一、网络视频监控系统中视频分流的实现（论文文献综述）
唐淑臣,于龙,夏钟艺[1]（2021）在《视频侦查视角下智能网络视频监控的实践应用研究》文中提出随着侦查前沿探索的持续深入,智慧警务现已成为警务信息化革命的重要产物,公安机关通过将视频监控技术侦查应用于警务工作实战,使得智能网络视频监控技术全面而迅猛地应用和发展。值得注意的是,通过与传统监控技术进行横向对比可以发现视频侦查技术在建设和使用规范等方面仍有不足,公安机关基于实践应用地探索、综合分析应用可行性及实际效用情况,对智能网络视频监控技术的发展前景进行展望,旨在提高公安机关核心战斗力、服务于智慧警务建设。
曹莹[2]（2020）在《面向智能视频监控场景的感知优化与内容分析算法研究》文中提出智能视频监控系统改变了原有视频监控系统中基于人工的监控画面监视和内容分析模式,在一定程度上为视频监控提供了更加广阔的前景和发展空间。但如何通过普通感知设备获取有价值的目标信息是当前智能视频监控系统的核心问题之一。为解决这一问题,基于分布式视频编码和视频修复研究感知优化方案以获得具有较高质量的感知视频数据。继而在视频目标分割算法的基础上研究内容分析方案,以实现对海量感知视频目标信息的可靠提取。本文主要工作如下:1)基于预测的分布式视频编码优化算法研究。根据采用无线多媒体技术的智能视频监控系统对感知设备低功耗、高效率的要求,研究分布式视频编码方案,并针对分布式视频编码方案受视频背景环境、目标运动等干扰因素影响造成的解码数据质量下降问题,提出基于预测的边信息生成算法。所提算法首先根据视频块属性和视频块间的运动关系建立边信息预测模型;而后基于边信息预测模型,以视频块为单位,根据视频块属性得到较准确的运动矢量,进而提高边信息质量。仿真实验表明所提方法能够在满足采用无线多媒体技术的智能视频监控系统要求的同时,缓解视频背景环境、目标运动等对边信息质量的干扰,从而提高解码感知视频质量。2)基于张量列秩的视频修复算法研究。为解决普通感知设备受光照、天气等因素影响造成的数据质量下降问题,研究视频修复算法,并针对数据退化现象中的数据缺失问题,提出基于张量列秩（Tensor Train rank,TT-rank）的视频补全算法。在所提算法中,首先考虑视频中可能存在的数据分布不平衡及数据信息冗余问题,采用近似张量求解算法调整张量数据,得到只保留重要信息的且信息分布较均衡合理的张量数据。其次,为更好地映射视频信息在修复过程中的影响,根据张量数据特征提出自适应权重机制得到每一维数据相应的权重值。理论分析和仿真实验表明所提算法能够在避免更换昂贵感知设备的同时实现对感知视频数据质量的优化3)基于吸收马尔科夫链的感知视频片段目标分割算法研究。在获取具有较高质量的感知视频数据后,在内容分析中,为建立面向海量感知视频数据的自适应目标分割模型,首先针对感知视频片段设计基于吸收马尔科夫链的视频目标分割算法,在目标较剧烈运动、较大形变等因素的干扰下,通过对时空域特征的充分考虑实现对感知视频片段目标的有效分割,并将分割结果作为标记数据用于感知视频目标分割方案中,以实现对海量感知视频目标的自适应分割。所提方案首先利用目标选块和边权重模型搭建吸收马尔科夫链有向图;其次,设计再筛选机制,根据利用吸收时间完成初次筛选后的目标选块的时空域特征,确定每张视频帧唯一的目标选块,并结合优化模型细化目标选块,以得到分割目标。仿真实验表明所提目标分割算法能够充分利用感知视频片段的时空域特征,从具有较剧烈目标运动、较大目标形变等干扰因素的感知视频片段中有效分割视频目标,为感知视频目标分割方法提供较准确的标记数据。4)基于注意力机制的感知视频目标分割算法研究。针对感知视频提出基于注意力机制的视频目标分割算法,结合感知视频片段目标分割算法,建立面向海量感知视频数据的自适应目标分割模型,通过对视频目标时域特征的充分考虑,来应对感知视频目标运动、目标形变等干扰因素的负面影响,实现对海量感知视频目标信息的可靠提取。所设计方案具有两个分支:深度网络模型和光流预测模型。深度网络模型首先利用注意力机制突出视频目标相关特征;继而采用三维卷积和基于注意力机制的残差卷积长短时记忆网络以更好地获得目标时域特征。与此同时设计光流预测模型以降低背景运动对目标分割性能的影响。最后,采用残余区域清除算法清除分割结果中的非目标区域,得到分割目标。仿真实验表明,结合得到的标记数据,所提视频目标分割算法能够充分考虑感知视频时域特征,在视频目标运动、形变等的干扰下,完成对海量感知视频目标的自适应分割,实现海量感知视频数据目标信息的可靠提取。
刘宇健[3]（2020）在《流媒体网络视频监控系统的研究与开发》文中研究说明本文研究基于流媒体技术的网络视频监控系统,设计技术结构、核心功能模块以及网络架构,最后完成对视频监控系统监控设备数据配置模块及视频监控系统服务器运行监测管理模块进行实现。
王涛[4]（2020）在《基于TMS320DM8127双路视频压缩传输系统设计与实现》文中进行了进一步梳理随着图像处理技术的不断发展,视频监控系统广泛地应用在智能交通、平安城市、飞机目标跟踪等诸多领域,在日常生活和国防建设中都扮演着重要角色。除了高数据量带来的视频质量和清晰度问题,不同应用场景带来的不同格式视频源兼容性问题也是亟待解决的问题之一。能够兼容多格式输入的视频压缩传输系统有着广阔的应用前景和市场需求。本文基于此背景,研究设计并实现基于H.264视频编码的支持多格式输入的双路视频压缩传输系统。系统采用FPGA+DSP处理器架构,以TI公司的Davinci系列TMS320DM8127为核心处理器,配以大容量高速DDR3,分别采用GS2970和TVP5151完成对SDI视频和PAL视频的采集,通过FPGA对两路视频进行信号切换和数据格式转换,利用DM8127对双路视频同时压缩编码,并将SDI压缩视频以RTP协议分发组播,将PAL压缩视频以TCP协议传输至存储模块。