前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的卷積神經網絡的難點主題范文，僅供參考，歡迎閱讀并收藏。
關鍵詞：交通標志檢測；ITS；TSR；顏色檢測；形狀檢測
中圖分類號：TB
文獻標識碼：A
doi：10.19311/ki.16723198.2017.12.089
1引言
隨著經濟的發展，汽車出行在為人們帶來便利的同時也增加了安全事故的發生。智能交通系統ITS（Intelligent Transportation System）作為一種全新的汽車識別模式，能夠緩解交通事故的發生。具體表現在，汽車在行駛過程中，利用車載系統對交通標志進行識別，再反饋給駕駛員，為駕駛提供路況信息，使駕駛員能夠對路況做出準確的判斷，減少交通意外的發生。另一方面，對于無人駕駛和交通標志的識別，也l揮著重要的維護作用。
近幾十年來，交通標志檢測與識別受到了諸多學者的關注與研究，ITS在減少安全事故和緩解道路壓力方面發揮著重要作用，交通標志識別系統TSR（Traffic Sign Recognition）也應運而生。交通標志識別系統包括很多方面，交通標志檢測是其一個子方面，但其重視程度不言而喻，它的應用范圍很廣，如無人駕駛車輛和駕駛員輔助系統等，在行車過程中，為駕駛員提供實時路況檢測。雖然目前在交通標志檢測方面取得了一些突破性的進展和一些階段性的成果，但隨著道路環境的多樣化和不確定因素，使得檢測仍存在諸多困難。總的來說，交通標志檢測實用性強，關注度高，在任何時候熱度都不會消減，會引發更多的人去深入研究。
2交通標志檢測系統組成
交通標志檢測包括五部分：圖像采集，預處理，顏色分割，形狀檢測，精準定位。圖形的采集尤為重要，對于采集到傾斜的圖像，我們需要對其進行矯正處理。對于正常圖像，大多數情況我們需要對其做預處理，以消除光照等的影響，然后可以通過交通標志特有的顏色和形狀信息對其進行分割處理，以得到待選區域。再根據一些特定的算法對干擾區域進行剔除，從而得到目標區域。對于目前交通標志檢測的研究現狀，雖然取得了突破性的進展，但各種算法亦有優缺點，面對復雜多變的交通環境很難做出很好的檢測，所以有必要對交通標志的檢測進行更進一步的討論和研究。
3國內外研究現狀
3.1國外研究現狀
早在1987年日本就進行了交通標志的檢測與識別，采用了模板匹配的經典算法，其平均識別時間為0.5秒。發到國家也不甘落后，1993年美國針對“停車”的標志研究開發了ADIS系統，采用了顏色聚類的方法對目標進行檢測，然而AIDS存在一個明顯的缺陷，就是時間不穩定。為了滿通標志時間識別的精確性，1994年，戴姆勒-奔馳汽車公司與大學合作開發，最終，一個全新的系統誕生了，其速度之快令人嘆服，達到3.2s/幅，交通標志數據庫中，有40000多幅圖像，其識別準確率為98%。交通標志檢測與識別研究進入新千年。越來越多的科研工作者和科研機構加入到交通標志檢測與識別中去，使得檢測技術有了很大的進步。在2001年Winconsin大學的Liu和Ran基于HIS空間的顏色閾值分割法，結合神經網絡進行識別，經過實驗顯示該系統的準確率為95%。2005年Carethloy實驗室和Nick Barnes自動化研究所利用交通標志在圖形上的對稱性來確定交通標志的質心位置，其建立的交通標志識別系統的準確率為95%。在2009年Muhammad等人運用多個方法進行識別實驗得到最好的識別準確率為97%。2011年德國以德國交通標志數據庫（GTSRB）為基礎舉辦了交通標志識別大賽（IJCNN2011）。標志著交通標志檢測與識別受到了全世界的高度關注，這也促進了交通標志檢測與識別的研究進展。Ciresan等人在IJCNN2011大賽上采用深度卷積神經網絡（Deep Convolution Neural Network）識別算法得到了比人類識別平均率高的結果。2013年，對于交通標志檢測系統，Kim J.B將視覺顯著性模型運用到其中，使交通識別的準確性更高。
3.2國內研究現狀
與國外相比，在時間上，對于交通檢測系統，我國運用的稍微落后。在交通標志檢測研究方面，將顏色和形狀結合的相關檢測方法較為廣泛，在識別算法方面，國內一些學者也取得了顯著性的成果。在2000年郁梅提出了一種基于顏色的快速檢測方法。2004年，根據不變矩特征和BP神經網絡，王坤明等人對交通識別系統做了進一步的闡述。2008年，交通識別系統有了進一步的發展，以BP神經網絡為基礎，寧波大學朱雙東教授等人將交通標志的顏色區分成了五種最基本的顏色。2012年朱淑鑫在RGB和HIS空間上進行多閾值分割。2013年，“紅色位圖”方法被提出，其主要利用在邊緣信息的形狀檢測上，王剛毅希望通過這一方法來提高紅色圓形標志區域的檢測率。
