耗、运算能力,本文在基于ARM-Linux操作系统的树莓派4B上完成了车牌识别系统的设计与实现。根据系统运行中涉及的各项数据需求,进行了逻辑分析并在mysql数据库中完成了数据表的具体实现。根据停车场车牌识别系统的功能与性能需求,对停车场车牌识别软件进行了模块分解,并对各子模块分别进行了设计与实现。最后,对整个车牌识别系统进行了调试,并在小区停车场中进行了模拟运行。最后,对移植后的运行效果进行了实际测试,在小区停车场中随机选取车辆进行车牌识别,识别成功率达到95.45%,识别时间保持在100ms以内,能够有效满足车牌识别系统的性能要求。
王荣耀[7]（2020）在《基于卷积神经网络的车辆检测及识别技术研究》文中研究说明目前我国车辆年销量和保有量己经跃居世界首位,机动车辆的迅速增长,给人们生活带来诸多便利的同时,也对我国的交通、能源以及生态环境等都形成了巨大的挑战,城市交通超负荷运转,交通压力逐步增大,使得涉车刑事案件频发,给公共安全带来了新的挑战,为保证公共安全,针对车辆的视频监控数量激增。然而,目前视频监控中的车辆一般需要人工判别,耗时较长且效率不高,仅仅依靠道路交通管理办法和人力来解决问题远远满足不了需求。针对上述问题,本文提出了一种基于改进Mask R-CNN的车型识别方法。以BIT-Vehicle数据集、Cars数据集以及Comp Cars数据集中的部分数据为基础进行扩充并建立自己的数据集。首先,将预处理后的图片输入到一个预训练好的神经网络中获得对应的特征映射（feature map）,对该特征映射中的每一点设定对应的感兴趣区域（Region of Interest,ROI）以获得多个候选特征区域;随后将这些候选的特征区域送入区域建议网络（Region Proposal Network,RPN）与深度残差网络（Res Net）进行二值分类和BB（Bounding-Box）回归,过滤掉部分候选特征区域,对剩下的特征区域进行ROIAIign操作;最后,对这些特征区域进行分类、BB回归和mask生成,在每一个特征区域里进行全卷积神经网络（fully convolutional networks,FCN）操作并输出。为进一步对车辆的具体型号进行识别,本文提出了一种融合改进YOLOv3与优化Mask RCNN算法的多特征车型识别方法。建立了包括车标、车灯、进气栅和整车轮廓的车辆局部特征数据集,对YOLOv3的网络结构进行简化;同时改进了其检测框生成过程与非极大值抑制（Non-Maximum Suppression,NMS）中重叠框置信度的调整规则,用于车辆粗定位;然后将定位后生成的车辆检测框输出到进一步优化RPN结构后的Mask R-CNN算法中进行局部特征识别,取得了较好的识别效果。最后本文建立了基于分布式服务器的车型识别系统,主要包括数据库模块、文件模块、特征提取比对模块、消息队列模块、WEB模块及车辆检测模块。将提出的算法植入系统内并进行测试,验证了本文提出两种方法的应用价值。本文基于卷积神经网络建立了不同的车辆识别模型,各模型均具有很好的鲁棒性、泛化能力及应用价值,在违章稽查、肇事逃逸追捕、嫌疑车辆分布式监控及自动收费等提高交通管理方面都具有非常重要的现实意义和广阔的应用前景。
贾博韬[8]（2019）在《基于WebGIS的车联网安全监控系统研究与实现》文中研究说明车联网作为城市信息化建设的重要环节,在物联网管理方面是比较粗放的,因此向精准化方向进行发展是一个必然的趋势。本文提出将物联网、大数据、Web GIS技术引入到车联网安全管理中来,对基于大数据与空间地理信息技术的车辆管理系统进行研究,提出了一套为之可行,行之有效的管理方案,并实现了高效稳定的车辆信息精准化管理系统。全文主要分为以下几个部分,具体内容如下:1、在收集车辆用户基本信息的基础上,根据用户基本要求和采集车辆数据,确立功能需求,归纳完善数据库建立。2、在监控车辆实时位置信息的基本需求之上进行技术选型,其中包括数据的存储技术选型,数据流处理技术选型,以及空间位置的计算框架选型。3、在前两项工作的基础上,设计开发基于Web Socket与Spring MVC开源体系的车辆监控功能,实现车辆数据实时推送,实时显示的B/S系统。4、基于Post GIS开源地理信息系统框架,通过对空间数据库空间几何关系计算功能的应用结合测绘局提供的电子地图以及用户自定义地理数据,实现车辆地理信息解析;通过车载终端上传的经纬度计算车辆区间速度,并在关键路段进行车辆超速报警;根据用户自定义地理数据,实现特定区域进出报警;结合空间数据库以及迪杰斯特拉算法实现路径规划最优解。5、完成上述功能开发后对程序进行不间断模拟压力测试,在经过15天模拟6万辆车同时在线的情况下,系统保持正常运行。测试结果满足性能需求。最后对程序进行分布式部署。经过上述的研究可得出以下结论:一、在车辆信息管理系统中引入了物联网以及Web GIS技术,车辆信息管理方式变得更加便捷、实时、精确、高效;二、在具体的设计实践中车联网信息精细化管理系统具有很强的可行性和科学性,并为车辆运营企业相关监管部门提供了数据分析,为行车安全或运营成本控制起到积极作用与支撑;三、本系统充分实践了“智慧城市”这一概念,对我国交通运输的进一步发展起到了积极的作用。