本设计以DM8127为核心构建了集采集、压缩、传输为一体的网络视频服务终端。具体而言,本文的主要工作在以下几个方面。硬件设计工作主要包括1、视频采集模块的设计,分别通过高清视频解码芯片将原始SDI视频转换为BT.1120格式,通过标清视频解码芯片将原始PAL视频转换为BT.656格式,两路视频通过FPGA完成信号切换及数据格式转换。2、网络传输模块采用了双网冗余设计保证系统传输的稳定性。3、电源模块的设计,首先通过分析各模块所需电压的特性,分别为其选用合适的电源转换芯片完成电路设计。其次设计使用集成电源管理芯片通过EEPROM编程实现对DM8127上电时序的控制。软件设计工作主要包括1、采集芯片驱动的设计,通过I2C总线控制标清视频解码芯片,通过SPI总线控制高清视频解码芯片。2、视频数据链路的构建与实现,设计并实现本项目需求的双路视频压缩传输数据链路。3、实现基于TCP和RTP协议的视频网络传输。在完成双路视频压缩传输系统的设计与实现后,本文进行了系统测试。结果表明本文设计的系统同时支持PAL和SDI视频输入,可以同时进行组播和存储,视频压缩传输的延时低于300ms,且解码后的视频无卡顿、掉帧等现象,视频压缩比达到125左右,同时系统的稳定性也达到项目需求。
王鑫[5]（2020）在《GStreamer音视频传输系统及移动机器人场景应用》文中指出随着智能设备的不断普及和无线网络的广泛覆盖,视频服务应用场景越来越多,音视频传输以其直观方便的呈现方式和丰富精彩的信息内容而广泛应用于众多领域,典型的音视频传输应用包括智能家居、视频监控、远程教育以及远程医疗等。伴随着需求的不断扩大,特别是随着移动通信技术的快速发展,对于能够在移动通信环境中高效、灵活部署的实时视频传输系统的研究显得更为迫切。目前对于GStreamer框架下音视频同步传输的研究还很少见,本文提出基于GStreamer框架的音视频无线传输系统,设计实现单向音视频同步传输和双向语音互动功能,并对该系统在移动机器人场景的应用进行初步研究。系统以树莓派3B为硬件平台,使用V4L2驱动框架采集视频数据,采用H.264视频编码;通过Pulse Audio声音服务器捕获音频数据,使用Opus音频编码。音视频数据按照RTP协议封装,通过UDP协议完成数据传输。测试结果表明:系统WIFI网络音视频同步传输延时可达261 ms,4G网络音视频同步传输延时可达330 ms,仅视频传输延时分别可达136 ms、206 ms,具有高实时性;传输质量测试采用空间域无参考图像质量评估器和MOS评分标准,图像质量评价优于对比方案45%以上。且系统针对不同应用需求及网络环境,实现多分辨率可选的实时视频采集和WIFI与4G网络自动切换传输,提高系统使用灵活性和经济性,满足众多场景应用需要,对音视频传输应用有较好参考价值。首先,进行关键技术的分析与研究。重点介绍了GStreamer开源多媒体框架,分析研究其在音视频传输方面的优势。并且对音视频传输的关键技术进行分析研究,包括视频压缩编码技术,音频压缩编码技术,RTP实时传输协议,TCP与UDP传输协议。其次,进行系统设计及应用研究。系统设计分为采集端设计和客户端设计,设计目标为实现单向视频传输和双向语音互动。系统采集端基于树莓派平台,软件设计包括两个管道,音视频传输管道和音频接收管道,并针对采集端设计了4G网络与WIFI网络的自动切换功能。系统客户端软件设计包括音视频接收管道和音频传输管道。并针对系统在移动机器人场景的应用进行了研究与实现。最后,进行系统测试与分析。针对系统的传输实时性和传输画质进行对比测试,分析系统优势与不足,并对系统在移动机器人上的应用进行实验验证。
闫卫刚[6]（2020）在《基于高精度同步帧共享技术的视频监控系统的设计与实现》文中研究说明近年来视频监控技术被广泛应用到社会各行各业的安全领域,对整个社会的安定繁荣起到了关键作用。尽管目前使用视频监控系统可以满足正常的监控需求,但是其仍然存在集成架构设计缺陷、同步精度低、共享范围限制等关键技术问题。为了解决上述问题,论文设计并实现了基于高精度同步帧共享技术的视频监控系统,完成的主要内容如下:（1）设计了视频监控系统的视频采集硬件架构和终端软件。视频采集硬件架构主要以视频图像的采集、视频压缩以及视频图像的下发为核心,而终端软件设计则由视频图像数据的接收和存储设计,视频解码算法实现和视频显示设计组成;（2）完成了基于差分GPS技术的视频数据同步方法。该方法利用GPS双频载波相位伪距相差的方式过滤误差,通过高精度的同步算法实现视频帧与导航信息的同步,实现的定位精度达到50cm以内,远远高于同类产品的同步精度;（3）完成了视频信息在Zigbee节点组成的网络中的传输和同步设计。采用二次编码技术将视频帧进行分包传输,并利用优化的网络传输机制,使得视频信息传输的范围更加广泛,同时增加了执法人员监控视频信息的灵活程度。论文以提高视频帧同步精度,扩展同步帧的共享范围为主线设计的视频监控系统不仅提高了安保管理部门的执法监控能力,也逐渐推动了社会安保工作的信息化进程,在资源有限的情况下帮助安保人员准确的监控和判断不稳定因素的状态信息,并采取及时有效的防范措施,同时实时地监控可能存在的不安全因素,对维护社会的安定起到关键的作用。