4交通標志檢測算法現狀
我國的交通標志主要分為警告、禁止、指示三大類，交通標志顏色主要有紅色、藍色、黑色、黃色和白色五種基本顏色，交通標志的形狀有四大類，即三角形、矩陣、八邊形和圓形。目前針對道路交通標志檢測的算法主要是基于顏色的檢測、形狀的檢測以及顏色和形狀相結合的檢測，下面我們對常見的檢測方法進行簡單的概述。
4.1基于色的檢測方法
由于交通標志具有很明顯的顏色特征，所以很多文獻都對這一方法做了討論和研究。常見的顏色空間有RGB、HSI、Lab、Ycgcr、Ycbcr等。De La Escalear A等人運用RGB閾值的方法將顏色分類。但此方法受光照影響因素較大，為了減少光照等環境因素的影響，Ruta等人提出了RGB空間顏色增強的方法，這種方法可以快速將標志區域檢測出來。由于RGB空間亮度和色度的混合在一起的，后來研究者們運用了更符合人類對顏色的視覺理解的HIS、HSV空間。為了使交通標志的檢測精度更高，在HIS空間中設定閾值這個方法被提出了，事實上，一個交通標志可以由幾種顏色構成，因此，S.LafuenteCArroyo等人希望通過這種方法對于不同顏色的交通標志都能檢測出來。但HIS顏色空間聚類效果不好，因此，為了更好的對交通標志的顏色進行區分，選擇聚類效果好的顏色空間至關重要，在此基礎上，Jitendra N.Chourasia等人主張使用Ycbcr顏色區間。
4.2基于形狀的檢測方法
除了利用顏色對交通標志進行檢測之外，還可以利用交通標志的形狀，這也是其另一個重要的特點。最常用的檢測圓形和直線是Hough變換，事實證明，Kuo W J等人通過Hough變換，對交通標志進行檢測，效果顯著，但由于其計算量大的原因不適用于實時性監測。另一種形狀檢測法是基于拐角提取算法，Escalera等人提出拐角檢測算法，簡單來說，就是根據形狀的變化所產生的像素點判斷能否為拐點，來進行檢測，但是，其唯一的缺點是誤檢率也比較高。Rangarajan等人提出了一種最優拐角檢測方法，通過設計好的掩膜與圖像做卷積運算后將拐角檢測出來，魯棒性好。
4.3基于顏色和形狀的檢測方法
既然基于顏色和基于形狀的方法都不能得到很好的交通標志檢測，于是很多學者將這兩種方法結合起來，產生了綜合顏色和形狀的檢測方法。并也取得了一些顯著性的成果。M.Zadeh等人利用圖像處理的相關知識，先把圖像進行顏色分割，再運用形態學的相關方法提取區域邊緣，最后對待定區域進行跟蹤和幾何分析，從而提取得到目標檢測區域。但該方法對噪聲特別敏感。所以當圖像的噪聲很強時這種檢測方法的效果并不理想。
5交通標志檢測與識別難點
盡管近幾十年提出了很多新的檢測方法，但目前的研究成果還不能夠勝任復雜多變的現實場景。交通標志識別系統TSR設計到多個研究領域，包括圖像處理、人工智能、模式識別和機器學習等相關領域，因此，關于交通標志識別系統的研究任重而道遠，在未來，不管是自然場景下，還是復雜場景下，對于交通識別系統研究，都應重點關注。現階段交通標志檢測與識別主要面臨的困難和挑戰如下：
（1）環境對交通標志的影響。這主要表現在四季中風雨對交通標志的損壞，這在一定程度上會降低圖像的清晰度。交通標志長年暴露在外面，難免會出現變形、污損、褪色等情況，這對檢測也造成了困難。
（2）拍攝角度的影響。不同的拍攝角度對檢測具有比較大的影響，對傾斜的圖像我們需要對其做一個矯正處理。
（3）現場場景環境中有很多干擾物體，使得在分割的時候會把不是標志的物體也分割出來，對我們檢測帶來了一定程度上的干擾。
（4）交通標志類型復雜，種類多，目前所了解的就有130多種，包括警告標志、指示標志、禁令標志、指路標志等等，給檢測大大增加了難度。
（5）實時性改進的問題，由于汽車移動速度快，而且在移動過程中往往在一定程度上有抖動和變速等動作，捕捉到的圖像會產生變形模糊，處理時間過長會導致司機反應時間縮短。
（6）準確率有待進一步提升。準確率太低的話不但達不到駕駛輔助作用，反而會引起交通事故發生。
（7）沒有公用樣本數據。國內目前統一的評判標準和數據庫尚未建立起來。
（8）智能交通識別系統服務于大眾，因此需要考慮經濟成本問題。
