一、Linux平台的架构(论文文献综述)
董谱[1](2021)在《基于视频处理的仓库监控系统设计》文中提出仓库作为存放物品的重要场所,若其环境的安全性不能得到保障,将极可能导致物品损坏、仓库失窃甚至仓库失火等事故的发生,因此,对仓库环境的安全监测一直是安防领域的研究重点。近几年来,随着视频监控技术的发展,通过分析视频数据进行环境监测逐渐成为仓库监测的主流发展方向。在此背景下,本文设计并实现了一种基于视频处理的嵌入式仓库监控系统。本系统在远程视频监控的基础上,增加了对视频进行目标检测的功能,能够直接通过仓库现场的嵌入式设备,分析是否有人员入侵及火灾等现象发生。此外,本系统还可以实时监测仓库现场的环境参数,分析仓库当前的环境是否符合物品的存放标准,能够较好地维护仓库的环境安全,具有较高的应用和研究价值。考虑到仓库适合视频监控和参数采集的位置可能存在差异,以及系统安装的灵活性,本系统将硬件部分分为视频模块和参数模块两个部分。视频模块是系统的核心模块,以S5PV210为主控芯片,挂载有摄像头模块、GSM模块和WiFi模块,主要负责视频监控、短信预警以及系统整体的控制管理。参数模块以STM32F407ZGT6为主控芯片,集成了以太网模块和多种传感器,主要负责环境参数的采集。本系统在视频模块上移植了嵌入式Linux操作系统,并以此作为主要软件平台。本系统在设计过程中,通过TCP协议实现环境参数的实时传输;通过SQLite数据库对监控数据进行统一存放和管理;通过OpenCV视觉库对采集的视频进行图像处理和目标检测;通过调用Socket接口和移植视频流服务器实现视频的远程传输;通过调用串口和编写AT指令实现短信的发送。本系统主要采用B/S架构,利用在嵌入式设备上移植嵌入式Web服务器与用户进行交互,使用户可通过浏览网页实时查看仓库现场的环境参数、监控视频等信息。此外,系统也支持C/S架构,用户可通过下载客户端软件与视频模块进行连接实现对仓库环境的实时监控。在完成系统整体的设计后,通过长时间测试,系统整体运行稳定,能够有效监测并记录仓库环境的异常情况,同时提供短信预警,其开发成本低、操作简便、功能全面,符合预期的设计需求。
刘培东[2](2021)在《面向嵌入式系统的实时信号通道技术研究》文中指出日益增长的高速实时流数据传输需求对系统带宽、时延以及稳定性都带来了很大的挑战,与此同时通用处理器也逐渐成为高性能数据传输领域的瓶颈。针对此现象,本文对高性能实时信号通道技术展开研究,提出并设计了一种面向嵌入式系统的高性能实时数据传输分发系统架构。该系统融合了基于Aurora的模块间串行数据传输和基于万兆以太网TCP/IP卸载引擎技术的处理模块与服务器互联,在高性能实时流数据传输领域具有较好的应用价值。本文从课题关键技术出发,对现场可编程门阵列FPGA、Aurora总线协议,TCP/IP协议栈等技术进行研究,然后结合应用需求分析论证系统总体架构和方案,并依托FPGA平台分别对基于Aurora的高性能串行数据传输和基于TCP/IP卸载引擎的高性能实时数据网络分发两个子系统进行硬件逻辑设计,详细论述了关键模块的设计思路和实现过程。最后验证了系统的功能正确性并对其进行了性能测试。验证和测试结果表明:系统能够保证高性能实时流数据传输的正确性和稳定性,支持4路万兆以太网通道的多并发传输,单路万兆以太网最高实际传输速率可达9.7Gbps,且处理模块CPU占用率低于3%。
陈鑫[3](2020)在《基于Phoebus/Alarms的加速器报警技术研究》文中研究表明报警系统作为控制系统的重要组成部分,用于实时监测过程变量的报警状态并发布报警信息,以便于工作人员及时进行故障维修或隐患排除。EPICS(Ex-perimental Physics and Industrial Control System)是应用最广泛的粒子加速器控制系统开发工具。随着EPICS技术的发展,EPICS社区先后发布了多款用于报警系统的开源软件,如 ALH(Alarm Handler)、BEAST(Best Ever Alarm System Toolkit)和Phoebus/Alarms等,本论文是在EPICS社区最新发布的Phoebus/Alarms基础上进行报警技术的研究与应用。本论文描述了 Phoebus/Alarms报警系统的开发环境,如Phoebus、Kafka、Elas-ticSearch、Kibana、Anaconda和前后端分离网页架构等技术。对Phoebus/Alarms报警系统的系统架构和设计理念进行了研究,并在其原型系统上进行了二次开发,增加了报警信息网页查询、微信推送和短信发送等3种报警信息的发布方式,并实现了报警参数的自动配置功能。报警系统的总体架构分为服务端、Kafka、上层应用端等3层。服务端的组件Alarm Server和AutoConfigurator分别用于监测过程变量的报警状态变化和实现报警参数的自动配置。Kafka将过程变量的实时报警信息和报警系统的相关配置等信息存储在4个主题中,从而实现了应用解耦。上层应用端主要由3类模块组成,分别是Alarms中的客户端组件、报警信息查询网页、微信和短信发布程序。Alarms中的客户端组件可以实现声音报警播放、报警状态展示和报警状态确认等功能。为了方便工作人员远程查询各过程变量的实时报警信息,我们开发了基于B/S(Browser/Server)架构的报警信息查询网页,该网页通过WebSocket通信协议缩短了前后端的同步时间,所展示的报警信息将根据报警严重程度的不同显示对应的颜色,并可通过报警严重程度、所属组别等条件进行过滤和排序。另外,我们还开发了微信和短信发布程序,该程序拥有跟模块Alarms不同的报警策略,不仅可以发送报警信息和恢复信息,还可以基于装置的运行模式、报警信息等内容采取抑制措施,从而将有效的报警信息发送给工作人员。本论文研究的报警技术在合肥光源、红外自由电子激光装置上得到了应用。报警系统目前运行稳定,为工作人员及时掌握装置的报警信息提供了重要的技术支持。