常铮[7]（2020）在《基于多接入移动边缘智能计算的资源优化研究》文中进行了进一步梳理移动通信技术的飞速发展,便携式移动终端的普及,以及新型交互式移动应用程序的涌现,无一不促使了数据流量的激增,进而给网络的带宽和延迟带来了巨大的挑战。多接入边缘计算（Multi-access Edge Computing,MEC）形成了一个新的生态系统,它可以在无线网络边缘提供存储和计算资源等,将云计算能力迁移到离移动终端用户更近的网络边缘,它是5G体系结构中的一个重要组件,能够支持各种需要超低延迟的创新应用程序和服务。本文基于多接入边缘计算进行业务资源优化问题的研究,首先设计了一套支持4GLTE和WLAN融合网络的多接入边缘计算平台,部署了基于数据平面开发套件（Data Plane Development Kit,DPDK）的网络数据平面流量透传和重定向服务,接着针对视频流码率自适应场景提出了边缘辅助的智能优化方案,最后研究了基于边缘计算的异构网络视频流带宽资源管理方案。论文的主要工作包括:一、多接入边缘计算平台的设计和实现。本文结合欧洲电信标准化协会（European Telecommunications Standards Institute,ETSI）关于多接入边缘计算的白皮书等相关内容,设计了支持4G LTE和WLAN的多接入边缘计算平台,通过部署基于DPDK的边缘计算路由子系统实现了 4G LTE和WLAN异构网络下的流量透传及重定向服务,最后对平台进行了性能测试,测试结果显示了所实现的多接入边缘计算平台的良好性能。二、基于边缘计算的智能视频流码率自适应的研究。考虑到纯客户端自适应方案具有缺乏对无线网络状况的动态感知等局限性,本文采用边缘辅助的智能自适应视频流方案,利用边缘计算平台的网络能力开放优势,采用深度强化学习技术,根据无线接入侧（Radio Access Network,RAN）上下文信息以及每个客户端的播放参数例如缓冲区状态等来学习码率自适应策略,从而提高用户的体验质量（Quality of Experience,QoE）。实验结果显示所提方案的用户体验质量指标分别比基于速率的自适应方案、基于缓冲区的自适应方案和基于dash.js开源客户端的自适应方案提高20%,15%和14%。三、基于边缘计算的异构网络视频流带宽管理的研究。由于带宽受限,多个用户同时进行视频请求时容易产生竞争行为。对于纯客户端自适应方案,由于多用户间缺乏协调,其公平性问题更加难以保障。本文提出了一种基于边缘计算的视频流带宽管理方案,考虑在LTE和WLAN异构网络边缘进行多用户视频流会话的带宽管理,该方案采用启发式策略,通过对网络资源的融合利用和合理分配,为用户提供网络选择以及带宽分配方案,试图找到视频流性能、公平性和带宽效率之间的最佳平衡。本文通过算法仿真和实际工程实验验证了该方案可以有效提高公平性,减少多用户间带宽恶性竞争行为的发生,改善服务质量（Quality of Service,QoS）。
李凯[8]（2020）在《井下电视微型网络视频编码器开发》文中指出VideoLog井下电视系统是一种利用光学成像原理,能将井下复杂、不易观察的情况以图像的形式直观地显示出来的新一代测井系统,随后测井人员把图像资料进行进一步分析,从而对井下的各种问题进行监测、处理。随着测井技术的不断发展,我们意识到传统的VideoLog网络视频编码器已经不能满足VideoLog井下电视系统的测井需要,主要的不足有:不支持双通道码流传输、不支持视频存储功能、不支持串口透明传输、编码器尺寸不合适等。针对这一现状,本文采用海思3518芯片自主研究设计了一款新一代VideoLog井下电视专用的微型网络视频编码器。本次编码器设计分为硬件设计与软件设计。本文首先从VideoLog网络视频编码器设计相关的理论技术着手,研究了 VideoLog井下电视系统的系统组成、工作原理、工作过程、H.264编码技术、流媒体技术、嵌入式系统组成及开发流程、Web服务器模型,为软硬件设计提供技术基础。在硬件设计时,首先根据实际使用需求对VideoLog网络视频编码器进行了硬件整体设计,并选择了海思3518芯片作为编码器的视频处理芯片,然后根据海思官方参考手册提供的硬件接口依次设计了编码器的视频采集模块、SD卡存储模块、以太网模块、电源模块、UATR模块、NANDFlash模块。在软件设计时,首先搭建嵌入式开发环境,接着向编码器移植了 Linux操作系统,之后根据海思的软件接口与Linux环境下的系统函数了依次设计开发了 VideoLog网络视频编码器的视频采集程序、视频传输程序、视频参数配置程序。最后,在实验室环境下对编码器的各项性能进行了测试,分别验证了编码器在局域网中能正常进行视频传输、串口通讯、视频存储,编码器软硬件工作正常,能采集、传输、存储高清的井下视频图像。之后在实际测井过程中进行了多次应用测试,取得了很好的应用效果,为井下套管监测与事故处理提供了重要的解决方案。
郭波[9]（2020）在《IP全产业链背景下的AQ公司网络视频营销研究》文中指出网络视频自2006年快速崛起,竞争也随之进入白炽化,从早期的流量、用户和带宽争夺,到后来的版权争夺及资源抢购,再到今天后流量时代的圈层文化、IP全产业链。网络视频行业走过了高速发展阶段,迈向高质量发展阶段,平台盈利能力短板日益凸显,纵观整个行业,包括头部平台在内的企业均未能实现盈利,想要突破盈利瓶颈,必须从整个产业链入手,开发各环节价值。随着我国互联网的发展和普及,各领域边界日益模糊,相互之间的联系更加紧密,进入全面合作、融合发展阶段。网络视频行业作为文娱生态中的重要一环,也开始突破单一产业模式,布局多元化、产业化发展。视频网站同业之间,视频网站与产业链上下游之间,视频网站与终端之间,视频网站与用户之间,以内容为核心围绕IP进行深度整合,形成文娱内容生态产业链。本文基于对网络视频行业宏观和微观环境的分析,研究网络视频行业发展的趋势和机遇,对网络视频产业链各环节进行价值评估。以AQ网络视频公司为例,针对其各环节营销过程以及企业发展中遇到的问题,结合AQ公司自身及资源的优势、劣势、机会、威胁全面分析,全面剖析内容、平台、终端、用户、技术等产业链各环节,通过重构产业链的方式向外延伸拓展业务范围,加强流量变现、IP变现、内容变现能力。运用4C营销理论,提出适合AQ企业全产业链发展的营销模式,也为其他同业平台提供参考和借鉴,助力网络视频行业健康生态发展。