许旭萍[9]（2016）在《基于多物性传感器信息的车辆管理系统设计与实现》文中认为随着经济的迅猛发展、物流需求的高速攀升、人们活动地域的扩展,不论是货运还是载人车辆,都已达相当高的拥有总量。在一些货物集散的特定区域,不仅要对车辆的牌照进行登记并作停留时间的记录,还要对车辆装载的物品进行分类登记与认定,以便据此指定行驶道路、限制驻车场所等。目前,对车载物品的认定,只是根据车主申报、管理人员大致观看完成。还缺乏采用探测装置验证的手段,影响有效管理的实施。因此,提出构建基于多物性传感器信息的车辆管理系统。以综合采用不同物性的传感器,通过多种信息的融合与互校,给出对车载物品认定的客观佐证,提高认定的可靠性。本文首先根据典型的车载物品管理场所的情况,对管理系统地功能性需求做了分析,明确了系统硬件与软件集成的主要框架。同时,对系统的非功能性需求,也做了必要的分析。为解决对名目繁多物品实现判别的困难,将各种可能的车载物品,归纳为散粒性堆积物品、散粒性成包物品、分体状成箱物品、软塑性成包物品、自体结构型物品、活性动物类物品、专用整车装物品等,从便采用不同传感器的组合,实现有效的探测。从车载物品检验的需求出发,重点选择了图像形态、聚弹特性、冲击衰减、电磁感应、超声回波、红外辐射等传感器。在介绍所选探测传感器工作原理的同时,对不同传感器的适应特点做了分析,明确用于何类物品探测更为有效等。据此,针对不同种类物品探测的特点,分别给出了所适应传感器的组合。为实现系统所需要的效能,对多物性传感器信息的预处理,多物性传感器信息的融合,探测传感器与人员专检的互补等,分别给出了研究结论。在此基础上,根据试用场所的情况,给出了车辆管理系统的整体构建,软件功能模块的规划与实现等。所构建的管理系统,可在车载物品认定的基础上,给出行驶道路的的提示、驻车区域的指定等;在车辆驶出管控区时,进行信息核实、收费计算等。同时,还设有查询服务、系统维护、应用扩展等功能。经初步实验,所完成的研究内容,对提高车载物品的认定可靠性,具有良好的效果。
孙玲[10]（2015）在《基于位置服务的车辆管理平台的研究与应用》文中研究指明随着现代城市化进程的发展和电力电网范围的扩大,供电公司各种车辆越来越多,由于车辆由司机直接掌握和控制,缺乏有效的监管措施,车辆一但派出就无法及时掌握车辆的行驶动态,为车辆的全面管理带来不便;车辆的安全防范工作比较薄弱,车辆运行造成的责任事故,给单位和个人带来巨大的财产和生命损失。同时公司车辆管理制度大多体现在纸面上,实际贯彻实施比较困难,并且没有有效的监管措施;外办事情不算多,但车辆显得不够用;车辆维修费、燃油费高;车辆调度不及时,造成车辆的有效使用率较低。为此论文针对上述问题,开展了基于位置服务的车辆管理平台的研究与应用。本文结合河北省电力公司车辆管理的现状,以国网石家庄供电公司为试点,充分利用北斗/全球定位系统（GPS）定位导航技术、位置服务（LBS）技术、GPRS/SMS无线通信技术、计算机网络技术、移动互联网技术等多种先进信息技术,开发建设基于位置服务的车辆管理平台。重点对基于位置服务的车辆管理平台的建设进行了研究,主要工作包括针对电力企业车辆管理工作的现状进行了充分的实地考察和调研,并整理形成用户需求说明书,通过全面的软件设计理论知识对其进行了详细的设计,形成了系统功能设计及数据库设计,并最终实现了基于位置服务的车辆管理平台。通过该系统的研究与应用,加强现场实时监控,提高车辆的管理水平,降低企业运营成本、保障安全,有效的提高了河北省电力公司的车辆管理水平,为供电企业信息化建设做出有益的探索和尝试。系统自2014年正式运行以来,运行稳定,得到了广大用户的一致好评。
二、图象数据库及其在车辆管理上的应用（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、图象数据库及其在车辆管理上的应用（论文提纲范文）
（1）自然场景中车辆检测与颜色识别（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 现有车辆识别工作 |
| 1.3 智能交通系统的其他相关工作 |
| 1.4 课题主要研究内容 |
| 1.5 论文结构安排 |
| 1.6 本章小结 |
| 第2章 自然交通场景中目标检测与识别 |
| 2.1 自然交通场景分析 |
| 2.2 研究目标 |
| 2.3 车辆检测技术的国内外研究现状 |
| 2.4 车辆识别技术的国内外研究现状 |
| 2.5 伪车牌识别技术的国内外研究现状 |
| 2.6 本章小结 |
| 第3章 基于YOLOv3 的车辆前脸检测 |
| 3.1 自然交通场景中的车辆前脸检测 |