杨凯[4](2020)在《无线自组网规模化混合路由关键技术研究》文中研究表明随着网络规模的扩大以及网络节点频繁移动,无线自组网的网络拓扑结构也频繁发生变化,因而更加高效的路由成为大规模网络的研究热点。常见的路由协议包括需路由协议、主动路由协议和混合路由协议。当网络规模急剧增大时,主动路由协议的网络开销性能急剧恶化,按需路由协议的寻路时延增大。混合路由协议的优势就在于将主动和按需的协议的优点集于一身,平衡了网络性能。因此混合路由协议更加适合大规模网络。但是,混合路由协议依然存在一些不足。比如路由区域重叠大、网络开销大、域间重复寻路和寻路时延大等问题。本文基于高速移动场景下的大规模无线自组网,对传统的ZRP协议的域内路由机制和域内路由机制的进行了改进。本文主要的研究内容有以下三点:第一,针对域内路由机制存在问题,设计了虚拟中心节点的选举机制和优化域内路由消息结构。虚拟多中心节点选取机制是基于邻居节点连接度和业务量选取业务量大的节点作为虚拟中心节点,解决了域内路由区域重叠大的问题。域内路由消息主要分为寻路消息和维护路由消息两种。这两种路由消息都携带本地路由表的全部信息,存在路由消息重复的情况。因此本文仿照HELLO消息的格式,设计域内路由请求消息MRREQ和域内路由回复消息MRREP,从而降低了域内路由的网络开销。第二,针对网络层的路由和MAC层资源失步问题,设计了层间交互机制。网络层通过发送相应的原语消息给MAC层出发资源调度过程,同时MAC层回复相应的原语明确资源申请的结果。设计过期路由缓存机制,解决了两次间隔很短的相同业务重复寻路的问题。第三,本文基于均匀分布的网络结构,建立路由开销和时延模型。通过MATLAB仿真平台进行性能分析,得出最佳的区域半径。通过NS2仿真平台编写多中心混合路由协议的仿真代码验证优化后的路由协议的性能。最后,基于ARM_LINUX平台设计网络层协议架构,实现多中心混合路由协议的功能。
郁丛祥[5](2020)在《基于ELF文件的漏洞防御技术研究与实现》文中研究指明随着21世纪信息技术的发展,互联网带来的信息革命已经深入各行各业,大大促进了经济,文化,社会等各个方面的快速发展。互联网中的浩如烟海的程序代码是由一位位辛劳的程序员而写,不可避免地会出现漏洞。到如今,软件漏洞已经存在了至少30多年,每一次漏洞的爆发都会给社会带来巨大的经济损失。Linux是现代互联网发展的基石,软件漏洞的攻击与防御技术在过去几十年中螺旋发展,防御者提出了各种各样的防御技术。时至今日,攻击者依然能够通过组合多个漏洞来绕过层层防御机制,最终控制目标系统。本文通过深入研究Linux平台上用户态软件的漏洞类型、已有的防御机制、漏洞防御的绕过技术和现代软件漏洞的利用方法,进一步归纳漏洞利用的本质特征。在此基础上,深入研究可执行程序ELF文件的文件格式和运行原理,分别从静态的ELF文件本身和ELF动态执行这两个角度出发,提出了一套漏洞防御技术来限制攻击者的漏洞利用。首先,提出了针对ELF可执行空间Segment的通用扩展技术。在ELF文件执行前,在其中插入保护代码并执行,大大减小程序攻击面。其次,提出了 Backtrace Canary的漏洞缓解机制。在ELF文件执行时,通过校验函数的Backtrace Canary来判断函数调用的合法性,大大限制了攻击者的漏洞利用过程。基于上述两点,本文设计并实现了一套漏洞防御系统,包括静态漏洞防御子系统和动态漏洞防御子系统。实验结果表明该漏洞防御系统具备非常好的实用价值,可以有效防御攻击者通过软件漏洞来获取Linux操作系统的控制权。
黄继小[6](2020)在《Linux平台微型高光谱仪数据传输与处理系统研究》文中进行了进一步梳理高光谱成像的目的是获取场景图像中每个像素的光谱,可应用于发现物体,识别材料或检测过程。高光谱图像由高光谱仪获取,常规的高光谱仪一般采用光栅分光或滤波片分光的方式实现高光谱图像的采集,体积较大且安装调试的工作复杂。CMOS高光谱传感器通过表面镀膜的方式分光,与使用复杂的机械分光器件的高光谱仪相比,CMOS高光谱仪更小巧便携。目前大部分的高光谱仪使用裸机程序来控制光谱仪,没有通过linux操作系统来管理光谱仪的硬件,使得程序的设计较为繁琐且难以实现复杂的程序设计,此外裸机程序的可移植性也比较差。其次,光谱仪采集的数据主要通过USB接口传输,对接入的终端设备造成了限制。本文基于一种新型快照马赛克高光谱成像传感器,实现了一套基于Linux平台微型高光谱仪数据传输与处理系统。系统硬件使用CMOS光谱成像传感器CMV2000,以Xilinx Zynq 2000系列的芯片作为主控芯片,搭载嵌入式linux操作系统。光谱仪与终端使用网络Socket通信,同时使用流媒体直播方案H.264+RTSP实现光谱仪采集区域的实时预览。基于Qt软件框架开发桌面终端应用软件用于处理光谱图像。系统可以采集并处理光谱数据,通过以太网实时传输到接收终端。考虑到接收终端处理光谱数据的能力有差异,系统对光谱数据采用光谱仪本地+终端双处理方案。本论文设计完成的linux平台微型高光谱仪数据传输与处理系统,光谱仪平台实现了数据采集、处理和传输,桌面应用实现了光谱仪采集区域的实时预览、与光谱仪平台的交互、光谱图像的处理与特征谱线的显示。
李浩[7](2020)在《基于Linux的LXI功率分析模块软件设计与实现》文中认为在现代的功率测量中,测量环境越来越复杂,仪器分布越来越离散。能够对功率分析设备进行远程控制越来越重要。传统的远程控制方式通常基于C/S软件架构,一般具有良好的数据安全性和可靠性,但是连接不够灵活,多设备集成难度较大。而利用LXI标准来实现远程控制功率分析模块,则有助于缩短建立、配置和调试测试系统所需要的时间。同时利用当今分步广泛的以太网,可以大大降低测试系统的成本。本课题研究的功率分析模块是一种基于Linux平台符合LXI规范的功率分析模块。借助Linux平台对搭建服务器的良好支持,搭建了能够提供LXI C级标准功能的LXI应用服务器,使功率分析模块摆脱了距离的限制。前端利用Bootstrap等开源框架进行开发,对移动设备以及多种操作系统平台都有良好的兼容性,对不同尺寸的显示屏也具有良好的自适应性。并且,根据实际情况实现LXI应用服务器与底层功率分析软件的交互设计。同时,设计了支持传统C/S模式的软件模块,使功率分析模块在一些特殊情况下仍能提供远程操控功能。本课题的研究内容主要包括:1.