陈干[10]（2020）在《网络摄像机IPC接入平台设计与实现》文中提出近年来,随着政治、经济、社会的不断发展,影响国家安全、环境安全、公共安全的不稳定因素日益增多,作为有效的监控手段,网络摄像机IPC使用越来越广泛,已在城市安防、公共交通管理、银行金融、教育系统等多方面发挥了不可替代的作用。目前,许多城市和大型安防单位都设有独立的IPC视频监控指挥系统,其核心在于构建稳定、可靠的IPC接入平台对其海量视频进行有效管理;另一方面,随着大数据处理、人工智能技术的发展与成熟,普通用户对视频信息深度分析与应用需求与日俱增,不仅要求IPC接入平台能对不同数量、不同厂商IPC采集视频进行有效管理,还要能提供基础的视频服务功能。本文在这样的背景下设计了一个轻便小巧的网络摄像机IPC接入平台,该平台基于多个开源框架,以一种低成本、容量可伸缩方式实现对接入的IPC有效管理,实现实时显示、存储、回放、转发、查询等功能。其主要研究内容如下:根据IPC接入的数量决定采用的存储方式,当IPC数量较少时,选择将IPC的视频存储在NVR中从而实现对小规模、小范围的视频存储,当IPC数量较多或超过NVR容量时,选择将IPC的视频存储在云存储中从而实现大规模视频存储;使用SQLite数据库能够使开发的系统更轻便,对存储在本地、NVR和云端的视频信息进行记录,为视频的回放提供快速检索。基于开源FFmpeg视频处理工具,实现对IPC视频流的采集、解码、存储、推流和颜色空间转换等功能,结合OpenGL实现视频图像的绘制,采用Qt框架设计良好人机交互界面。采用开源流媒体服务器搭建流媒体服务器,实现对推送过来的IPC视频流转发,解决大量用户同时访问同一个IPC受限的问题。
二、网络视频监控系统中视频分流的实现（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、网络视频监控系统中视频分流的实现（论文提纲范文）
（1）视频侦查视角下智能网络视频监控的实践应用研究（论文提纲范文）
| 引言 |
| 一、智能网络视频监控技术概述 |
| （一）智能网络视频监控技术的现状 |
| （二）智能网络视频监控技术的核心武器——智能视频分析技术 |
| 二、传统视频监控技术在视频侦查中的应用现状 |
| （一）传统视频监控的发展状况 |
| （二）传统视频监控的局限性 |
| 1. 视频侦查队伍建设的专业化与应用的法治化水平亟待提高 |
| 2. 监控时间不能达到实时监控标准，且建设主体多元化，应用维护个体化，视频资源共享率受限 |
| 3. 监而不控，发生误报和漏报，利用效果不佳 |
| 4. 数据分析困难 |
| 5. 响应时间长 |
| 6. 反侦查行为增多，应用阻碍增加 |
| 三、智能网络视频监控技术应用的可行性分析 |
| （一）智能网络视频监控技术的发展原因 |
| （二）智能网络视频监控技术的优势 |
| 1. 网络化 |
| 2. 智能化 |
| 四、智能网络视频监控技术在侦查实践中的应用 |
| （一）智能网络视频监控技术应用于侦查的主要技术类型 |
| 1. 人物面部识别技术 |
| 2. 车辆识别技术 |
| 3. 可疑行为分析技术应用实例 |
| 4. 物体追踪技术 |
| （二）智能网络视频监控技术在侦查实践中的应用效果 |
| 1. 自动识别、分析（智能化） |
| 2. 网络资源共享（网络化） |
| 五、智能网络视频监控技术的发展前景 |
| （一）智能网络视频监控技术的推广现状 |
| （二）智能网络视频监控技术的发展趋势 |
| 六、结语 |
（2）面向智能视频监控场景的感知优化与内容分析算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外相关工作研究进展 |
| 1.3 论文的研究内容和主要贡献 |
| 1.3.1 研究内容 |
| 1.3.2 主要贡献 |
| 1.4 论文结构安排 |
| 第二章 研究基础及相关工作 |
| 2.1 分布式视频编码算法相关研究 |
| 2.1.1 分布式视频编码基础理论概述 |
| 2.1.2 相关工作 |
| 2.2 视频修复算法相关研究 |
| 2.2.1 张量基础理论概述 |
| 2.2.2 相关工作 |
| 2.3 视频目标分割算法相关研究 |
| 2.3.1 视频目标分割基础理论概述 |
| 2.3.2 相关工作 |
| 2.4 本章小结 |
| 第三章 基于预测的分布式视频编码优化算法研究 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.3 基于预测的边信息生成算法 |
| 3.3.1 边信息预测模型 |
| 3.3.2 生成边信息 |
| 3.4 仿真实验与结果分析 |
| 3.4.1 实验参数设置 |
| 3.4.2 基于公开数据集的实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于张量列秩的视频修复算法研究 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 基于张量列秩的视频补全算法 |
| 4.3.1 基于张量列秩的近似张量求解算法 |
| 4.3.2 基于张量列秩的自适应权重机制 |
| 4.3.3 基于张量列秩的自适应加权张量补全算法 |
| 4.4 仿真实验与结果分析 |
| 4.4.1 实验参数设置 |
| 4.4.2 基于公开数据集的实验结果与分析 |
| 4.4.3 基于实际监测场景感知数据的实验结果与分析 |
| 4.5 本章小结 |
| 第五章 基于吸收马尔科夫链的感知视频片段目标分割算法研究 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.2.1 基于自定义特征规则的半监督视频目标分割 |
| 5.2.2 基于自定义特征规则的无监督视频目标分割 |