綜合以上可知，由于在現實場景中以上問題的存在，所以在設計道路交通標志檢測與識別算法的時候必須有針對性的解決上訴問題。
6總結
總的來說，交通標志檢測與識別系統（TSR）的發展前景非常好，被廣泛運用于輔助駕駛系統、無人汽車駕駛和各種道路檢測標志的檢測修復等領域。本文主要對國內外的研究現狀做了一個回顧和分析，許多研究學者也做出了一些階段性的成果和進展，但由于自然環境下一些復雜多變的因素對檢測造成了困難和挑戰，因此TSR系統的研究還面臨許多難題有待解決。隨著人工智能和機器學習等算法的提升，我們堅信未來的道路交通標志檢測與識別會邁上一個新的臺階。
參考文獻
[1]徐華青，陳瑞南，林錦川等.道路交通標志檢測方法研究[J].福州大學學報，2010，（3）：387392.
[2]常發亮，黃翠，劉成云等.基于高斯顏色模型和SVM的交通標志檢測[J].儀器儀表學報，2014，35（1）：4349.
[3]Salichs M A.TRAFFIC SIGN DETECTION FOR DRIVER SUPPORT SYSTEMS[C].2001.
[4]Kehtarnavaz N，Griswold N C，Kang D S.Stop-sign recognition based on color/shape processing[J].Machine Vision and Applications，1993，6（4）：206208.
[5]Priese L，Lakmann R，Rehrmann V.Ideogram identification in a realtime traffic sign recognition system[C].Intelligent Vehicles 95 Symposium. Proceedings of the.IEEE，1995：310314.
[6]Liu H，Ran B.Vision-Based Stop Sign Detection and Recognition System for Intelligent Vehicles[J].Transportation Research Record Journal of the Transportation Research Board，2001，1748（1）：161166.
[7]Barnes N，Loy G，Shaw D，et al.Regular polygon detection[C].Tenth IEEE International Conference on Computer Vision.IEEE，2014：778785.
[8]Muhammad A S，Lavesson N，Davidsson P，et al.Analysis of Speed Sign Classification Algorithms Using Shape Based Segmentation of Binary Images[J].Lecture Notes in Computer Science，2009，5702：12201227.
[9]Kim J B.Detection of traffic signs based on eigen-color model and saliency model in driver assistance systems[J].International Journal of Automotive Technology，2013，14（3）：429439.
[10]郁梅，郁伯康.基于彩色D像的指示標志檢測[J].計算機工程與應用，2000，36（4）：169172.
[11]王坤明，許忠仁.基于不變矩和神經網絡的交通標志識別方法研究[J].計算機應用研究，2004，21（3）：254255.
[12]朱雙東，蔣甜甜，劉蘭蘭.基于顏色規格化的交通標志識別[J].計算機應用與軟件，2008，25（1）：220222.
[13]朱淑鑫.基于顏色特征的交通標志圖像分割研究[J].考試周刊，2012，（81）：111112.
[14]Wang G，Ren G，Jiang L，et al.Hole-based traffic sign detection method for traffic signs with red rim[J].The Visual Computer，2014，30（5）：539551.