实现了LXI功率分析仪的混合软件架构设计。本文利用C/S架构与B/S架构各自的优缺点,将两种架构合理的设计在一起,组成优势互补的混合架构。既满足LXI规范的要求,又兼具传统远程测量模式的优点;2.利用RPC技术实现了C/S架构软件模块。完成搭建RPC服务器和与之配套的PC客户端,并完成相关的ARM端移植工作,客户端具有LXI规范中提出的C类功能。并设计了SCPI程控功能及指令管理功能;3.完成基于WebSocket应用协议的LXI功能的软件设计与实现。利用RPC服务器完成LXI应用服务程序的设计,并设计了LXI C级标准的网页及功率分析模块的远程测量页面。同时,应用LZW压缩技术优化数据的传输效率;4.完成了功率运算和谐波参数的软件实现。给出了关键参数的算法和实现流程,并根据实际情况完成了LXI应用服务器与底层软件的交互。本课题最终做出了样机,将所设计的LXI功率分析模块在实际平台上进行了测试。各项设计的功能均能正常工作,远程控制能够实现10Hz的波形刷新率。同时功率参数及谐波参数的测量结果均满足指标要求。
翟怡然[8](2020)在《基于嵌入式实时Linux及AUTOSAR的跨平台技术研究与实现》文中研究表明伴随着汽车的逐渐普及和消费者群体对于汽车的各方面性能要求越来越高,汽车软件规模随之增长,导致了汽车的E/E(Electrical Electronic Architecture)架构也日趋复杂化。为了解决传统汽车的E/E架构的不统一,代码跨平台性差等问题,全球主要汽车厂商、一级供应商和半导体公司于2003年联合提出了基于AUTOSAR(Automotive Open System Architecture)标准的操作系统,为未来世界上汽车电子领域实时操作系统的发展开辟了一个主流方向。目前国内外依然有许多其他通用的实时操作系统如美国风河公司的Vxworks操作系统、QNX操作系统、基于RT-Preempt实时Linux操作系统和国内的Delta OS、RT-Thread等。这些通用实时操作系统在汽车电子领域、工业控制领域和航空航天等领域发挥着重要的作用。本文进行了基于AUTOSAR标准的操作系统和其他通用实时操作系统的嵌入式跨平台技术的研究,提出了基于AUTOSAR OS系统平台和实时Linux系统平台开发RTARPLAT(RT-Preempt Linux AUTOSAR Platform)平台,旨在为基于AUTOSAR标准的操作系统和实时Linux操作系统提供统一的嵌入式应用程序编程接口,主要研究内容如下:(1)提出了采用分层架构的思想设计基于RTARPLAT的跨平台嵌入式体系结构,这种分层架构有效地屏蔽了底层的实现细节,对上层应用程序提供了统一的应用编程接口;(2)通过对比实时Linux嵌入式应用程序和基于AUTOSAR OS嵌入式应用程序,提出了基于模块化的技术去定义和实现应用接口层和系统库层,这种设计方法提高了RTARPLAT平台更新升级的灵活性;(3)针对RTARPLAT平台的应用层接口,提出了在RTARPLAT平台的系统匹配层以预处理技术判断当前所处系统平台进而调用系统库层相应平台子库接口函数去实现应用层接口。通过实验对比标准Linux系统平台的实时性和实时Linux系统平台的实时性,验证了该实时Linux系统平台达到了实时操作系统的标准。架构了RTARPLAT的实验平台,并在实验平台上分别移植了基于RTARPLAT的跨平台嵌入式应用程序,验证了RTARPLAT平台的有效性。
徐应朝[9](2020)在《抗逆向分析的ELF文件保护技术研究与实现》文中进行了进一步梳理随着计算机技术的快速发展和进步,软件被越来越多地应用到各行各业中,几乎已经成为每个人生活中必备的工具。在软件行业快速发展的同时,二进制分析技术和逆向工程技术也在快速的发展和进步,目前已经有成熟的自动化逆向工具集出现,这使得对软件的分析能力和分析效率大大提高,给软件的安全性和版权问题带来了极大威胁。为应对逆向分析给软件带来的安全威胁,目前主要采取的保护措施有:一、加壳,使用强度比较高的虚拟壳或者通过自己编写的生僻壳对目标软件进行加壳保护;二、代码混淆,通过对软件进行代码混淆处理来改变程序的逻辑结构和增加程序的复杂度,以此来增加逆向分析的难度。本文以增强ELF文件抵抗逆向分析的能力为目的,对Linux平台下的ELF文件的加壳和代码混淆技术进行了重点研究,本文的主要工作包括:一、ELF文件加壳技术的研究。首先通过对ELF文件的加载过程和ELF文件常见加壳方法的原理进行分析,总结出常见加壳方法存在的不足,然后提出了一种包含式ELF文件加壳方法。该加壳方法使得ELF文件壳的加密与解密或压缩与解压缩算法能够更加容易进行更换。二、ELF二进制混淆技术的研究。首先对常见二进制混淆技术进行了分析,总结出常见二进制混淆方法的不足,然后提出了一种基于函数间基本块交换的二进制混淆算法,给出了混淆算法的整体思想,并对混淆算法进行了详细描述,包括混淆算法的形式化定义和混淆算法中基本块进行交换使用的具体算法和混淆后二进制文件的重构等。三、根据所提出的ELF文件加壳方法和混淆算法设计并实现了一个ELF文件保护系统,系统包括一个ELF文件加密壳和一个ELF文件混淆器。分别就ELF文件加密壳和ELF文件混淆器的设计与实现进行了详细描述,并就ELF文件加密壳和ELF文件混淆器分别进行了功能上的验证和性能上的评估。实验结果表明提出的加壳方法和二进制代码混淆算法均有效,都能够有效增强ELF文件抵抗逆向分析的能力。