| 5.3 基于吸收马尔科夫链的视频目标分割算法 |
| 5.3.1 边权重模型 |
| 5.3.2 基于吸收马尔科夫链有向图的视频目标分割机制 |
| 5.4 仿真实验与结果分析 |
| 5.4.1 实验参数设置 |
| 5.4.2 基于公开数据集的实验结果与分析 |
| 5.4.3 基于实际监测场景感知数据的实验结果与分析 |
| 5.5 本章小结 |
| 第六章 基于注意力机制的感知视频目标分割算法研究 |
| 6.1 引言 |
| 6.2 相关工作 |
| 6.2.1 无监督神经网络视频目标分割 |
| 6.2.2 半监督神经网络视频目标分割 |
| 6.3 基于注意力机制的时空CNN-LSTM视频目标分割算法 |
| 6.3.1 三维卷积注意力残差预测模型 |
| 6.3.2 光流预测模型 |
| 6.3.3 生成分割目标 |
| 6.4 仿真实验与结果分析 |
| 6.4.1 实验参数设置 |
| 6.4.2 基于公开数据集的实验结果与分析 |
| 6.4.3 基于实际监测场景感知数据的实验结果与分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 附录1 攻读博士学位期间撰写的论文 |
| 附录2 攻读博士学位期间参加的科研项目 |
| 致谢 |
（3）流媒体网络视频监控系统的研究与开发（论文提纲范文）
| 1 流媒体技术应用 |
| 1.1 流媒体技术原理 |
| 1.2 流媒体技术在视频监控系统中的应用 |
| 1.3 流媒体传输方式 |
| 1.3.1 顺序流式 |
| 1.3.2 实时流式 |
| 2 系统总体设计 |
| 2.1 网络视频监控系统技术架构设计 |
| 2.2 网络视频监控系统功能模块设计 |
| 2.3 网络视频监控系统网络架构设计 |
| 3 网络视频监控系统开发 |
| 3.1 视频监控系统监控设备数据配置模块开发 |
| 3.1.1 监控设备数据配置模块运行流程图设计 |
| 3.1.2 监控设备数据配置模块实现 |
| 3.2 视频监控系统服务器运行监测管理模块开发 |
| 3.2.1 服务器运行监测管理模块运行流程图设计 |
| 3.2.2 服务器运行监测管理模块具体实现 |
（4）基于TMS320DM8127双路视频压缩传输系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外相关研究现状 |
| 1.2.1 现有视频压缩标准概述 |
| 1.2.2 编码实现平台 |
| 1.2.3 视频监控的发展及现状 |
| 1.3 主要研究内容及结构安排 |
| 第二章 视频压缩相关技术 |
| 2.1 视频压缩原理 |
| 2.2 视频压缩标准 |
| 2.2.1 H.264标准的结构框架 |
| 2.2.2 H.264标准的档次 |
| 2.2.3 H.264编解码器结构 |
| 2.2.4 H.264视频编码新技术 |
| 2.3 本章小结 |
| 第三章 网络视频服务终端系统总体设计 |
| 3.1 系统总体模块化设计 |
| 3.2 硬件平台TMS320DM8127介绍 |
| 3.2.2 ARM子系统 |
| 3.2.3 DSP子系统 |
| 3.2.4 高清视频图像协处理器(HDVICP2) |
| 3.2.5 高清视频处理子系统(HDVPSS) |
| 3.3 软件平台IPNC-RDK介绍 |
| 3.3.1 IPNC-RDK软件开发包 |
| 3.3.2 Link机制 |
| 3.4 本章小结 |
| 第四章 网络视频服务终端硬件设计 |
| 4.1 硬件总体设计 |
| 4.2 视频采集模块设计 |
| 4.2.1 标清视频采集 |
| 4.2.2 高清视频采集 |
| 4.2.3 FPGA架构 |
| 4.3 网络传输模块设计 |
| 4.4 电源模块设计 |
| 4.5 存储模块设计 |
| 4.5.1 DDR模块 |
| 4.5.2 FLASH模块 |
| 4.6 SD卡模块设计 |
| 4.7 本章小结 |
| 第五章 基于IPNC-RDK的软件设计 |
| 5.1 开发环境的搭建 |
| 5.2 U-Boot和内核编译与移植 |
| 5.3 视频采集驱动的设计与实现 |
| 5.3.1 标清视频采集驱动设计与实现 |
| 5.3.2 高清视频采集驱动设计与实现 |
| 5.4 应用程序开发 |
| 5.4.1 视频链路总体布局 |
| 5.4.2 视频采集模块设计 |
| 5.4.3 视频编码模块设计 |
| 5.4.4 传输模块设计 |
| 5.5 本章小结 |
| 第六章 系统测试 |
| 6.1 测试环境搭建 |
| 6.2 功能性测试 |
| 6.3 延时性测试 |
| 6.3.1 SDI视频延时性测试 |
| 6.3.2 PAL视频延时测试 |
| 6.4 稳定性测试 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）GStreamer音视频传输系统及移动机器人场景应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文创新点 |
| 1.4 论文内容及结构 |
| 第二章 关键技术研究 |
| 2.1 GStreamer流媒体框架 |
| 2.1.1 基本概念 |
| 2.1.2 元件状态 |
| 2.1.3 总线机制 |
| 2.2 H.264视频编码技术 |
| 2.2.1 基本概念 |
| 2.2.2 关键技术 |
| 2.3 Opus语音编码技术 |
| 2.4 RTP实时传输协议 |
| 2.4.1 基本概念 |
| 2.4.2 传输原理 |
| 2.5 TCP协议与UDP协议 |
| 2.6 本章小结 |
| 第三章 系统方案 |
| 3.1 总体框架 |
