国内对于人工智能的讨论大多是不成体系的碎片式，很难从中深入了解人工智能的发展脉络和技术体系，也很难有实际借鉴意义。人工智能的历史、核心技术和应用情况进行了详细说明，尤其是其中重要的认知技术。这份报告将有助于我们对人工智能和认知技术进行深入了解，也有助于各行业的公司考量人工智能应用的实际价值。
 
　　一、概述
 
　　近几年各界对人工智能的兴趣激增，自2011年以来，开发与人工智能相关的产品和技术并使之商业化的公司已获得超过总计20亿美元的风险投资，而科技巨头更是投资数十亿美元收购那些人工智能初创公司。相关报道铺天盖地，而巨额投资、计算机导致失业等问题也开始浮现，计算机比人更加聪明并有可能威胁到人类生存这类论断更是被媒体四处引用并引发广泛关注。
 
　　IBM承诺拨出10亿美元来使他们的认知计算平台Watson商业化。
 
　　谷歌在最近几年里的投资主要集中在人工智能领域，比如收购了8个机器人公司和1个机器学习公司。
 
　　Facebook聘用了人工智能学界泰斗YannLeCun来创建自己的人工智能实验室，期望在该领域获得重大突破。
 
　　牛津大学的研究人员发表了一篇报告表明，美国大约47%的工作因为机器认知技术自动化而变得岌岌可危。
 
　　纽约时报畅销书《TheSecondMachineAge》论断，数字科技和人工智能带来巨大积极改变的时代已经到来，但是随之而来的也有引发大量失业等负面效应。
 
　　硅谷创业家ElonMusk则通过不断投资的方式来保持对人工智能的关注。他甚至认为人工智能的危险性超过核武器。
 
　　著名理论物理学家StephenHawking认为，如果成功创造出人工智能则意味着人类历史的终结，“除非我们知道如何规避风险。”
 
　　即便有如此多炒作，但人工智能领域却也不乏显著的商业行为，这些活动已经或者即将对各个行业和组织产生影响。商业领袖需要透彻理解人工智能的含义以及发展趋势。
 
　　二、人工智能与认知科技
 
　　揭秘人工智能的首要步骤就是定义专业术语，勾勒历史，同时描述基础性的核心技术。
 
　　1、人工智能的定义
 
　　人工智能领域苦于存在多种概念和定义，有的太过有的则不够。作为该领域创始人之一的NilsNilsson先生写到：“人工智能缺乏通用的定义。”一本如今已经修订三版的权威性人工智能教科书给出了八项定义，但书中并没有透露其作者究竟倾向于哪种定义。对于我们来说，一种实用的定义即为——人工智能是对计算机系统如何能够履行那些只有依靠人类智慧才能完成的任务的理论研究。例如，视觉感知、语音识别、在不确定条件下做出决策、学习、还有语言翻译等。比起研究人类如何进行思维活动，从人类能够完成的任务角度对人工智能进行定义，而非人类如何思考，在当今时代能够让我们绕开神经机制层面对智慧进行确切定义从而直接探讨它的实际应用。值得一提的是，随着计算机为解决新任务挑战而升级换代并推而广之，人们对那些所谓需要依靠人类智慧才能解决的任务的定义门槛也越来越高。所以，人工智能的定义随着时间而演变，这一现象称之为“人工智能效应”，概括起来就是“人工智能就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。”
 
　　2、人工智能的历史
 
　　人工智能并不是一个新名词。实际上，这个领域在20世纪50年代就已经开始启动，这段探索的历史被称为“喧嚣与渴望、挫折与失望交替出现的时代”——最近给出的一个较为恰当的评价。
 
　　20世纪50年代明确了人工智能要模拟人类智慧这一大胆目标，从此研究人员开展了一系列贯穿20世纪60年代并延续到70年代的研究项目，这些项目表明，计算机能够完成一系列所本只属于人类能力范畴之内的任务，例如证明定理、求解微积分、通过规划来响应命令、履行物理动作，甚至是模拟心理学家、谱曲这样的活动。
 
　　但是，过分简单的算法、匮乏的难以应对不确定环境（这种情形在生活中无处不在）的理论，以及计算能力的限制严重阻碍了我们使用人工智能来解决更加困难和多样的问题。伴随着对缺乏继续努力的失望，人工智能于20世纪70年代中期逐渐淡出公众视野。
 