姜海阔[10](2020)在《基于卷积神经网络的人脸识别系统设计》文中指出随着人工智能领域技术的不断完善和发展,人脸识别技术已经携手各个领域进行了深度的融合,由于深度学习的问世和人脸识别技术研究的不断深入,二者相互需求推动了各自的发展。随后,人脸识别技术被应用到互联网,随之衍生出了表情识别、人体位姿识别等,并且作为一种可靠的身份识别技术,广泛应用到了安防等领域。人脸识别也已经融入人们日常生活中,如高铁入站身份验证、门禁系统、打卡签到等,为人们生活提供极大便利。本文的目的是在Windows平台设计一个具有人脸识别功能的应用软件,本系统使用深度学习技术应对大量人脸数据问题,并且利用Caffe开源框架设计了一个卷积神经网络用于人脸识别。本系统分别在Windows和Linux平台设计了人脸识别客户端和服务器,利用TCP/IP协议使前后端通信,形成完整的人脸识别系统。本论文首先对卷积神经网络和人脸识别研究现状和应用领域及相关知识进行简要阐述,并且介绍了深度学习框架Caffe,对于其优缺点同其他深度学习框架进行比较。详细描述了Caffe的优点,三大模块,基本结构和开发环境的搭建。随后,设计了拥有5个卷积层和3个池化层的卷积神经网络,并使用Caltech人脸数据集训练人脸模型。通过特征可视化分析和实验结果得出结论:本文设计的人脸模型可以更好的表征人脸,识别率比传统的特征脸表征方法好。并且,本文设计的网络模型相比VGG等成熟的卷积神经网络,层级数比较少,复杂度低。而且能达到识别率的要求。利用训练得到的人脸模型,分别在Windows平台设计实现人脸识别客户端,负责与人交互和采集人脸图像并与服务器通信。在Linux平台实现人脸识别服务器,包含人脸识别模块和注册、登录、上传人脸信息、与My Sql数据库交互的存储等功能的设计实现。最后,本论文对设计的人脸识别系统进行测试:在光线优良,无面部遮挡的情况下,人脸识别正确率高,足以满足日常产品需求,可应用于Windows平台下软件的人脸登录和人脸支付等。
二、Linux平台的架构(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、Linux平台的架构(论文提纲范文)
(1)基于视频处理的仓库监控系统设计(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 仓库监控系统的发展现状 |
1.2.2 视频监控技术的发展现状 |
1.3 本文研究目的和内容 |
1.4 本文组织结构 |
2 系统硬件平台设计 |
2.1 系统硬件平台总体设计 |
2.2 参数模块设计 |
2.2.1 核心控制模块 |
2.2.2 传感器采集模块 |
2.2.3 以太网模块 |
2.3 视频模块设计 |
2.3.1 嵌入式微处理器 |
2.3.2 嵌入式开发板 |
2.3.3 摄像头模块 |
2.3.4 短信预警模块 |
2.3.5 无线模块 |
2.4 本章小结 |
3 运动目标与火焰目标检测研究 |
3.1 视频图像预处理 |
3.1.1 图像灰度化处理 |
3.1.2 图像滤波处理 |
3.1.3 图像形态学处理 |
3.2 运动目标检测 |
3.2.1 运动目标检测算法研究 |
3.2.2 运动目标检测结果分析 |
3.3 火焰目标检测 |
3.3.1 火焰目标颜色模型 |
3.3.2 火焰目标动态特征检测 |
3.4 基于Kalman滤波的目标跟踪 |
3.5 本章小结 |
4 系统开发环境构建 |
4.1 嵌入式开发环境构建 |
4.1.1 虚拟机和Redhat安装 |
4.1.2 交叉编译器移植 |
4.2 嵌入式Linux系统移植 |
4.2.1 嵌入式Linux系统简介 |
4.2.2 BootLoader移植 |
4.2.3 系统内核移植 |
4.2.4 根文件系统移植 |
4.3 计算机视觉库OpenCV及移植 |
4.3.1 OpenCV视觉库简介 |
4.3.2 OpenCV视觉库移植 |
4.4 本章小结 |
5 系统软件功能设计 |
5.1 参数采集功能设计 |
5.1.1 参数采集与传输程序设计 |
5.1.2 SQLite数据库及移植 |
5.1.3 参数接收与存储程序设计 |
5.2 视频监控功能设计 |
5.2.1 V4L2视频采集程序设计 |
5.2.2 OpenCV视频分析程序设计 |
5.2.3 基于C/S模式的视频传输 |
5.2.4 基于B/S模式的视频传输 |
5.3 短信预警功能设计 |
5.4 基于C/S模式的交互功能设计 |
5.4.1 Qt Creator的安装和配置 |
5.4.2 客户端界面设计 |
5.5 基于B/S模式的交互功能设计 |
5.5.1 Boa服务器及移植 |
5.5.2 HTML网页设计 |
5.5.3 CGI程序设计 |
5.5.4 内网穿透技术研究 |
5.6 本章小结 |
6 系统测试与分析 |
6.1 数据采集测试 |
6.2 视频监控测试 |
6.3 异常记录及预警测试 |
6.4 目标识别测试 |
6.4.1 运动目标识别测试 |
6.4.2 火焰目标识别测试 |
6.5 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
攻读学位期间的研究成果 |
致谢 |
(2)面向嵌入式系统的实时信号通道技术研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 研究的背景与意义 |
1.2 国内外研究现状分析 |
1.2.1 高速串行总线通信 |
1.2.2 万兆以太网 |
1.2.3 TCP/IP卸载引擎技术 |
1.3 本文要点及组织结构 |
2 课题相关技术概述 |
2.1 现场可编程门阵列 |
2.2 Aurora总线协议 |
2.3 TCP/IP协议栈 |
2.3.1 网际协议IP |
2.3.2 传输控制协议TCP |
2.4 AXI4 总线 |
2.4.1 AXI4 的类别及特点 |
2.4.2 AXI4 的架构和机制 |
2.4.3 AXI4 的结构互联 |
2.5 本章小结 |
3 系统总体方案 |
3.1 系统总体方案分析与论证 |
3.2 系统总体方案设计与架构 |
3.2.1 模块互联接口 |
3.2.2 时钟域划分 |
3.2.3 带宽评估 |
3.3 本章小结 |
4 基于Aurora的高性能串行数据传输系统 |
4.1 总体方案概述 |
4.2 逻辑功能模块设计 |
4.2.1 数据打包模块 |
4.2.2 数据仲裁模块 |
4.2.3 Aurora模块 |
4.2.4 数据拆包解析模块 |
4.2.5 DDR缓存模块 |
4.3 本章小结 |
5 基于TOE的高性能实时数据网络分发系统 |
5.1 总体方案概述 |
5.2 TCP/IP卸载引擎子系统设计 |
5.2.1 TCP传输层 |
5.2.2 IP网络层 |
