基于软件定义传感网的智能指挥管理系统平台
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-12页 |
| 1.3 主要工作及组织结构 | 第12-16页 |
| 第二章 SDWSN技术和卷积神经网络概述 | 第16-26页 |
| 2.1 软件定义网络技术 | 第16-20页 |
| 2.1.1 软件定义网络的发展及应用 | 第16-18页 |
| 2.1.2 OpenFlow技术 | 第18-19页 |
| 2.1.3 软件定义的无线网络概述 | 第19页 |
| 2.1.4 软件定义无线网络的优势和面临的挑战 | 第19-20页 |
| 2.2 卷积神经网络结构 | 第20-25页 |
| 2.2.1 卷积网络基本概念 | 第21-22页 |
| 2.2.2 卷积神经网络架构 | 第22-23页 |
| 2.2.3 神经网络模型 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 SDWSN的关键技术研究 | 第26-36页 |
| 3.1 SDWSN网络架构 | 第26-28页 |
| 3.1.1 SDWSN协议栈 | 第26-27页 |
| 3.1.2 网络流程 | 第27-28页 |
| 3.2 拓扑管理 | 第28-31页 |
| 3.2.1 网络拓扑发现 | 第29-30页 |
| 3.2.2 网络拓扑维护 | 第30-31页 |
| 3.3 流表策略 | 第31-34页 |
| 3.3.1 流表生成 | 第31-33页 |
| 3.3.2 流表下发 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 基于SSD的行人检测方法研究 | 第36-50页 |
| 4.1 SSD物体检测算法 | 第36-40页 |
| 4.1.1 SSD网络结构 | 第38-39页 |
| 4.1.2 SSD网络训练 | 第39-40页 |
| 4.2 自适应阈值调整算法 | 第40-43页 |
| 4.2.1 调整网络结构 | 第41页 |
| 4.2.2 增加行人先验信息 | 第41页 |
| 4.2.3 自适应阈值调整算法 | 第41-43页 |
| 4.3 基于SSD的行人跟踪算法 | 第43-45页 |
| 4.3.1 ResNet网络模型 | 第44页 |
| 4.3.2 目标相似度 | 第44-45页 |
| 4.4 评价指标 | 第45-48页 |
| 4.4.1 混淆矩阵 | 第46页 |
| 4.4.2 评价曲线 | 第46-47页 |
| 4.4.3 实验结果对比及分析 | 第47-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 智能园区指挥决策系统 | 第50-60页 |
| 5.1 软件定义无线传感网搭建 | 第50-54页 |
| 5.1.1 硬件平台搭建 | 第50-53页 |
| 5.1.2 组网过程 | 第53-54页 |
| 5.2 基于视频信息行人检测及跟踪系统 | 第54-57页 |
| 5.2.1 分析处理模块 | 第55页 |
| 5.2.2 图像采集模块 | 第55-56页 |
| 5.2.3 参数计算模块 | 第56页 |
| 5.2.4 数据发送模块 | 第56-57页 |
| 5.2.5 数据接收模块 | 第57页 |
| 5.3 本章小结 | 第57-60页 |
| 第六章 测试与结果分析 | 第60-66页 |
| 6.1 测试场景介绍 | 第60页 |
| 6.2 测试结果分析 | 第60-65页 |
| 6.2.1 SDWSN组网性能测试 | 第60-62页 |
| 6.2.2 SDWSN网络测试 | 第62-63页 |
| 6.2.3 行人检测与跟踪系统功能测试 | 第63-65页 |
| 6.3 本章小结 | 第65-66页 |
| 第七章 总结与展望 | 第66-68页 |
| 7.1 文章总结 | 第66页 |
| 7.2 下一步工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的论文目录 | 第74页 |