　　20世纪80年代早期，日本发起了一个项目，旨在开发一种在人工智能领域处于领先的计算机结构。西方开始担心会在这个领域输给日本，这种焦虑促使他们决定重新开始对人工智能的投资。20世纪80年代已经出现了人工智能技术产品的商业供应商，其中一些已经上市，例如Intellicorp、Symbolics、和Teknowledge。
 
　　20世纪80年代末，几乎一半的“财富500强”都在开发或使用“专家系统”，这是一项通过对人类专家的问题求解能力进行建模，来模拟人类专家解决该领域问题的人工智能技术。
 
　　对于专家系统潜力的过高希望彻底掩盖了它本身的局限性，包括明显缺乏常识、难以捕捉专家的隐性知识、建造和维护大型系统这项工作的复杂性和成本，当这一点被越来越多的人所认识到时，人工智能研究再一次脱离轨道。
 
　　20世纪90年代在人工智能领域的技术成果始终处于低潮，成果寥寥。反而是神经网络、遗传算法等科技得到了新的关注，这一方面是因为这些技术避免了专家系统的若干限制，另一方面是因为新算法让它们运行起来更加高效。
 
　　神经网络的设计受到了大脑结构的启发。遗传算法的机制是，首先迭代生成备选解决方案，然后剔除最差方案，最后通过引入随机变量来产生新的解决方案，从而“进化”出解决问题的最佳方案。
 
　　3、人工智能进步的催化剂
 
　　截止到21世纪前10年的后期，出现了一系列复兴人工智能研究进程的要素，尤其是一些核心技术。下面将对这些重要的因素和技术进行详细说明。
 
　　1）摩尔定律
 
　　在价格、体积不变的条件下，计算机的计算能力可以不断增长。这就是被人们所熟知的摩尔定律，它以Intel共同创办人GordonMoore命名。GordonMoore从各种形式的计算中获利，包括人工智能研究人员使用的计算类型。数年以前，先进的系统设计只能在理论上成立但无法实现，因为它所需要的计算机资源过于昂贵或者计算机无法胜任。今天，我们已经拥有了实现这些设计所需要的计算资源。举个梦幻般的例子，现在最新一代微处理器的性能是1971年第一代单片机的400万倍。
 
　　2）大数据
 
　　得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生的数据量急剧增加。随着对这些数据的价值的不断认识，用来管理和分析数据的新技术也得到了发展。大数据是人工智能发展的助推剂，这是因为有些人工智能技术使用统计模型来进行数据的概率推算，比如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”——现在这样的条件随处可得。
 
　　3）互联网和云计算
 
　　和大数据现象紧密相关，互联网和云计算可以被认为是人工智能基石有两个原因，第一，它们可以让所有联网的计算机设备都能获得海量数据。这些数据是人们推进人工智能研发所需要的，因此它可以促进人工智能的发展。第二，它们为人们提供了一种可行的合作方式——有时显式有时隐式——来帮助人工智能系统进行训练。比如，有些研究人员使用类似MechanicalTurk这样基于云计算的众包服务来雇佣成千上万的人来描绘数字图像。这就使得图像识别算法可以从这些描绘中进行学习。谷歌翻译通过分析用户的反馈以及使用者的无偿贡献来提高它自动翻译的质量。
 
　　4）新算法
 
　　算法是解决一个设计程序或完成任务的路径方法。最近几年，新算法的发展极大提高了机器学习的能力，这些算法本身很重要，同时也是其他技术的推动者，比如计算机视觉（这项科技将会在后文描述）。机器学习算法目前被开源使用，这种情形将促成更大进步，因为在开源环境下开发人员可以补足和增强彼此的工作。
 
　　4、认知技术
 
　　我们将区分人工智能领域和由此延伸的各项技术。大众媒体将人工智能刻画为跟人一样聪明的或比人更聪明的计算机的来临。而各项技术则在以往只有人能做到的特定任务上面表现得越来越好。我们称这些技术为认知技术（下图），认知技术是人工智能领域的产物，它们能完成以往只有人能够完成的任务。而它们正是商业和公共部门的领导者应该关注的。下面我们将介绍几个最重要的认知技术，它们正被广泛采纳并进展迅速，也获得大量投资。
 