5.2.3 万兆以太网子系统 |
5.3 数据流调度与分发 |
5.4 系统软件相关工作 |
5.5 本章小结 |
6 验证及测试 |
6.1 系统验证 |
6.1.1 基于Aurora的串行传输子系统验证 |
6.1.2 TCP/IP卸载引擎子系统验证 |
6.2 功能测试 |
6.2.1 ARP请求 |
6.2.2 TCP建立连接 |
6.2.3 Aurora收发端链路状况 |
6.2.4 数据包正常传输状况 |
6.2.5 差错重传恢复 |
6.2.6 TCP终止连接 |
6.2.7 数据传输全流程 |
6.2.8 系统传输正确性测试 |
6.3 性能分析 |
6.3.1 实际传输速率 |
6.3.2 多并发传输 |
6.3.3 CPU占用率 |
6.4 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
作者简历 |
(3)基于Phoebus/Alarms的加速器报警技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究背景 |
1.2 国内外研究概况 |
1.2.1 APS与ALH |
1.2.2 SNS与BEAST及Phoebus/Alarms |
1.2.3 TPS与基于LINE的报警系统 |
1.2.4 小结 |
1.3 论文的主要内容 |
第2章 报警系统开发环境 |
2.1 Phoebus |
2.2 Kafka |
2.2.1 Kafka的简介 |
2.2.2 Kafka的消息存储策略 |
2.2.3 Kafka在报警系统中的应用 |
2.3 ElasticSearch |
2.3.1 ElasticSearch的简介 |
2.3.2 ElasticSearch在报警系统中的应用 |
2.4 Kibana |
2.4.1 Kibana的简介 |
2.4.2 Kibana以表格的形式展示历史报警信息 |
2.5 Anaconda |
2.6 前后端分离的网页架构 |
2.6.1 网页架构选型 |
2.6.2 MVVM模式的简介 |
2.6.3 前后端分离的网页架构在报警系统中的应用 |
2.7 开发环境的建立 |
第3章 报警系统的设计与开发 |
3.1 报警系统总体架构 |
3.2 报警类型与报警严重程度 |
3.2.1 报警类型 |
3.2.2 报警严重程度 |
3.2.3 报警类型与报警严重程度的映射关系 |
3.2.4 报警状态的锁存机制与确认 |
3.3 Alarms中的人机交互界面 |
3.3.1 Alarm Tree |
3.3.2 Alarm Table |
3.3.3 Alarm AreaPanel |
3.3.4 Annunciator |
3.3.5 小结 |
3.4 报警信息查询网页的设计与开发 |
3.4.1 设计理念 |
3.4.2 后端服务程序的设计 |
3.4.3 后端服务程序的开发 |
3.4.4 前端界面的设计 |
3.4.5 前端界面的开发 |
3.5 微信和短信发布程序的设计与开发 |
3.5.1 设计理念 |
3.5.2 程序架构 |
3.5.3 报警信息的处理流程 |
3.5.4 配置文件 |
3.5.5 微信和短信消息的发送 |
3.6 报警参数的自动配置 |
3.6.1 配置信息的集中管理和分布式管理 |
3.6.2 配置信息的收集与导入 |
3.6.3 功能测试 |
第4章 报警系统部署与测试 |
4.1 合肥光源报警系统部署 |
4.1.1 报警系统服务器的部署 |
4.1.2 网页前端服务器的部署 |
4.2 合肥光源报警系统测试 |
4.2.1 Alarms中自带组件的测试 |
4.2.2 报警信息查询网页的测试 |
4.2.3 微信和短信发布程序的测试 |
4.3 IR-FEL报警系统的部署与测试 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
附录A 开发环境的建立文档 |
A.1 操作系统与文件目录结构 |
A.2 EPICS Base的安装 |
A.3 创建IOC应用 |
A.4 Phoebus的安装 |
A.5 Phoebus/Alarms相关环境的安装 |
A.6 Anaconda的安装 |
A.7 nvm的安装 |
附录B 配置文件与脚本 |
B.1 A.db |
B.2 B.db |
B.3 C.db |
B.4 server.properties |
B.5 zookeeper.properties |
B.6 zookeeper-start |
B.7 kafka-start |
B.8 create_alarm_topics.sh |
B.9 Demo.xml |
B.10 报警系统服务器启动脚本 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
(4)无线自组网规模化混合路由关键技术研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 无线自组网综述 |
1.1.1 概论 |
1.1.2 无线自组网的特点 |
1.1.3 无线自组网的体系结构 |
1.1.4 无线自组网常用路由协议 |
1.1.5 无线自组网应用场景 |
1.2 无线自组网混合路由协议的研究现状和意义 |
1.2.1 研究背景 |
1.2.2 发展现状 |
1.3 论文工作安排 |
2 混合路由协议工作原理 |
2.1 传统混合路由协议 |
2.1.1 概述 |
2.1.2 路由表 |
2.1.3 域内路由 |
2.1.4 域间路由 |
2.2 区域选择路由协议ZRP工作原理 |
2.2.1 ZRP的概述 |
2.2.2 ZRP的路由过程 |
2.2.3 维护和管理路由表 |
2.3 混合路由协议的不足之处 |
2.4 本章小结 |
3 ZRP_M路由协议设计 |
3.1 路由协议设计方案和目标 |
3.2 ZRP_M协议 |
3.2.1 ZRP_M协议新机制 |
3.2.2 ZRP_M路由表结构 |
3.2.3 ZRP_M协议路由信息结构 |
3.2.4 ZRP_M协议流程 |