[15]De l E A，Moreno L E，Salichs M A，et al.Road traffic sign detection and classification[J].IEEE Transactions on Industrial Electronics，1997，44（6）：848859.
[16]Ruta A，Li Y，Liu X.Real-time traffic sign recognition from video by class-specific discriminative features[J].Pattern Recognition，2010，43（1）：416430.
[17]Lafuente-Arroyo S，Salcedo-Sanz S，Maldonado-Basc，et al.A decision support system for the automatic management of keep-clear signs based on support vector machines and geographic information systems[J].2010，37（1）：767773.
[18]Chourasia J N，Bajaj P.Centroid Based Detection Algorithm for Hybrid Traffic Sign Recognition System[C].International Conference on Emerging Trends in Engineering and Technology.IEEE，2010：96100.
[19]Kuo W J，Lin C C.Two-Stage Road Sign Detection and Recognition[C].IEEE International Conference on Multimedia and Expo.IEEE Xplore，2007：14271430.
[20]De l E A，Moreno L E，Salichs M A，et al.Road traffic sign detection and classification[J].IEEE Transactions on Industrial Electronics，1997，44（6）：848859.
關鍵詞：視頻聯動；港航船閘；控制聯動；越線報警
船閘工程項目由很多系統組成，主要包括有計算機監控系統、視頻監視系統、越線報警系統、網絡廣播系統、供配電系統和船閘收費系統等。目前已建大部分系統都是分開獨立管理，由于系統較多，分散會給運行管理帶來不便、尤其對船閘安全運行帶來極大不利，只有將各個子系統進行融合統一、聯合工作才能提高工作效率、為船閘安全可靠運行提供了保障。
一、船閘視頻與控制智能聯動裝置
隨著監控技術的發展和船閘自身安全管理的需要，船閘每個閘首都安裝了十幾個乃至數十個監控攝像頭，目前船閘通過多個宮格的方式將多個攝像頭的畫面顯示在電腦或者大屏幕同一監視器上，供船閘運行調度人員監控船閘運行情況。然而，在船閘的實際運行過程中，船閘運行調度人員需要根據船閘運行的八個步驟，在某一時間段內重點關注部分宮格的視頻畫面，面對多角度多畫面的監視器，工作人員很難在短時間內找到需要重點關注的畫面且持續關注一段時間，頻繁切換更是容易導致視覺疲勞。船閘集中控制模式下，操作人員既要按照船閘操作工藝流程開關閘門閥門，又要調用不同視頻圖像確認其操作安全性，兩者之間頻繁切換，十分繁瑣，容易產生誤操作，效率較低。目前大部分船閘使用的視頻與控制聯動系統采用的舊版方案，只能在現地機房現地進行查看，需要靠人工干預操作，且使用過程中存在卡頓現象，效果不好。針對上述船閘在船舶過閘靠泊方面主要存在的問題，迫切需要通過船閘視頻與控制聯動改造工程來解決。船閘視頻與控制智能聯動裝置集控，通過采集航道交通控制系統的運行控制指令自動調用運行區域的相關攝像機視頻監控信號，可使在集控中心使運行人員迅速觀察到運行設備及運行現場的視頻，以最快的速度了解現場的運行情況，及時確保通航系統的設備安全可靠，船舶順利過閘。為保證網絡安全性，將控制系統與視頻系統在網絡層面完全隔離，聯動裝置直接讀取PLC的信號，不再與控制系統交換機連接。將視頻系統與控制系統在網絡上硬隔離。同時，為保證今后船閘控制系統/視頻系統調整時，盡量減少視頻與控制系統聯動設備的調整工作量，要求聯動裝置配置文件，設置操作界面，直接設置IP等參數，操作更簡單、易懂，維護更方便。