| 3.2 硬件选择 |
| 3.3 树莓派优化 |
| 3.4 本章小结 |
| 第四章 系统软件设计 |
| 4.1 开发环境搭建 |
| 4.2 采集端设计 |
| 4.2.1 音视频发送模块 |
| 4.2.2 音频接收模块 |
| 4.2.3 网络切换模块 |
| 4.3 客户端设计 |
| 4.3.1 音视频接收模块 |
| 4.3.2 音频发送模块 |
| 4.4 本章小结 |
| 第五章 系统性能测试 |
| 5.1 传输延时测试 |
| 5.1.1 视频延时测试 |
| 5.1.2 音频延时测试 |
| 5.2 传输质量测试 |
| 5.2.1 传输画质测试 |
| 5.2.2 传输音质测试 |
| 5.3 本章小结 |
| 第六章 机器人场景应用 |
| 6.1 机器人控制设计方案 |
| 6.2 机器人控制软件设计 |
| 6.2.1 控制指令发送端设计 |
| 6.2.2 指令接收控制端设计 |
| 6.3 实验验证 |
| 6.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士期间发表论文 |
| 致谢 |
（6）基于高精度同步帧共享技术的视频监控系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文选题背景及意义 |
| 1.2 视频监控系统的现状分析 |
| 1.2.1 视频监控系统存在的问题 |
| 1.2.2 视频监控系统问题的解决办法 |
| 1.3 视频监控系统的技术现状分析 |
| 1.3.1 视频编解码技术分析 |
| 1.3.2 帧同步技术分析 |
| 1.3.3 KAKADU软件分析 |
| 1.3.4 Zigbee技术分析 |
| 1.4 本文主要研究内容和组织结构 |
| 1.4.1 主要研究内容 |
| 1.4.2 本文的组织结构 |
| 1.5 本章小结 |
| 2 视频帧采集单元架构 |
| 2.1 视频采集端硬件芯片的选择 |
| 2.2 视频采集端原理图设计 |
| 2.3 视频数据的格式分析 |
| 2.4 本章小结 |
| 3 视频监控系统的软件设计 |
| 3.1 软件系统总体架构 |
| 3.2 视频监控系统终端设计 |
| 3.2.1 视频帧KAKADU解码设计 |
| 3.2.2 分布式视频帧存储设计 |
| 3.2.3 低延时视频播放模式设计 |
| 3.3 视频帧和导航信息高精度同步设计 |
| 3.3.1 视频采集区域的位置解算 |
| 3.3.2 同步时间基准获取 |
| 3.3.3 差分GPS对导航数据的处理 |
| 3.3.4 视频帧和导航信息的同步设计 |
| 3.3.5 视频帧和导航信息同步后的操作 |
| 3.4 Zigbee技术在视频监控系统中的设计 |
| 3.4.1 Zigbee网络视频帧二次压缩设计 |
| 3.4.2 Zigbee网络终端节点设计 |
| 3.4.3 Zigbee多射频多信道设计 |
| 3.4.4 Zigbee技术在视频监控系统中可靠性分析 |
| 3.5 本章小结 |
| 4 视频监控系统的实现与应用 |
| 4.1 视频监控系统的实现 |
| 4.1.1 视频解码算法实现 |
| 4.1.2 视频数据存储实现 |
| 4.1.3 视频帧和导航信息的同步实现 |
| 4.2 视频监控系统的性能分析 |
| 4.2.1 视频帧和导航信息的同步精度分析 |
| 4.2.2 视频帧共享性能分析 |
| 4.3 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
（7）基于多接入移动边缘智能计算的资源优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.4 研究内容和创新点 |
| 1.5 论文结构 |
| 第二章 多接入边缘计算平台的设计与实现 |
| 2.1 多接入边缘计算平台的设计 |
| 2.1.1 MEC的相关技术研究 |
| 2.1.2 MEC平台的架构设计 |
| 2.2 多接入边缘计算平台的实现 |
| 2.2.1 LTE边缘计算路由子系统的实现 |
| 2.2.2 WLAN边缘计算路由子系统的实现 |
| 2.3 多接入边缘计算平台的性能测试 |
| 2.4 本章小结 |
| 第三章 基于边缘计算的智能视频流码率自适应研究 |
| 3.1 基于边缘计算的自适应视频流传输研究 |
| 3.1.1 HTTP动态自适应视频流 |
| 3.1.2 服务端及网络辅助的DASH |
| 3.1.3 基于边缘计算的DASH传输架构设计 |
| 3.2 基于深度强化学习的视频流码率自适应算法研究 |
| 3.2.1 Q-learning和深度学习的集成 |
| 3.2.2 系统模型 |
| 3.2.3 Deep Q-learning的算法细节 |
| 3.3 基于边缘计算的智能视频流码率自适应方案评估 |
| 3.3.1 实验设置 |
| 3.3.2 性能指标和参考方案 |
| 3.3.3 实验结果分析 |
| 3.4 本章小结 |
| 第四章 基于边缘计算的异构网络视频流带宽管理研究 |
| 4.1 基于边缘计算的异构网络视频流传输架构研究 |
| 4.1.1 基于边缘计算的MPTCP视频流传输架构设计 |
| 4.1.2 基于边缘计算的MPTCP 4K超高清视频流传输实验 |
| 4.2 基于边缘计算的蜂窝网络DASH带宽管理研究 |
| 4.2.1 基于无线网络信息的启发式DASH带宽分配算法 |
| 4.2.2 实验设置及结果分析 |
| 4.3 基于边缘计算的异构网络DASH带宽管理研究 |
| 4.3.1 基于边缘计算的异构网络DASH带宽管理机制研究 |
| 4.3.2 基于边缘计算的异构网络启发式DASH带宽管理算法研究 |