　　一文了解人工智能的基本常识
 
　　1）计算机视觉
 
　　是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。比如，一些技术能够从图像中检测到物体的边缘及纹理。分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。
 
　　计算机视觉有着广泛应用。其中包括，医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被Facebook用来自动识别照片里的人物；在安防及监控领域被用来指认嫌疑人；在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多购买选择。
 
　　机器视觉作为一个相关学科，泛指在工业自动化领域的视觉应用。在这些应用里，计算机在高度受限的工厂环境里识别诸如生产零件一类的物体，因此相对于寻求在非受限环境里操作的计算机视觉来说目标更为简单。计算机视觉是一个正在进行中的研究，而机器视觉则是“已经解决的问题”，是系统工程方面的课题而非研究层面的课题。因为应用范围的持续扩大，计算机视觉领域的初创公司自2011年起已经吸引了数亿美元的风投资本。
 
　　2）机器学习
 
　　指的是计算机系统无需遵照显式的程序指令而只是依靠暴露在数据中来提升自身性能的能力。其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于做预测。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式。处理的交易数据越多，预测就会越好。
 
　　机器学习的应用范围非常广泛，针对那些产生庞大数据的活动，它几乎拥有改进一切性能的潜力。除了欺诈甄别之外，这些活动还包括销售预测、库存管理、石油和天然气勘探、以及公共卫生。机器学习技术在其他的认知技术领域也扮演着重要角色，比如计算机视觉，它能在海量图像中通过不断训练和改进视觉模型来提高其识别对象的能力。现如今，机器学习已经成为认知技术中最炙手可热的研究领域之一，在2011-2014年中这段时间内就已吸引了近十亿美元的风险投资。谷歌也在2014年斥资4亿美金收购Deepmind这家研究机器学习技术的公司。
 
　　3）自然语言处理
 
　　是指计算机拥有的人类般文本处理的能力，比如，从文本中提取意义，甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义。一个自然语言处理系统并不了解人类处理文本的方式，但是它却可以用非常复杂与成熟的手段巧妙处理文本，例如自动识别一份文档中所有被提及的人与地点；识别文档的核心议题；或者在一堆仅人类可读的合同中，将各种条款与条件提取出来并制作成表。以上这些任务通过传统的文本处理软件根本不可能完成，后者仅能针对简单的文本匹配与模式进行操作。请思考一个老生常谈的例子，它可以体现自然语言处理面临的一个挑战。在句子“光阴似箭（Timeflieslikeanarrow）”中每一个单词的意义看起来都很清晰，直到系统遇到这样的句子“果蝇喜欢香蕉（Fruitflieslikeabanana）”，用“水果（fruit）”替代了“时间（time）”，并用“香蕉（banana）”替代“箭（arrow）”，就改变了“飞逝／飞着的（like）”与“像／喜欢（like）”这两个单词的意思。
 
　　自然语言处理，像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合。建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给定字符或单词表达某一特定语义的最大可能性。选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件同正常邮件。以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。
 
　　因为语境对于理解“timeflies（时光飞逝）”和“fruitflies（果蝇）”的区别是如此重要，所以自然语言处理技术的实际应用领域相对较窄，这些领域包括分析顾客对某项特定产品和服务的反馈、自动发现民事诉讼或政府调查中的某些含义、以及自动书写诸如企业营收和体育运动的公式化范文等。
 
　　4）机器人技术
 
　　将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、致动器、以及设计巧妙的硬件中，这就催生了新一代的机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。例如无人机，还有可以在车间为人类分担工作的“cobots”，还包括那些从玩具到家务助手的消费类产品。
 
　　5）语音识别技术
 
　　主要是关注自动且准确的转录人类的语音。该技术必须面对一些与自然语言处理类似的问题，在不同口音的处理、背景噪音、区分同音异形异义词(“buy”和“by”听起来是一样的)方面存在一些困难，同时还需要具有跟上正常语速的工作速度。语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列和语言中概率的声学模型等。语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。比如Domino’sPizza最近推出了一个允许用户通过语音下单的移动APP。
 