3.3 ZRP_M协议性能分析与对比 |
3.3.1 域内网络开销分析 |
3.3.2 最佳区域半径 |
3.4 本章小结 |
4 基于NS2 平台的ZRP_M协议性能验证 |
4.1 NS2平台介绍 |
4.1.1 NS2平台介绍 |
4.1.2 操作流程 |
4.1.3 NS2中的相关工具介绍 |
4.1.4 NS2中添加ZRP协议 |
4.2 仿真分析 |
4.2.1 性能指标 |
4.2.2 仿真分析 |
4.3 本章小结 |
5 基于ARM_LINUX平台的网络层功能设计与实现 |
5.1 ARM-LINUX平台介绍 |
5.2 网络层协议框架设计 |
5.3 网络层协议功能模块 |
5.3.1 代码合理规范标准 |
5.3.2 接口模块 |
5.3.3 传输模块 |
5.3.4 路由模块 |
5.3.5 资源模块 |
5.4 可工程化测试 |
5.4.1 网络环境 |
5.4.2 测试内容与结果 |
5.5 本章小结 |
6 结论 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(5)基于ELF文件的漏洞防御技术研究与实现(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 研究内容 |
1.4 论文结构 |
第二章 软件漏洞利用与防御相关技术 |
2.1 软件漏洞的分类 |
2.1.1 栈溢出漏洞 |
2.1.2 堆溢出漏洞 |
2.1.3 格式化字符串漏洞 |
2.1.4 重复释放漏洞 |
2.2 已有的漏洞缓解机制 |
2.2.1 Canary漏洞缓解机制 |
2.2.2 NX漏洞缓解机制 |
2.2.3 ASLR漏洞缓解机制 |
2.3 现代软件漏洞利用技术 |
2.3.1 漏洞利用相关技术介绍 |
2.3.2 栈溢出漏洞利用技术 |
2.3.3 堆溢出漏洞利用技术 |
2.3.4 格式化字符串漏洞利用技术 |
2.3.5 漏洞利用特征分析 |
2.4 本章小结 |
第三章 静态漏洞防御技术研究与实现 |
3.1 ELF文件格式分析 |
3.1.1 ELF文件类型 |
3.1.2 ELF头部 |
3.1.3 节区头部表 |
3.1.4 程序头部表 |
3.1.5 ELF的执行视图和链接视图 |
3.2 Segment扩展技术研究 |
3.2.1 Segment分析 |
3.2.2 Segment扩展方案 |
3.2.3 Segment扩展效果 |
3.3 SECCOMP保护代码研究 |
3.3.1 SECCOMP规则设计 |
3.3.2 保护代码设计与实现 |
3.4 静态漏洞防御子系统架构设计与实现 |
3.4.1 Segment扩展模块 |
3.4.2 SECCOMP保护模块 |
3.4.3 控制流修改模块 |
3.5 本章小结 |
第四章 动态漏洞防御技术研究与实现 |
4.1 函数动态代理技术 |
4.2 Backtrace Canary漏洞缓解机制 |
4.2.1 函数调用的栈布局分析 |
4.2.2 Backtrace CFG原理分析 |
4.2.3 Backtrace Canary设计原理 |
4.2.4 Backtrace Canary绕过难度分析 |
4.3 动态漏洞防御子系统设计与实现 |
4.3.1 Controller模块 |
4.3.2 Patcher模块 |
4.3.3 Proxy模块 |
4.3.4 Guard模块 |
4.4 本章小结 |
第五章 系统测试与评估 |
5.1 测试对象 |
5.2 测试环境与测试样本集 |
5.2.1 测试环境 |
5.2.2 测试样本集 |
5.3 静态漏洞防御子系统防御效果测试 |
5.3.1 栈溢出漏洞利用防御 |
5.3.2 堆溢出漏洞利用防御 |
5.3.3 格式化字符串漏洞利用防御 |
5.3.4 漏洞防御测试小结 |
5.4 动态漏洞防御子系统防御效果测试 |
5.4.1 栈溢出漏洞利用防御 |
5.4.2 堆溢出漏洞利用防御 |
5.4.3 格式化字符串漏洞利用防御 |
5.4.4 包含execve函数调用程序的漏洞防御 |
5.4.5 性能测试 |
5.4.6 漏洞防御测试小结 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 不足与展望 |
参考文献 |
致谢 |
作者攻读学位期间发表的学术论文目录 |
(6)Linux平台微型高光谱仪数据传输与处理系统研究(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 |
1.3 本文的主要研究内容 |
第二章 嵌入式Linux系统平台微型高光谱仪 |
2.1 光谱仪系统的设计方案 |
2.1.1 采集平台的硬件系统 |
2.1.2 嵌入式Linux平台 |
2.2 系统引导程序uboot移植 |
2.3 设备树配置 |
2.4 Linux内核移植 |
2.5 Linux根文件系统制作 |
2.6 驱动程序开发 |
2.6.1 Linux设备驱动 |
2.6.2 平台总线框架 |
2.6.3 DMA驱动程序开发 |
2.6.4 SPI驱动程序开发 |
2.7 wifi驱动移植 |
2.8 本章小结 |
第三章 高光谱数据采集及光谱通道分离处理 |
3.1 网络套接字服务 |
3.2 光谱数据的采集与处理 |
3.2.1 光谱数据采集 |
3.2.2 光谱图像创建 |
3.2.3 光谱通道分离 |
3.2.4 光谱立方数据创建 |
3.3 光谱仪的参数设置 |
3.4 本章小结 |
第四章 高光谱数据视频流编码传输 |
4.1 高光谱仪视频流服务设计方案 |
4.2 H.264 视频编码介绍 |
4.2.1 H.264 编码原理 |
4.2.2 H.264 码流结构 |
4.3 图像格式转换 |
4.4 基于FFmpeg库的H.264 编码 |
4.5 基于live555 库的RTSP视频流服务器开发 |
4.5.2 创建RTSP Server |
4.5.3 建立媒体连接 |
4.5.4 H.264 视频数据的封装与传输 |
4.6 本章小结 |
第五章 高光谱图像解码与显示 |