| 4.3.3 实验设置及结果分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（8）井下电视微型网络视频编码器开发（论文提纲范文）
| 中文摘要 |
| 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 视频监控技术发展现状 |
| 1.2.2 视频编码技术发展现状 |
| 1.2.3 视频解决方案发展现状 |
| 1.3 本文研究内容 |
| 1.3.1 井下电视微型网络视频编码器开发相关理论及技术研究 |
| 1.3.2 井下电视微型网络视频编码器硬件设计研究 |
| 1.3.3 井下电视微型网络视频编码器应用程序设计研究 |
| 1.4 本文章节安排 |
| 第二章 井下电视微型网络视频编码器相关理论技术研究 |
| 2.1 VideoLog可视化测井系统 |
| 2.2 H.264 编码技术 |
| 2.2.1 H.264 编码器原理 |
| 2.2.2 H.264 解码器原理 |
| 2.3 流媒体技术 |
| 2.3.1 TCP/IP协议 |
| 2.3.2 RTMP协议 |
| 2.4 嵌入式系统组成及开发流程 |
| 2.5 Web服务器模型选择 |
| 2.6 本章小结 |
| 第三章 井下电视微型网络视频编码器硬件设计 |
| 3.1 井下电视微型网络视频编码器硬件整体设计 |
| 3.2 视频编码器处理芯片选择 |
| 3.3 视频编码器视频采集模块设计 |
| 3.4 视频编码器SD卡存储模块设计 |
| 3.5 视频编码器以太网模块设计 |
| 3.6 视频编码器电源模块设计 |
| 3.7 视频编码器UART模块设计 |
| 3.8 视频编码器NAND Flash模块设计 |
| 3.9 本章小结 |
| 第四章 井下电视微型网络视频编码器应用程序开发 |
| 4.1 VideoLog视频编码器硬件开发环境搭建 |
| 4.2 VideoLog视频编码器软件开发环境搭建 |
| 4.2.1 Linux虚拟系统搭建 |
| 4.2.2 交叉编译工具安装 |
| 4.2.3 海思SDK安装 |
| 4.3 VideoLog视频编码器U-boot移植 |
| 4.3.1 U-boot编译 |
| 4.3.2 U-boot烧录 |
| 4.4 VideoLog视频编码器Linux内核移植 |
| 4.4.1 Linux内核裁剪 |
| 4.4.2 Linux内核编译 |
| 4.4.3 Linux内核烧录 |
| 4.5 VideoLog视频编码器根文件系统移植 |
| 4.5.1 jffs2 根文件系统制作 |
| 4.5.2 根文件系统烧录 |
| 4.6 VideoLog视频编码器视频采集程序开发 |
| 4.7 VideoLog视频编码器视频传输程序开发 |
| 4.7.1 VideoLog视频编码器流媒体服务器移植 |
| 4.7.2 VideoLog视频编码器视频推流程序设计 |
| 4.8 VideoLog视频编码器视频参数配置程序开发 |
| 4.8.1 VideoLog视频编码器Web服务器程序设计 |
| 4.8.2 VideoLog视频编码器视频参数配置界面设计 |
| 4.8.3 VideoLog视频编码器视频参数配置功能实现 |
| 4.9 本章小结 |
| 第五章 系统测试及应用 |
| 5.1 系统测试环境搭建 |
| 5.2 系统功能性测试 |
| 5.2.1 Linux系统加载性能测试 |
| 5.2.2 视频采集传输性能测试 |
| 5.2.3 双码流性能测试 |
| 5.2.4 串口透传性能测试 |
| 5.2.5 SD卡存储性能测试 |
| 5.2.6 Web服务器视频参数配置性能测试 |
| 5.3 系统应用测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间参加的科研情况及获得的学术成果 |
（9）IP全产业链背景下的AQ公司网络视频营销研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及依据 |
| 1.1.1 选题背景 |
| 1.1.2 选题依据 |
| 1.2 研究的目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究综述 |
| 1.3.1 国外研究综述 |
| 1.3.2 国内研究综述 |
| 1.3.3 研究评述 |
| 1.4 研究方案 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法与技术路线 |
| 第二章 概念和相关理论 |
| 2.1 基本概念 |
| 2.1.1 IP价值 |
| 2.1.2 内容营销 |
| 2.1.3 视频付费 |
| 2.2 相关理论 |
| 2.2.1 PEST理论 |
| 2.2.2 价值链理论 |
| 2.2.3 4C理论 |
| 2.2.4 SWOT理论 |
| 2.3 本章小结 |
| 第三章 网络视频行业发展概述 |
| 3.1 网络视频行业发展现状 |
| 3.1.1 网络视频行业现状 |
| 3.1.2 网络视频行业规模 |
| 3.2 网络视频行业环境分析 |
| 3.2.1 政治环境分析 |
| 3.2.2 经济环境分析 |
| 3.2.3 社会环境分析 |
| 3.2.4 技术环境分析 |
| 3.3 网络视频产业链核心价值分析 |
| 3.3.1 平台运营商 |
| 3.3.2 内容提供方 |
| 3.3.3 视频用户 |
| 3.3.4 终端合作商 |
| 3.3.5 广告主 |
| 3.4 本章小结 |
| 第四章 AQ公司现状及问题分析 |
| 4.1 AQ公司概况 |