| 3.2 车辆前脸检测 |
| 3.3 YOLOv3 模型简介 |
| 3.4 常用评价指标 |
| 3.5 实验结果及分析 |
| 3.5.1 数据准备 |
| 3.5.2 网络训练 |
| 3.5.3 实验结果与分析 |
| 3.6 本章小结 |
| 第4章 基于深度神经网络的车辆颜色识别 |
| 4.1 颜色识别技术概述 |
| 4.2 颜色识别算法相关研究 |
| 4.3 基于MultiColor-Net网络的车辆颜色识别 |
| 4.3.1 总体框架 |
| 4.3.2 输入数据预处理 |
| 4.3.3 色彩模型分析 |
| 4.3.4 模型预训练 |
| 4.3.5 基于多色彩特征融合的深度神经网络模型 |
| 4.4 实验过程、结果与分析 |
| 4.4.1 数据准备 |
| 4.4.2 预训练结果与分析 |
| 4.4.3 实验结果与分析 |
| 4.4.4 框架对比分析 |
| 4.4.5 误判的情况与分析 |
| 4.5 本章小结 |
| 第5章 自然交通场景中的伪车牌识别 |
| 5.1 伪车牌识别背景概述 |
| 5.2 伪车牌识别总体结构 |
| 5.3 实验结果与分析 |
| 5.3.1 数据准备 |
| 5.3.2 网络模型 |
| 5.3.3 实验过程、结果与分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 主要研究成果 |
| 6.2 后续工作展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（2）多停车场信息协同管理系统设计与实现（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 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.2.3 发展趋势 |
| 1.3 课题来源 |
| 1.4 研究内容及章节安排 |
| 1.5 本章小结 |
| 第二章 停车场管理系统开发技术与理论基础 |
| 2.1 B/S架构 |
| 2.2 Web前端相关技术 |
| 2.2.1 HTML5 |
| 2.2.2 CSS |
| 2.2.3 Java Script |
| 2.2.4 Vue框架 |
| 2.3 服务端相关技术 |
| 2.3.1 Spring Boot框架 |
| 2.3.2 Apache Shiro安全框架与MD5 算法 |
| 2.3.3 基于Dubbo框架的RPC远程调用技术 |
| 2.4 基于Nginx服务器的动态负载均衡算法研究 |
| 2.5 数据库相关技术 |
| 2.5.1 My SQL关系型数据库 |
| 2.5.2 Redis数据缓存 |
| 2.6 本章小结 |
| 第三章 多停车场信息协同管理系统需求分析 |
| 3.1 系统总体功能描述 |
| 3.1.1 管理端总体功能描述 |
| 3.1.2 停车场端总体功能描述 |
| 3.1.3 手机端总体功能描述 |
| 3.2 系统用户分析 |
| 3.3 管理端各模块功能分析 |
| 3.3.1 停车场监测模块功能分析 |
| 3.3.2 业务管理模块功能分析 |
| 3.3.3 车辆管理模块功能分析 |
| 3.3.4 收费管理模块功能分析 |
| 3.3.5 系统管理模块功能分析 |
| 3.4 停车场端各模块功能分析 |
| 3.4.1 人工收费模块功能分析 |
| 3.4.2 实时监测模块功能分析 |
| 3.5 手机端各模块功能分析 |
| 3.5.1 停车缴费模块功能分析 |
| 3.5.2 停车包月模块功能分析 |
| 3.5.3 个人中心模块功能分析 |
| 3.6 本章小结 |
| 第四章 多停车场信息协同管理系统设计 |
| 4.1 系统设计目标 |
| 4.2 系统框架设计 |
| 4.2.1 系统的总体功能框架 |
| 4.2.2 软件架构设计 |
| 4.2.3 系统的物理架构 |
| 4.3 系统通信设计 |
| 4.3.1 客户端与硬件设备通信设计 |
| 4.3.2 客户端与服务器通信方式设计 |
| 4.4 系统数据库设计 |
| 4.4.1 Hibernate框架封装JDBC底层逻辑 |
| 4.4.2 数据库结构设计 |
| 4.5 本章小结 |
| 第五章 多停车场信息协同管理系统实现 |
| 5.1 系统运行环境 |
| 5.2 管理端核心功能实现 |
| 5.2.1 登录服务实现 |
| 5.2.2 停车场监测模块功能实现 |
| 5.2.3 业务管理模块功能实现 |
| 5.2.4 车辆管理模块功能实现 |
| 5.2.5 收费管理模块功能实现 |
| 5.2.6 系统管理模块功能实现 |
| 5.3 停车场端核心功能实现 |
| 5.3.1 实时监测模块功能实现 |
| 5.3.2 人工收费模块功能实现 |