5.1 光谱仪终端应用软件的设计 |
5.2 光谱数据采集和参数设置模块 |
5.3 视频流预览模块 |
5.3.1 RTSP视频流接收 |
5.3.2 H.264 视频解码 |
5.3.3 图像格式转换 |
5.3.4 视频显示 |
5.4 光谱数据处理 |
5.4.1 数据处理界面的文件管理 |
5.4.2 光谱图像的加载和显示 |
5.4.3 像元光谱特征曲线提取及显示 |
5.4.4 光谱图像导出 |
5.5 本章小结 |
第六章 高光谱数据传输与处理系统测试与分析 |
6.1 微型光谱仪测试平台 |
6.2 测试结果与分析 |
6.2.1 光谱仪桌面应用介绍 |
6.2.2 光谱仪桌面应用测试 |
6.3 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
深圳大学指导教师对研究生学位论文的学术评语 |
答辩委员会决议书 |
附录一 |
附录二 |
致谢 |
攻读硕士学位期间的研究成果 |
(7)基于Linux的LXI功率分析模块软件设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状及发展趋势 |
1.3 本文的主要工作与功能指标 |
1.4 论文的结构和安排 |
第二章 LXI功率分析模块方案设计 |
2.1 总体方案设计 |
2.2 底层软件设计方案 |
2.3 LXI软件方案 |
2.3.1 LXI软件的C/S模式设计方案 |
2.3.2 LXI软件的B/S模式设计方案 |
2.3.3 多服务程序交互 |
2.4 本章小结 |
第三章 C/S架构软件设计 |
3.1 概述 |
3.2 RPC服务程序 |
3.2.1 Portmap端口映射服务程序的移植 |
3.2.2 线程函数设计 |
3.2.3 服务器读写API设计 |
3.3 PC客户端设计 |
3.3.1 客户端框架 |
3.3.2 IP搜索 |
3.3.3 界面布局设计 |
3.3.4 驱动程序设计 |
3.4 配置及程控界面设计 |
3.4.1 登录界面 |
3.4.2 欢迎界面 |
3.4.3 LAN配置界面 |
3.4.4 SCPI指令收发界面 |
3.4.5 SCPI指令集 |
3.5 仪器显示界面设计 |
3.5.1 功率分析界面 |
3.5.2 谐波分析界面 |
3.5.3 波形显示界面 |
3.6 程控指令设计 |
3.7 本章小结 |
第四章 B/S架构软件设计 |
4.1 概述 |
4.2 LXI应用服务器的实现 |
4.2.1 端口监听 |
4.2.2 应用服务程序 |
4.3 Web服务器的实现 |
4.4 Web架构选型 |
4.4.1 常用前端架构简介 |
4.4.2 ECharts简介 |
4.4.3 本节小结 |
4.5 Web页面设计 |
4.5.1 Web页面加载设计 |
4.5.2 界面刷新设计 |
4.6 数据传输优化设计 |
4.7 本章小结 |
第五章 功率分析与运算 |
5.1 简介 |
5.2 运算方案设计 |
5.2.1 参数运算设计 |
5.2.2 参数运算的流程设计 |
5.3 功率及谐波参数的运算 |
5.3.1 功率参数的运算 |
5.3.2 谐波参数的运算 |
5.4 数据运算的软件实现与数据交互 |
5.4.1 数据运算的软件实现 |
5.4.2 数据交互 |
5.5 本章小结 |
第六章 软件功能测试 |
6.1 测试平台搭建 |
6.2 软件通讯测试 |
6.2.1 软件连通性测试 |
6.2.2 吞吐量测试 |
6.2.3 跨局域网测试 |
6.3 界面功能测试 |
6.2.1 程控功能测试 |
6.2.2 仪器功能测试 |
6.4 LXI网页性能测试 |
6.4.1 LXI网页加载测试 |
6.4.2 LXI网页多平台登录测试 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
致谢 |
参考文献 |
(8)基于嵌入式实时Linux及AUTOSAR的跨平台技术研究与实现(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题背景 |
1.2 国内外研究现状 |
1.2.1 通用实时操作系统的国内外研究现状 |
1.2.2 AUTOSAR国内外研究现状 |
1.3 实时操作系统的选择 |
1.3.1 AUTOSAR OS |
1.3.2 基于RT-Preempt的实时Linux操作系统 |
1.4 本文研究内容与贡献 |
1.5 本文组织结构 |
1.6 本章小结 |
第2章 跨平台技术研究 |
2.1 跨平台技术的概念及作用 |
2.2 RTAR_PLAT平台的开发语言选择 |
2.3 跨平台技术的选择 |
2.4 本章小结 |
第3章 基于RTAR_PLAT的跨平台嵌入式体系结构设计 |
3.1 RTAR_PLAT平台的研制目标 |
3.2 RTAR_PLAT平台的设计思想 |
3.3 基于分层架构的跨平台嵌入式体系结构 |
3.3.1 传统的嵌入式体系结构 |
3.3.2 跨平台嵌入式体系结构 |
3.4 RTAR_PLAT平台的详细设计 |
3.4.1 基于模块化技术的应用接口层设计 |
3.4.2 基于预处理技术的系统匹配层设计 |
3.4.3 基于模块化技术的系统库层的设计 |
3.5 RTAR_PLAT平台的交互过程 |
3.6 本章小结 |
第4章 RTAR_PLAT平台及跨平台应用的实现 |
4.1 应用接口层的实现 |
4.2 系统匹配层和系统库层实现 |
4.2.1 系统匹配层实现 |
4.2.2 系统库层实现 |
4.3 基于RTAR_PLAT平台的跨平台应用实现 |
4.3.1 车灯车笛跨平台应用 |
4.3.2 车用雷达跨平台应用 |
4.3.3 Spi总线通信跨平台应用 |
4.4 RTAR_PLAT平台的优势 |
4.5 本章小结 |
第5章 RTAR_PLAT平台可行性测试 |
5.1 系统平台简介 |
5.1.1 实时Linux系统平台 |
5.1.2 AUTOSAR OS系统平台 |
5.2 实时Linux操作系统在ARM平台上的实现 |
