| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题背景和研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究内容与方法 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 大数据处理平台 | 第13-23页 |
| 2.1 Hadoop分布式系统基础架构 | 第13-15页 |
| 2.2 Storm分布式实时计算系统 | 第15-17页 |
| 2.3 Spark快速的大数据处理引擎 | 第17-18页 |
| 2.4 HBase高性能分布式存储系统 | 第18-20页 |
| 2.5 Redis高性能的key-value内存数据库 | 第20页 |
| 2.6 Kafka高吞吐量的分布式发布订阅消息系统 | 第20-23页 |
| 第三章 深度学习目标检测与识别 | 第23-32页 |
| 3.1 深度学习及相关概念 | 第23-29页 |
| 3.1.1 卷积神经网络 | 第23-24页 |
| 3.1.2 深度学习目标检测典型方法 | 第24-29页 |
| 3.2 深度学习典型应用 | 第29-32页 |
| 3.2.1 目标检测 | 第29-30页 |
| 3.2.2 行为识别 | 第30页 |
| 3.2.3 图像描述 | 第30-32页 |
| 第四章 基于深度学习的智能交通视频处理框架的设计与实现 | 第32-48页 |
| 4.1 基于深度学习的智能交通视频大数据处理框架 | 第32-39页 |
| 4.1.1 流数据挖掘 | 第34-35页 |
| 4.1.2 离线数据挖掘 | 第35-37页 |
| 4.1.3 大数据存储技术 | 第37-38页 |
| 4.1.4 Storm的调度优化 | 第38-39页 |
| 4.2 基于深度学习的智能交通视频处理框架的主要元素设计解释 | 第39-43页 |
| 4.2.1 视频接入模块 | 第39-40页 |
| 4.2.2 视频处理与挖掘模块 | 第40页 |
| 4.2.3 存储集群 | 第40页 |
| 4.2.4 流媒体服务器 | 第40页 |
| 4.2.5 控制调度和协调 | 第40-41页 |
| 4.2.6 数据收集层 | 第41页 |
| 4.2.7 消息队列 | 第41页 |
| 4.2.8 服务协调 | 第41-42页 |
| 4.2.9 离线处理层 | 第42页 |
| 4.2.10 实时层 | 第42页 |
| 4.2.11 服务层 | 第42-43页 |
| 4.3 基于深度学习的智能交通视频处理框架的软件体系结构风格 | 第43-48页 |
| 4.3.1 在线和离线结合的体系结构风格 | 第43-44页 |
| 4.3.2 分布式共享存储的体系结构风格 | 第44-45页 |
| 4.3.3 基于深度学习的图像挖掘体系结构风格 | 第45-46页 |
| 4.3.4 其它软件体系结构风格 | 第46-48页 |
| 第五章 基于深度学习的智能视频处理框架的测试与分析 | 第48-56页 |
| 5.1 基于深度学习的智能交通视频处理框架评估 | 第48-53页 |
| 5.1.1 性能测试 | 第49-51页 |
| 5.1.2 可扩展性 | 第51-52页 |
| 5.1.3 容错性 | 第52-53页 |
| 5.2 基于深度学习的视频数据挖掘验证 | 第53-56页 |
| 总结与展望 | 第56-60页 |
| 课题主要完成的内容 | 第56页 |
| 课题创新点 | 第56页 |
| 后续研究工作 | 第56-57页 |
| 应用场景总结与展望 | 第57-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间取得的学术成果 | 第66-67页 |
| 致谢 | 第67页 |