| 5.3.3 交易查询模块功能实现 |
| 5.4 手机端核心功能实现 |
| 5.4.1 停车服务模块功能实现 |
| 5.4.2 个人中心模块功能实现 |
| 5.5 本章小结 |
| 第六章 多停车场信息协同管理系统测试与分析 |
| 6.1 系统测试原则 |
| 6.2 系统功能测试 |
| 6.2.1 管理端模块功能测试 |
| 6.2.2 停车场端模块功能测试 |
| 6.2.3 手机端模块功能测试 |
| 6.3 系统性能测试 |
| 6.4 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（3）基于Web GIS的H市矿山信息管理系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 国内外研究现状 |
| 1.4 研究内容与方法 |
| 1.5 技术路线 |
| 2 基础理论与关键技术 |
| 2.1 Web GIS的基础理论 |
| 2.2 办公自动化系统技术 |
| 2.3 矿山信息管理技术标准体系 |
| 2.4 Web GIS在矿山信息管理中的应用 |
| 3 系统总体架构设计 |
| 3.1 系统需求分析 |
| 3.2 系统的建设目标与设计原则 |
| 3.3 系统的设计思路与建设流程 |
| 3.4 系统的总体架构设计 |
| 3.5 系统的功能设计 |
| 3.6 本章小结 |
| 4 系统数据库设计 |
| 4.1 矿山数据采集与入库 |
| 4.2 矿山数据预处理与处理 |
| 4.3 矿山数据模型的构建 |
| 4.4 矿山数据库表设计 |
| 4.5 本章小结 |
| 5 基于Web GIS的H市矿山信息管理系统实现 |
| 5.1 系统的功能架构 |
| 5.2 系统开发环境 |
| 5.3 系统实现 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（4）园区智能安防监控系统的若干问题的研究和实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 项目背景 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作 |
| 1.4 论文的组织结构 |
| 第2章 系统需求分析 |
| 2.1 系统目标与主要任务 |
| 2.2 功能需求 |
| 2.3 系统软硬件需求 |
| 2.3.1 硬件需求 |
| 2.3.2 软件需求 |
| 2.4 非功能需求 |
| 第3章 系统概要设计 |
| 3.1 系统总体结构 |
| 3.2 系统功能架构 |
| 3.3 系统存储结构 |
| 3.4 系统网络架构 |
| 第4章 系统详细设计 |
| 4.1 视频监控模块 |
| 4.1.1 模块结构设计 |
| 4.1.2 具体流程设计 |
| 4.1.3 模块核心技术 |
| 4.2 人员管理模块 |
| 4.2.1 模块结构设计 |
| 4.2.2 具体流程设计 |
| 4.2.3 模块核心技术 |
| 4.3 车辆管理模块 |
| 4.3.1 模块结构设计 |
| 4.3.2 具体流程设计 |
| 4.3.3 模块核心技术 |
| 4.4 越界管理模块 |
| 4.4.1 模块结构设计 |
| 4.4.2 具体流程设计 |
| 4.4.3 模块核心技术 |
| 4.5 数据库设计 |
| 4.5.1 E-R图设计 |
| 4.5.2 基本信息类型 |
| 4.5.3 事件类型 |
| 第5章 系统实现及测试 |
| 5.1 视频监控模块 |
| 5.1.1 数据收集 |
| 5.1.2 数据标注 |
| 5.1.3 数据增强 |
| 5.1.4 POLO模型训练 |
| 5.1.5 Mask R-CNN模型训练 |
| 5.1.6 实验结果分析 |
| 5.2 车辆管理模块 |
| 5.2.1 车牌识别 |
| 5.2.2 双目测高 |
| 5.3 人员管理模块 |
| 5.3.1 人脸检测 |
| 5.3.2 人脸验证 |
| 5.4 越界管理模块 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 学位论文评阅及答辩情况表 |
（5）中小幼校园袭击风险评估及防范策略（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 选题背景与意义 |
| 1.2 研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文研究内容与结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构安排 |
| 2 校园安全现状及相关理论 |
| 2.1 校园安全现状 |
| 2.1.1 校园袭击案例分析 |