5.3 基于RTAR_PLAT跨平台应用程序可行性检测 |
5.3.1 跨平台应用程序的开发及部署 |
5.3.2 基于RTAR_PLAT的跨平台车灯车笛程序检测 |
5.3.3 基于RTAR_PLAT的跨平台车用雷达程序检测 |
5.3.4 基于RTAR_PLAT的跨平台Spi通信程序检测 |
5.4 实时Linux系统平台实时性检测 |
5.4.1 测试工具简介 |
5.4.2 实时性检测 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 工作展望 |
参考文献 |
作者简介及科研成果 |
致谢 |
(9)抗逆向分析的ELF文件保护技术研究与实现(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 国内外研究历史与现状 |
1.3 本文的研究内容与创新 |
1.4 论文的结构安排 |
第二章 抗逆向分析的ELF文件保护技术 |
2.1 ELF文件格式 |
2.1.1 ELF文件的类型 |
2.1.2 ELF文件结构 |
2.1.3 ELF文件头 |
2.1.4 ELF程序头表 |
2.1.5 ELF节头表 |
2.2 软件逆向分析 |
2.3 ELF文件对抗逆向分析的常见方法 |
2.3.1 加壳 |
2.3.1.1 压缩壳 |
2.3.1.2 加密壳 |
2.3.2 代码混淆 |
2.3.2.1 定义 |
2.3.2.2 分类 |
2.3.2.3 有效性评估 |
2.4 本章小结 |
第三章 ELF文件加壳技术研究与实现 |
3.1 ELF文件加壳技术 |
3.1.1 ELF文件的加载过程 |
3.1.2 常见ELF文件壳原理 |
3.1.3 包含式ELF文件加壳方法 |
3.2 ELF文件加密壳 |
3.2.1 打包器设计与实现 |
3.2.2 解密存根设计与实现 |
3.2.2.1 总体设计 |
3.2.2.2 运行时加载运行 |
3.2.3 反调试和反虚拟机等功能 |
3.3 本章小结 |
第四章 二进制混淆技术研究与实现 |
4.1 常用的二进制代码混淆技术 |
4.1.1 插入花指令 |
4.1.2 代码乱序 |
4.1.3 常量展开 |
4.1.4 调用地址隐藏 |
4.1.5 指令移动 |
4.2 基于函数间基本块交换的混淆算法 |
4.2.1 基本思想 |
4.2.2 算法描述 |
4.3 ELF二进制混淆器的设计与实现 |
4.3.1 总体设计 |
4.3.2 二进制分析器设计与实现 |
4.3.3 混淆器的设计与实现 |
4.3.4 ELF二进制文件重构 |
4.4 本章小结 |
第五章 系统实现与测试 |
5.1 系统实现 |
5.2 功能验证 |
5.2.1 加密壳功能验证 |
5.2.2 混淆器功能验证 |
5.3 性能评估 |
5.3.1 加密壳性能评估 |
5.3.2 混淆器性能评估 |
5.4 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 |
攻读硕士学位期间取得的成果 |
(10)基于卷积神经网络的人脸识别系统设计(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景和意义 |
1.2 国内外研究现状与分析 |
1.3 本文主要研究内容 |
第2章 Caffe介绍及环境配置 |
2.1 深度学习框架Caffe简介 |
2.2 Caffe开发环境配置 |
2.3 Caffe三大模块 |
2.4 Caffe的基本结构 |
2.5 使用卷积神经网络进行人脸识别的原理 |
2.6 本章小结 |
第3章 卷积神经网络的设计 |
3.1 卷积神经网络基本结构 |
3.1.1 卷积层 |
3.1.2 池化层 |
3.1.3 Soft Max层 |
3.2 深度卷积神经网络设计 |
3.2.1 卷积层设计 |
3.2.2 池化层设计 |
3.2.3 卷积神经网络的设计 |
3.3 实验测试与结果分析 |
3.3.1 实验数据集 |
3.3.2 测试结果分析 |
3.4 本章小结 |
第4章 人脸识别系统的设计 |
4.1 人脸识别系统流程及用到的开源库 |
4.1.1 Open CV计算机视觉库 |
4.1.2 室外光照条件下的人脸识别 |
4.1.3 并行计算框架CUDA |
4.2 基于MFC的客户端设计 |
4.2.1 界面及人脸检测模块 |
4.2.2 客户端网络模块 |
4.2.3 中介者模块 |
4.3 基于epoll模型的服务端设计 |
4.3.1 服务端网络模块 |
4.3.2 服务端人脸识别功能模块 |
4.3.3 MySQL数据库操作模块 |
4.4 系统测试 |
4.4.1 测试环境 |
4.4.2 功能测试 |
4.4.3 性能测试 |
4.5 本章小结 |
结论 |
参考文献 |
攻读学位期间发表的学术成果 |
致谢 |
四、Linux平台的架构(论文参考文献)
- [1]基于视频处理的仓库监控系统设计[D]. 董谱. 华中师范大学, 2021(02)
- [2]面向嵌入式系统的实时信号通道技术研究[D]. 刘培东. 浙江大学, 2021(01)
- [3]基于Phoebus/Alarms的加速器报警技术研究[D]. 陈鑫. 中国科学技术大学, 2020(01)
- [4]无线自组网规模化混合路由关键技术研究[D]. 杨凯. 北京交通大学, 2020(03)
- [5]基于ELF文件的漏洞防御技术研究与实现[D]. 郁丛祥. 北京邮电大学, 2020(04)
- [6]Linux平台微型高光谱仪数据传输与处理系统研究[D]. 黄继小. 深圳大学, 2020(02)
- [7]基于Linux的LXI功率分析模块软件设计与实现[D]. 李浩. 电子科技大学, 2020(07)
- [8]基于嵌入式实时Linux及AUTOSAR的跨平台技术研究与实现[D]. 翟怡然. 吉林大学, 2020(08)
- [9]抗逆向分析的ELF文件保护技术研究与实现[D]. 徐应朝. 电子科技大学, 2020(07)
- [10]基于卷积神经网络的人脸识别系统设计[D]. 姜海阔. 哈尔滨理工大学, 2020(02)