羁押场所目标定位预警管理系统设计与实现

来源 :上海交通大学 | 被引量 : 0次 | 上传用户:WWL6612
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
羁押场所作为国家的刑罚执行的重要设施,具有监控管理犯人的重要职能,高水平的管理可有效防止犯人逃脱再次危害社会。最近,羁押场所的押量犯人的数量持续上升,人控管理的传统模式已很难适应在押人员管控的发展要求,管控效率低下、警力严重不足、羁押人员动向难以掌控、安全预警能力差等日益突出,极易造成暴狱、越狱等安全隐患。因此,羁押场所监管部门以技术管控手段实现羁押场所目标的定位与预警需求强烈。本文所研究的核心课题就是针对当前羁押场所管控的矛盾问题,阐述了课题研究的重要意义,在深入研究ZigBee等相关技术的基础上,结合羁押场所管控需求,提出了羁押场所目标定位预警管理系统的设计方案。该方案可以实现对羁押场所目标人员的实时定位,并可对目标位置监控,根据预定规则告警。本文的设计和研究工作主要包括以下内容:1.本文给出了结合位置指纹(Fingerprint)的信号强度法实现羁押目标的定位算法。在RSSI(Received Signal Strength Indication)信号强度定位算法的基础上,利用指纹学习技术,减少复杂室内环境下的多径等原因引起的环境影响因素对定位所造成的干扰。2.本文根据羁押场所目标定位预警管理系统的需求进行了详细分析,并通过采用了以面向数据流和分层的分析方法建立了系统模型,依据模型及需求设计了系统的总体架构。3.本文设计了低功耗定位节点,通过片上的实时操作系统实现信号强度采集、传感信息与预警信息的采集、预处理和打包。在嵌入式系统的有限资源下选择轻量级信号预处理算法对RSSI信号进行采集和滤波。根据嵌入式系统的特点,研究了心跳脉冲工作的低功耗策略。4.本文设计了基于ZigBee定位的羁押场所监控管理系统,实现了羁押场所内的羁押目标定位以及告警等功能。系统主要包括系统注册、系统配置、目标监控、数据接入监控、定位算法和应用管理六个模块。
其他文献
随着生活的不断提高,穿暖已经远远不能满足大众的要求,如何穿出合适的搭配以及在不同场景下如何进行穿搭已经成为目前大众追求的目标。随着现代服装行业的发展,庞大的服装产
测验等值是指将考核同一心理品质的不同测验形式上的被试能力水平和项目参数转换到统一的单位系统中,使之能够相互比较的过程。在等值设计中,非等组锚测验是目前应用最多的方法。然而,在实际的锚测验的设计、编制和施测过程中,往往会有很多不可控的影响因素,致使抽样施测时的被试能力分布形态存在一些不规则的情况,从而影响锚测验的质量,影响锚测验的施测效果,进而影响测验等值的效果。本研究基于两参数逻辑斯蒂克模型,采用
本研究是关于短篇小说《画骨》的三种语言翻译—翻译成英文和法文—的翻译报告。此短篇小说的作者为中国作家谷第,虽然属于科幻类作品,其中包含不少和中国文化有关的元素。小说的故事背景是在不远的未来的北京,那是一个人体意识的复制和储存十分流行的时代,讲述的是一个警察对意识绑架案件的刑事侦查故事。此翻译报告主要展示了笔者对三种语言的翻译处理手段以及在翻译过程中遇到的特殊挑战。本翻译实践报告第一部分分析了原中文
精确、快速的挤奶奶牛个体识别技术是自动化养殖的重要组成部分,对保障奶牛健康、提高养殖场的管理能力和生产效益具有重要作用。针对传统人工耳标法识别效率低、易磨损、占
具有半导体特性的单层二硫化钼(1H-MoS2)以其卓越的物理化学性能,成为了纳光电子器件领域里备受推崇的应用材料之一。然而,目前针对现实制备过程中普遍存在的固有缺陷对其力
近年来,四参数逻辑斯蒂克模型重新引起研究者们的兴趣,但由于精确、稳健且实用的参数估计方法的缺失而一直未得到广泛的应用。本文从潜变量混合模型的视角改写了四参数逻辑斯蒂克模型,提出了期望三重最大化算法(Expectation-3-Maximization Algorithm,EMMM),并在结合贝叶斯方法后得到了贝叶斯期望三重最大化算法(Bayesian Expectation-3-Maximizat
随着我国工业化进程的加快,工业自动化水平不断提高。物流这个劳动力密集的行业要想降低成本,提高自动化水平显得尤为重要。物流AGV(自动引导车)作为室内仓库中重要的运输设
近年来平板显示产业规模持续扩大,智能手机,平板电脑等电子产品的兴起使得平板显示屏生产制造规格越来越大。在液晶面板生产过程中对其进行缺陷检测,则可以在确保产品良率的
计算机视觉在当今工业物联网中发挥着重要的作用,而图像识别是计算机视觉中最重要的部分之一,卷积神经网络算法由于其较高的识别精度成为图像识别的首选。在很多图像识别应用中,由于对实时性有一定要求,所以神经网络的推理需要在本地硬件上执行,如无人机的碰撞检测等。并且由于GPU功耗较高,限制了其在功耗与资源有限的嵌入式平台上使用,因此需要一种高能效、可配置的卷积加速器来满足卷积神经网络算法在嵌入式平台上的应用
过去的几十年中,由单目相机多方位拍摄的二维图像序列恢复三维非刚体结构NRSFM(non-rigid structure from motion)是机器视觉领域的研究热点之一。但处理NRSFM问题困难重重,