| 2.1.2 校园安全管理文件 |
| 2.2 安全防范理论 |
| 2.2.1 防护目标 |
| 2.2.2 防范目标 |
| 2.2.3 监控目标 |
| 2.2.4 防护时空 |
| 2.2.5 基本要素 |
| 2.2.6 防护原则 |
| 2.3 风险评估理论 |
| 2.3.1 风险的基本概念 |
| 2.3.2 风险评估的流程 |
| 2.4 本章小结 |
| 3 校园袭击风险评估模型与评估软件 |
| 3.1 校园袭击风险评估模型 |
| 3.1.1 校园袭击评估指标构建 |
| 3.1.2 校园袭击可能性评估 |
| 3.1.3 校园袭击后果评估 |
| 3.2 校园袭击风险评估软件 |
| 3.2.1 软件搭建原理 |
| 3.2.2 软件搭建框架 |
| 3.3 本章小结 |
| 4 校园袭击防范策略 |
| 4.1 相关法律、法规、文件 |
| 4.2 校园安全防范策略 |
| 4.2.1 护学岗建设 |
| 4.2.2 人员管控 |
| 4.2.3 车辆管理 |
| 4.2.4 实体建设与布局 |
| 4.2.5 食品安全与保护 |
| 4.2.6 消防建设 |
| 4.2.7 校园周边环境 |
| 4.3 应急处置防护策略 |
| 4.3.1 应急预案 |
| 4.3.2 应急保障 |
| 4.3.3 教育演练 |
| 4.3.4 外部救援 |
| 4.4 各类校园袭击防范策略 |
| 4.5 本章小结 |
| 5 F小学校园袭击风险评估及防护建议 |
| 5.1 F小学实地调研概况 |
| 5.1.1 校园总体情况概括 |
| 5.1.2 校园周界及附近情况介绍 |
| 5.1.3 校园布局与建筑 |
| 5.1.4 校园安全管理 |
| 5.2 F小学校园袭击风险评估 |
| 5.2.1 吸引力评估 |
| 5.2.2 脆弱性评估 |
| 5.2.3 应急处置评估 |
| 5.2.4 风险评估 |
| 5.3 评估软件验证F小学评估过程 |
| 5.3.1 输入风险评估模型 |
| 5.3.2 评估模型固化 |
| 5.3.3 风险评估 |
| 5.4 F小学防护优化策略 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 A |
| 附录 B |
| 附录 C |
| 附录 D |
| 附录 E |
| 附录 F |
| 在学研究成果 |
| 致谢 |
（6）停车场车牌识别系统设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.3 车牌识别基本流程与相关技术现状 |
| 1.4 本文的主要内容和结构安排 |
| 第二章 系统需求分析与开发环境搭建 |
| 2.1 系统概述 |
| 2.2 系统需求分析 |
| 2.2.1 功能需求 |
| 2.2.2 性能需求 |
| 2.3 硬件环境搭建 |
| 2.3.1 常用硬件平台对比 |
| 2.3.2 RaspBerry Pi4B简介 |
| 2.3.3 图像采集设备 |
| 2.3.4 GPIO接口 |
| 2.4 软件开发环境搭建 |
| 2.4.1 opencv配置 |
| 2.4.2 创建数据库 |
| 2.5 本章小结 |
| 第三章 车牌识别算法研究 |
| 3.1 车牌特征分析 |
| 3.2 图像预处理 |
| 3.2.1 图像灰度化 |
| 3.2.2 灰度拉伸 |
| 3.2.3 图像滤波降噪 |
| 3.3 车牌定位 |
| 3.3.1 基于边缘检测的车牌定位 |
| 3.3.2 基于颜色分割的车牌定位 |
| 3.3.3 边缘检测与颜色定位相结合的车牌定位方法 |
| 3.4 车牌字符分割 |
| 3.5 车牌字符识别 |
| 3.5.1 典型的字符和数字识别方法 |
| 3.5.2 基于深度学习的字符和数字识别方法 |
| 3.6 车牌识别算法测试 |
| 3.7 本章小结 |
| 第四章 软件设计与实现 |
| 4.1 软件结构 |
| 4.2 主程序 |
| 4.3 GPIO模块 |
| 4.3.1 GPIO信号接收模块 |
| 4.3.2 GPIO信号输出模块 |
| 4.4 车辆拍摄模块 |
| 4.5 车牌识别算法模块 |
| 4.5.1 图像预处理模块 |
| 4.5.2 车牌定位模块 |
| 4.5.3 车牌字符分割模块 |
| 4.5.4 车牌字符识别模块 |
| 4.6 数据库接口模块 |
| 4.6.1 车辆信息录入模块 |
| 4.6.2 车辆信息查询模块 |
| 4.6.3 进出记录录入模块 |
| 4.6.4 进出记录查询模块 |
| 4.7 费用计算模块 |
| 4.8 网络通信模块 |
| 4.8.1 TCP数据监听模块 |
| 4.8.2 TCP数据发送模块 |
| 4.9 本章小结 |
| 第五章 系统调试与运行 |
| 5.1 调试环境 |
| 5.2 配置开机自动运行 |