（一）智能聯動裝置主要功能
在船閘控制中心配置一套視頻與控制智能聯動裝置，用于放閘運行人員對現場運行設備進行監控。通過將視頻系統的數據和控制系統的數據進行實時聯動，滿足在船閘運行全過程中對不同的重點區域的重點查看的需要。其主要用來連接控制系統與視頻系統，通過將控制系統中獲取的關鍵運行數據，經過分析決策后提供給視頻系統使用，從而使視頻系統側的軟件發揮作用，起到了橋梁的作用。1.計算機監控系統對被監視設備進行操作時，視頻監視系統攝像機能自動轉向并顯示畫面，并能對重要部位設置實時監視功能，以判斷設備運轉是否正常、了解現場動態。系統主要能實現兩點功能。一是在船閘運行的特定步驟篩選重要視頻畫面并放大顯示，二是在船閘運行到下一個步驟時，重點畫面能夠自動進行切換。2.視頻監視系統具有與自動報警聯動功能，能依據計算機監控系統中重要設備的事故故障信號等有關報警信息，自動推出事故區域關聯攝像機的全屏報警畫面。
（二）智能聯動裝置實現方式
智能聯動裝置獲取設備運行狀態通過獨立的裝置處理器，能夠通過網絡modbus協議、opc協議等其他協議進行互相通信，共享船閘控制系統內監控系統內的操作數據，而不影響船閘的正常運行。通過分析總線數據包和預設的參數，處理器智能的識別當前操作進展的情況，并透過TCP/IP協議與監控終端通信，進行相應動作。視頻與控制聯動系統終端軟件根據預先與船閘相關人員的溝通，確定船閘的監控重點和順序。可以在收到聯動設備發出的動作信號后，切換視頻，控制監控區域放大顯示等操作，避免了人工干預，提高監控效率。軟件同時接收船閘上的多路監控視頻流，壓縮后以宮格的形式顯示在界面右側，操作人員同樣可以方便的操作該軟件，自主切換、放大任意一路監控視頻，有效提高監控設備的使用效率。
（三）智能聯動裝置系統主要功能
船只在進閘過程中需要關注的要點畫面一般由2-3個視頻畫面組成，需要對閘門附近船閘運行狀態進行監視，且每個畫面均以文字形式告知管理人員注意的內容，并且提示下一步船閘動作，閘室外船只全部進入完畢后，即船只全部進閘后，操作人員進行通過視頻監視確認無誤后，遠程操作閘門，使閘門開始關閉，此時重點畫面立刻切換成了新的需要關注的區域圖像。智能聯動裝置系統主要功能包括：1.視頻與控制智能聯動軟件是基于多任務、多平臺、實時性好、開放性好的集成軟件包。標準畫面和用戶組態畫面均為漢化系統。2.顯示功能：可根據需要自定義視頻監控畫面，包括監控畫面的大小，監控畫面的對象，視頻監控的畫面分割等，如根據現場開關閘門的控制信號或事故故障信號自動切換至預先設定好的切換畫面，畫面既可以為全屏顯示，也可以為四分屏、五分屏等任意分屏設置畫面且軟件正常運行過程中CPU占用率不超過50%。畫面自動推送與切換過程中響應速度不超過1秒。3.通訊功能：視頻與控制智能聯動軟件內嵌了多家PLC產品的多種硬件驅動程序，可以與多家PLC產品進行通訊，讀取PLC的相關信號。同時視頻與控制智能聯動軟件也可與海康等品牌的攝像機進行通訊，調取現場的攝像機視頻信號。4.安全功能：通過用戶認證系統，可防止外來的非法用戶接入，對內網用戶進行統一的用戶賬戶管理、行為管理的等一系列安全措施，保障網絡安全可靠的運行；系統分別設定操作員和系統管理員的權限。在運行環境下，可屏蔽操作系統中所有熱鍵，從而鎖定系統自由進出。系統受電后自動恢復運行狀態。操作員級別的用戶只能對系統進行監視，而系統管理員可退出系統并對軟件內的相關參數進行重新設定。5.自恢復功能：現場視頻信號丟失再恢復后，監視畫面上的視頻信號可自動進行恢復，無需人為干預。
二、船閘越線報警系統