| 4.1.1 AQ公司简介 |
| 4.1.2 AQ公司经营现状 |
| 4.2 产业链相关环节营销问题分析 |
| 4.2.1 内容采购环节营销问题分析 |
| 4.2.2 付费用户业务营销问题分析 |
| 4.2.3 跨界合作营销问题分析 |
| 4.2.4 广告业务营销问题分析 |
| 4.3 AQ公司网络视频营销SWOT分析 |
| 4.3.1 优势 |
| 4.3.2 劣势 |
| 4.3.3 机会 |
| 4.3.4 威胁 |
| 4.4 本章小结 |
| 第五章 AQ公司网络视频营销策略 |
| 5.1 IP全产业链营销解决方案 |
| 5.1.1 内容采购环节营销解决方案 |
| 5.1.2 付费用户业务营销解决方案 |
| 5.1.3 跨界合作营销解决方案 |
| 5.1.4 广告业务营销解决方案 |
| 5.2 基于4C营销的用户策略 |
| 5.2.1 用户参与的内容生产模式 |
| 5.2.2 依附生态资源发展会员付费业务 |
| 5.3 基于4C营销的成本策略 |
| 5.3.1 多元化内容成本策略 |
| 5.3.2 突破广告业务成本瓶颈 |
| 5.4 基于4C营销的体验策略 |
| 5.4.1 优化视频智能推荐体验 |
| 5.4.2 泛娱乐生态建设体验 |
| 5.4.3 5G赋能多层次服务体验 |
| 5.5 基于4C营销的沟通策略 |
| 5.5.1 媒体融合的生态圈沟通机制 |
| 5.5.2 用户评论互动的双向沟通机制 |
| 5.5.3 传播下沉的社交媒体沟通机制 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 个人简历 |
（10）网络摄像机IPC接入平台设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 研究背景和意义 |
| §1.2 国内外研究现状 |
| §1.2.1 视频监控系统发展历程 |
| §1.2.2 云存储技术现状 |
| §1.2.3 数据库技术发展 |
| §1.2.4 流媒体发展现状 |
| §1.3 主要研究内容与结构安排 |
| 第二章 视频监控技术基础 |
| §2.1 视频处理技术基础 |
| §2.1.1 先进视频编码技术 |
| §2.1.2 FFmpeg视频处理技术 |
| §2.2 流媒体技术简介 |
| §2.2.1 流媒体传输协议 |
| §2.2.2 开源框架流媒体服务器 |
| §2.3 网络摄像机接入平台与存储管理概述 |
| §2.3.1 网络硬盘录像机存储管理概述 |
| §2.3.2 云平台存储管理概述 |
| §2.3.3 本论文平台框架 |
| §2.4 本章小结 |
| 第三章 网络摄像机接入平台存储管理设计与实现 |
| §3.1 海康NVR存储 |
| §3.1.1 海康SDK调用流程 |
| §3.1.2 海康NVR存储实现 |
| §3.2 阿里云存储 |
| §3.2.1 云平台配置及部署 |
| §3.2.2 对象存储实现 |
| §3.3 数据库管理 |
| §3.3.1 数据库表格模型 |
| §3.3.2 数据库的设计 |
| §3.3.3 轻型数据库操作 |
| §3.4 本章小结 |
| 第四章 网络摄像机接入平台功能设计与实现 |
| §4.1 视频流实时显示 |
| §4.1.1 FFmpeg视频流解码 |
| §4.1.2 开放图形库视频显示 |
| §4.1.3 视频流抓图 |
| §4.2 视频流回放 |
| §4.2.1 云回放 |
| §4.2.2 网络视频录像机回放 |
| §4.3 视频流转发 |
| §4.3.1 实时流传输协议流转发 |
| §4.3.2 实时消息传输协议流转发 |
| §4.4 本章小结 |
| 第五章 网络摄像机接入平台性能测试 |
| §5.1 界面设计与实现 |
| §5.2 存储管理性能测试 |
| §5.2.1 网络摄像机和NVR |
| §5.2.2 视频流接入存储测试 |
| §5.3 客户端性能测试 |
| §5.3.1 实时显示测试 |
| §5.3.2 视频流回放测试 |
| §5.3.3 视频流转发测试 |
| §5.4 本章小结 |
| 第六章 总结与展望 |
| §6.1 总结 |
| §6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者在攻读硕士期间的主要研究成果 |
四、网络视频监控系统中视频分流的实现（论文参考文献）
- [1]视频侦查视角下智能网络视频监控的实践应用研究[J]. 唐淑臣,于龙,夏钟艺. 中国防伪报道, 2021(07)
- [2]面向智能视频监控场景的感知优化与内容分析算法研究[D]. 曹莹. 南京邮电大学, 2020(03)
- [3]流媒体网络视频监控系统的研究与开发[J]. 刘宇健. 电子技术与软件工程, 2020(18)
- [4]基于TMS320DM8127双路视频压缩传输系统设计与实现[D]. 王涛. 西安电子科技大学, 2020(05)
- [5]GStreamer音视频传输系统及移动机器人场景应用[D]. 王鑫. 广东工业大学, 2020(06)
- [6]基于高精度同步帧共享技术的视频监控系统的设计与实现[D]. 闫卫刚. 西安理工大学, 2020(01)
- [7]基于多接入移动边缘智能计算的资源优化研究[D]. 常铮. 北京邮电大学, 2020(05)
- [8]井下电视微型网络视频编码器开发[D]. 李凯. 西安石油大学, 2020(10)
- [9]IP全产业链背景下的AQ公司网络视频营销研究[D]. 郭波. 中国地质大学(北京), 2020(09)
- [10]网络摄像机IPC接入平台设计与实现[D]. 陈干. 桂林电子科技大学, 2020(02)