| 5.3 运行效果 |
| 5.4 运行测试 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）基于卷积神经网络的车辆检测及识别技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外发展概述及研究现状 |
| 1.2.1 车辆检测技术研究现状 |
| 1.2.2 车型识别技术研究现状 |
| 1.3 本文的主要研究内容 |
| 第二章 相关理论及研究方法 |
| 2.1 神经网络基本理论 |
| 2.1.1 人工神经网络 |
| 2.1.1.1 感知器 |
| 2.1.1.2 多层人工神经网络 |
| 2.1.2 卷积神经网络 |
| 2.1.2.1 卷积层 |
| 2.1.2.2 激活函数 |
| 2.1.2.3 池化层 |
| 2.1.2.4 全连接层 |
| 2.2 R-CNN |
| 2.2.1 候选区域生成 |
| 2.2.2 边框回归 |
| 2.2.3 特征提取 |
| 2.3 Faster R-CNN |
| 2.3.1 区域生成网络 |
| 2.3.2 ROI Pooling |
| 2.3.3 输出层 |
| 2.4 本章小结 |
| 第三章 基于改进Mask R-CNN的车辆大类识别研究 |
| 3.1 改进的Mask R-CNN算法设计 |
| 3.1.1 特征金字塔网络与深度残差网络 |
| 3.1.2 区域生成网络 |
| 3.1.3 ROI Align |
| 3.2 数据集建立 |
| 3.2.1 BIT-Vehicle数据集 |
| 3.2.2 Cars数据集 |
| 3.2.3 Comp Cars数据集 |
| 3.2.4 数据集扩充 |
| 3.3 实验及结果分析 |
| 3.3.1 网络参数及评价指标 |
| 3.3.2 实验结果分析 |
| 3.3.3 与其他方法对比实验 |
| 3.4 本章小结 |
| 第四章 基于改进YOLOv3 与优化Mask R-CNN融合的精细车辆识别研究 |
| 4.1 基于改进YOLOv3 的车辆粗定位方法 |
| 4.1.1 改进YOLOv3 网络设计 |
| 4.1.2 检测框生成 |
| 4.1.3 改进NMS |
| 4.1.4 检测结果分析 |
| 4.2 基于改进Mask R-CNN的精细车型识别方法 |
| 4.2.1 基于分布式系统的精细车型分类方法 |
| 4.2.2 精细车型识别算法优化 |
| 4.2.3 数据集建立 |
| 4.2.4 识别结果分析 |
| 4.3 车型识别系统设计及验证 |
| 4.3.1 总体架构 |
| 4.3.2 系统功能模块划分 |
| 4.3.2.1 服务端总控模块 |
| 4.3.2.2 视频流接入模块 |
| 4.3.2.3 车辆检测模块 |
| 4.3.2.4 特征提取及分类模块 |
| 4.3.3 系统实验结果分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（8）基于WebGIS的车联网安全监控系统研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文章节安排 |
| 第二章 系统安全功能需求分析 |
| 2.1 总体需求 |
| 2.2 安全监控需求 |
| 2.2.1 分段限速 |
| 2.2.2 电子围栏 |
| 2.3 车联网系统性能需求 |
| 2.3.1 车联网系统数据存储需求 |
| 2.3.2 系统并发性能需求 |
| 2.4 本章小结 |
| 第三章 车联网系统设计 |
| 3.1 车联网系统框架设计 |
| 3.2 硬件架构设计 |
| 3.3 软件结构设计 |
| 3.3.1 车联网BS业务管理框架 |
| 3.3.2 WebGIS软件框架 |
| 3.3.3 实时数据流软件框架 |
| 3.4 数据库选型与设计 |
| 3.4.1 关系数据库选型 |
| 3.4.2 车联网关系数据库设计 |
| 3.4.3 空间数据选型 |
| 3.4.4 空间数据库设计 |
| 3.4.5 冗余数据存储选型 |
| 3.4.6 轨迹冗余数据设计 |
| 3.4.7 内存数据库选型与设计 |
| 第四章 运营车辆的逆地址解析与路径优化 |
| 4.1 逆地址解析 |
| 4.1.1 网格解析法 |
| 4.1.2 空间数据库计算法 |
| 4.1.3 性能测试 |
| 4.2 路径规划 |
| 4.2.1 Dijkstra算法原理 |
| 4.2.2 路径规划具体实现 |
| 4.2.3 性能测试与优化 |
| 4.3 本章小结 |
| 第五章 车联网安全监控功能实现 |
| 5.1 分段限速 |
| 5.1.1 路网数据拓扑处理 |
| 5.1.2 路网限速数据获取 |
| 5.1.3 验证分段限速超速 |
| 5.1.4 Java实现 |