船閘作為重要的水運通航設施，保障其安全運行尤為重要。在閘室靠近閘門的位置附近應有一條安全警戒線。船只越過安全警戒線可能對船閘運行工況產生安全隱患，尤其離閘門越近、發生不安全事件可能性越大。在船閘實際運行過程中，存在以下3方面問題，即目前船閘安全警戒線大多僅僅依靠界限燈和標識線，船舶在運行中無法有效識別；船舶距離閘門過近，在水流波動較大時容易出現碰撞閘門的情況；船舶重載下行，在泄水時會出現擱淺閘臺的情況。其中，為了避免泄水時因船舶在閘臺違規停留導致船舶傾翻事故發生，需要在危險時間內對船舶的違規停留行為進行檢測、防止船舶故意長時間停留。另一方面，由于船閘運行過程中，水位差變動大，且部分船舶外輪廓高度超限.極易造成船舶高度超限部位與船閘設施發生碰擦，既造成了船閘設施的損壞，也容易造成安全事故，因此項目同時考慮對船舶超高情況進行檢測和報警、提前對船舶運行要求進行提醒。
（一）越線檢測難點
1.當前主要越線檢測還是人工巡視。人工巡視存在易疲勞，物理標識不易看清，精確度不高，效率低等缺點。2.而采用電氣控制手段自動檢測難點主要有：復雜天氣影響：閘室環境是室外露天的非標準工況，受四季天氣情況影響，如雨、霧、雪等因素干擾檢測儀表儀器；隨機干擾源多：如飛鳥、水面漂浮物、波浪等反射，其中飛鳥、漂浮物等具有隨機、不重復的特點；水位實時變化：在調度過程中，船舶高度會隨著水位變化而變化，檢測部位要隨水位變動而變動。
（二）船閘越線報警系統原理
為克服檢測難點，設計采用激光和視頻結合的檢測手段檢測船舶越線。激光檢測通過二維激光掃描、接收，依據空間距離，對閘臺上違停的船舶進行檢測報警。視頻檢測通過視頻分析技術，對劃定區域內的船舶進行智能識別，并實時報警。兩種檢測方式特點為：激光檢測精度高，抗干擾能力強，能應對各種復雜天氣；視頻檢測正常情況下精度高，但易受天氣影響。二者結合，可增加系統可靠性，準確判別船舶是否越線，為船閘管理人員提供操作依據和前提條件。將閘室區域分為正常區域、安全警戒線、緩沖區域與危險區域。其中，安全警戒線為緩沖區域前方設定的警戒線，利用激光掃描儀，實時檢測船舶越線行為，為防撞系統提供智能預警功能；緩沖區域為危險區域前方設定的虛擬區域，為違規闖入船舶的管理提供緩沖時間；危險區域為閘門附近設定的虛擬區域，如閘臺位置、閘門位置，在危險時間窗口內，該區域禁止船舶進入。采用“激光越線檢測+視頻輔助驗證分析”的復合檢測方式，完成對潛在船舶危險行為的智能預警。首先，通過激光掃描儀，對越過安全警戒線的船舶進行檢測，為閘室防撞系統提供智能預警，充分保障閘室安全穩定運行。其次，將控制系統與防撞報警裝置進行聯動，對目標船舶進行重點監控。當激光掃描儀檢測到有船舶越過警戒線，監控中心與閘室警戒燈將自動報警，并通過廣播、顯示屏信息等方式，提醒該船只立刻停船。同時，監控中心會向閘口值班員發出警戒信息，值班員利用緩沖區域提供的時間現場指揮該船只停船，并自動調用監控攝像機進行拍攝取證。基于紅外功能的視頻輔助分析與聯動確認，利用基于卷積神經網絡算法，對視頻監控抓拍的船舶圖片進行特征智能識別，為船閘防撞提供輔助預警功能。當閘室出現警情時，防撞預警系統與視頻監控系統實施聯動，監控中心能夠自動將警情區域的監控畫面切換至大屏主畫面，以便進行最后的警情確認。對于異常狀況，視頻可以自動保存、自動播放。
三、總結
視頻聯動在港航船閘得到試點創新應用，船閘視頻監視系統和計算機監控系統兩個系統之間通過數據指令的交互，實現了閘門運行監視和閘門視頻同時在大屏上監視、方便了操作人員監視、提高了系統運行安全性、可靠性。船閘越線報警系統將閘室區域分為正常區域、安全警戒線、緩沖區域與危險區域，閘室防撞系統提供智能預警，充分保障閘室安全穩定運行。將控制系統與防撞報警裝置進行聯動，對目標船舶進行重點監控。船閘越線報警系統為船閘管理人員提供操作依據和前提條件。
參考文獻：
[1]彭湖.視頻監控與消防的聯動方法探究[J].城市建設理論研究(電子版)[山東工業技術，2020.
[2]張榮森.淺談智能化視頻聯動微機五防系統方案[J].科技創新導報，2016.