| 5.2 电子围栏 |
| 5.2.1 车载终端电子围栏 |
| 5.2.2 GIS平台电子围栏 |
| 5.2.3 射线法判定点在面内的算法实现 |
| 5.3 疲劳驾驶 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 本课题的创新 |
| 6.3 论文研究展望 |
| 攻读硕士期间已发表的论文 |
| 参考文献 |
| 致谢 |
（9）基于多物性传感器信息的车辆管理系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 研究目标与内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 研究开发的意义 |
| 1.5 论文的组织结构 |
| 第二章 相关技术介绍 |
| 2.1 多物性传感器信息融合 |
| 2.1.1 单一传感器系统 |
| 2.1.2 多物性传感器系统 |
| 2.1.3 多物性传感器信息融合系统 |
| 2.1.4 多物性传感器信息融合系统体系架构 |
| 2.2 MODBUS协议及编程 |
| 2.2.1 Modbus协议简介 |
| 2.2.1.1 标准网域转输 |
| 2.2.1.2 非标网域转输 |
| 2.2.1.3 呼叫与反馈 |
| 2.2.2 Modbus模式 |
| 2.2.2.1 ASCII模式 |
| 2.2.2.2 RTU模式 |
| 2.2.3 Modbus消息帧 |
| 2.2.3.1 ASCII帧 |
| 2.2.3.2 RTU帧 |
| 2.2.3.3 地址域 |
| 2.2.3.4 功能域 |
| 2.2.3.5 数据域 |
| 2.2.3.6 校验域 |
| 2.3 MVC++ 可视化编程软件 |
| 2.3.1 Developer Studio |
| 2.3.2 MFC |
| 2.3.3 Platform SDK |
| 2.4 本章小结 |
| 第三章 系统需求分析 |
| 3.1 系统运用场所概况 |
| 3.1.1 车辆管理系统运用场所的平面布置 |
| 3.1.2 车辆管理系统运用场所的道路编号 |
| 3.2 车载物品的分类 |
| 3.3 现场管理的总体需求 |
| 3.4 系统用例分析 |
| 3.4.1 检入人员用例分析 |
| 3.4.2 检出人员用例分析 |
| 3.4.3 系统管理员用例分析 |
| 3.5 车辆管理系统硬件构建需求 |
| 3.6 系统的非功能需求 |
| 3.7 本章小结 |
| 第四章 系统的设计 |
| 4.1 适合车载物品探测的传感器选择 |
| 4.2 各种传感器的不同表征参数 |
| 4.3 多物性传感器信息融合方式设计 |
| 4.3.1 散粒性堆积物品的信息融合 |
| 4.3.2 散粒性成包物品的信息融合 |
| 4.3.3 分体状成箱物品的信息融合 |
| 4.3.4 软塑性成包物品的信息融合 |
| 4.3.5 自体结构型物品的信息融合 |
| 4.3.6 活性动物类物品的信息融合 |
| 4.3.7 专用整车装物品的信息融合 |
| 4.4 系统软件的整体设计 |
| 4.4.1 相关的硬件配置 |
| 4.4.2 相关的软件规划 |
| 4.5 系统数据库设计 |
| 4.5.1 数据字典 |
| 4.5.2 系统E-R图 |
| 4.5.3 数据库表 |
| 4.6 主要模块的功能设计 |
| 4.6.1 车辆检入模块的设计 |
| 4.6.2 车辆及所载物品的记录格式 |
| 4.6.3 正常检入操作过程的设计 |
| 4.6.4 特殊检入操作过程的设计 |
| 4.6.5 特殊检入操作过程的设计 |
| 4.6.6 车辆检出模块的设计 |
| 4.6.7 查询服务模块的设计 |
| 4.6.8 功能扩展模块的设计 |
| 4.6.9 系统维护模块的设计 |
| 4.7 本章小结 |
| 第五章 系统的实现 |
| 5.1 探测传感器信息采集的实现 |
| 5.1.1 图像特征信息采集模块的实现 |
| 5.1.2 聚弹特性信息采集模块的实现 |
| 5.1.3 冲击衰减信息采集模块的实现 |
| 5.1.4 电磁感应信息采集模块的实现 |
| 5.1.5 超声回波信息采集模块的实现 |
| 5.1.6 红外辐射信息采集模块的实现 |
| 5.2 探测传感器信息融合的实现 |
| 5.3 系统软件的总体实现 |
| 5.3.1 车辆记录数据结构的实现 |
| 5.3.2 系统软件整体流程实现 |
| 5.3.3 系统软件整体界面实现 |
| 5.3.4 系统软件整体程序实现 |
| 5.4 车辆检入模块的实现 |
| 5.4.1 车辆检入模块的流程实现 |
| 5.4.2 车辆检入模块的界面实现 |
| 5.4.3 车辆检入模块的程序实现 |
| 5.5 车辆检出模块的实现 |
| 5.5.1 车辆检出模块的流程实现 |
| 5.5.2 车辆检出模块的界面实现 |
| 5.6 其它功能模块的实现 |
| 5.6.1 查询服务模块的实现 |
| 5.6.2 功能扩展模块的实现 |
| 5.6.3 系统维护模块的实现 |
| 5.7 本章小结 |
| 第六章 系统测试 |
| 6.1 系统整体运行测试 |
| 6.2 车辆检入功能运行测试 |
| 6.3 车辆检出功能运行测试 |
| 6.4 其它功能运行测试 |
| 6.5 用户试用评价 |
| 第七章 总结与展望 |
| 致谢 |
| 参考文献 |
（10）基于位置服务的车辆管理平台的研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要工作及结构安排 |
| 第2章 系统需求分析 |
| 2.1 项目需求综述 |
| 2.2 系统非功能需求 |
| 2.3 系统功能需求 |
| 2.4 系统角色需求 |
| 2.5 本章小结 |
| 第3章 系统详细设计 |
| 3.1 系统总体设计原则 |
| 3.1.1 易用性原则 |
| 3.1.2 一体化原则 |
| 3.1.3 先进性原则 |
| 3.1.4 可扩充性原则 |
| 3.1.5 可靠性原则 |
| 3.1.6 安全性原则 |
| 3.1.7 易维护性原则 |
| 3.2 系统总体设计 |
| 3.3 关键技术 |
| 3.3.1 位置服务（LBS） |
| 3.3.2 Flex技术 |
| 3.3.3 GIS地理信息技术 |
| 3.3.4 面向服务体系架构（SOA） |
| 3.3.5 工作流技术 |
| 3.3.6 安全技术 |
| 3.4 系统架构设计 |
| 3.4.1 系统体系架构 |
| 3.4.2 系统网络拓扑结构 |
| 3.5 系统功能设计 |
| 3.5.1 PC客户端模式系统功能设计 |
| 3.5.2 移动终端模式系统功能设计 |
| 3.6 系统数据库设计 |
| 3.6.1 数据库的设计原则 |
| 3.6.2 数据库概述 |
| 3.6.3 数据字典 |
| 3.7 系统安全设计 |
| 3.7.1 安全保障设计 |
| 3.7.2 安全措施设计 |
| 3.8 系统运行环境 |
| 3.9 本章小结 |
| 第4章 系统实现与应用 |
| 4.1 档案信息管理 |
| 4.1.1 车辆档案管理 |
| 4.1.2 驾驶员档案信息管理 |
| 4.2 车辆智能监控 |
| 4.2.1 车辆实时监控 |
| 4.2.2 车辆历史轨迹查询 |
| 4.2.3 车辆报警信息查询 |
| 4.2.4 车辆调度管理 |
| 4.3 车辆运维管理 |
| 4.3.1 GPS设备信息管理 |
| 4.3.2 车辆维修管理 |
| 4.4 车辆经济管理 |
| 4.4.1 车辆油卡管理 |
| 4.4.2 车辆保险管理 |
| 4.4.3 道桥费用管理 |
| 4.5 智能统计分析 |
| 4.5.1 车辆行驶里程分析 |
| 4.5.2 车辆油料统计分析模块 |
| 4.5.3 各项费用完成情况统计 |
| 4.6 移动终端模式系统实现 |
| 4.6.1 车辆实时监控 |
| 4.6.2 历史轨迹查询 |
| 4.7 本章小结 |
| 第5章 系统集成 |
| 5.1 与企业资源管理ERP系统集成 |
| 5.2 与短信平台集成 |
| 5.3 与企业门户集成 |
| 5.4 与网络答题系统集成 |
| 5.5 与目录系统集成 |
| 5.6 与省公司气象预报系统集成 |
| 5.7 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 作者简介 |
四、图象数据库及其在车辆管理上的应用（论文参考文献）
- [1]自然场景中车辆检测与颜色识别[D]. 刘硕迪. 四川大学, 2021(02)
- [2]多停车场信息协同管理系统设计与实现[D]. 田金博. 长安大学, 2021
- [3]基于Web GIS的H市矿山信息管理系统设计与实现[D]. 边庆平. 山东科技大学, 2020(04)
- [4]园区智能安防监控系统的若干问题的研究和实现[D]. 蒋茁. 山东大学, 2020(09)
- [5]中小幼校园袭击风险评估及防范策略[D]. 江俊. 中国人民公安大学, 2020(12)
- [6]停车场车牌识别系统设计与实现[D]. 鲜晓婷. 电子科技大学, 2020(07)
- [7]基于卷积神经网络的车辆检测及识别技术研究[D]. 王荣耀. 南京航空航天大学, 2020(07)
- [8]基于WebGIS的车联网安全监控系统研究与实现[D]. 贾博韬. 武汉工程大学, 2019(03)
- [9]基于多物性传感器信息的车辆管理系统设计与实现[D]. 许旭萍. 电子科技大学, 2016(02)
- [10]基于位置服务的车辆管理平台的研究与应用[D]. 孙玲. 华北电力大学, 2015(05)