　　上面提到的认知技术进步飞快并吸引了大量投资，其他相对成熟的认知技术仍然是企业软件系统的重要组成部分。这些日渐成熟的认知技术包括决策最优化——自动完成对复杂决策或者在资源有限的前提下做出最佳权衡；规划和调度——使设计一系列行动流程来满足目标和观察约束；规则导向系统——为专家系统提供基础的技术，使用知识和规则的数据库来自动完成从信息中进行推论的处理过程。
 
　　三、认知技术的广泛使用
 
　　各种经济部门已经把认知技术运用到了多种商业职能中。
 
　　1）银行业
 
　　自动欺诈探测系统使用机器学习可以识别出预示着欺诈性付款行动的行为模式；借助语音识别技术能够自动完成电话客服；声音识别可以核实来电者的身份
 
　　2）医疗健康领域
 
　　美国有一半的医院采用自动语音识别来帮助医生自动完成医嘱抄录，而且使用率还在迅速增长；机器视觉系统自动完成乳房X光检查和其他医学影响的分析；IBM的Watson借助自然语言处理技术来阅读和理解大量医学文献，通过假设自动生成来完成自动诊断，借助机器学习可以提高准确率。
 
　　3）生命科学领域
 
　　机器学习系统被用来预测生物数据和化合物活动的因果关系，从而帮助制药公司识别出最有前景的药物。
 
　　4）媒体与娱乐行业
 
　　许多公司正在使用数据分析和自然语言生成技术，自动起草基于数据的的公文材料，比如公司营收状况、体育赛事综述等。
 
　　5）石油与天然气
 
　　厂商将机器学习广泛运用在矿藏资源定位、钻井设备故障诊断等众多方面。
 
　　6）公共部门
 
　　出于监控、合规和欺诈检测等特定目的，公共部门也已经开始使用认知技术。比如，乔治亚州正在通过众包的形式来进行财政披露和竞选捐助表格的数字化，在这个过程中他们就采用了一套自动手写识别系统。
 
　　7）零售商
 
　　零售商利用机器学习来自动发现有吸引力的交叉销售定价和有效的促销活动。
 
　　8）科技公司
 
　　它们正利用机器视觉、机器学习等认知技术来改进产品或者开发全新产品，比如Roomba机器人吸尘器，Nest智能恒温器。
 
　　上述例子表明，认识技术的潜在商业收益远大于自动化带来的成本节约，这主要体现在：
 
　　更快的行动与决策（比如，自动欺诈检测，计划和调度）
 
　　更好的结果（比如，医学诊断、石油探测、需求预测）
 
　　更高的效率（亦即，更好的利用高技能人才和昂贵设备）
 
　　更低的成本（比如，自动电话客服减少了劳动成本）
 
　　更大的规模（亦即，开展人力无法执行的大规模任务）
 
　　产品与服务创新（从增加新功能到创造新产品）
 
　　四、认知技术影响力与日俱增的原因
 
　　在未来五年，认知技术在商业领域的影响力将显著增长。原因有二，首先，近些年来，技术性能有了实质进步，并处于持续研发状态。其次，数亿美元已经投入到技术商业化中，许多公司正致力于为各商业部门的广泛需求提供定制化开发和打包方案，以使这些技术更易购买和配置。虽然并非所有的技术提供商都能幸存，但他们的努力将共同推动市场前进。技术性能的改善和商业化正在共同扩大着认知技术的应用范围，这种情况在未来几年都将持续下去。
 
　　1、技术提升扩展了应用范围
 
　　认知技术大踏步前进的例子非常多。比如Google的语音识别系统，一份报告显示，Google用了不到两年时间就将语音识别的精准度从2012年的84%提升到如今的98%。计算机视觉技术也取得了突飞猛进的发展。如果以计算机视觉技术研究者设置的技术标准来看，自2010年到2014年，图像分类识别的精准度提高了4倍。Facebook的DeepFace技术在同行评审报告（译者注：同行评审，是一种学术成果审查程序，即一位作者的学术著作或计划被同一领域的其他专家学者评审。）被高度肯定，其脸部识别率的准确度达到97%。2011年，IBM为了让Watson在智力节目《危险边缘》中获胜，曾对Watson进行优化，提升两倍的答案精确度。现在，IBM又宣称如今的Watson比当时“智能”了2400%。
 
　　随着技术的改进和提高，技术应用的范围也在不断扩大。比如，在语音识别方面，机器曾经需要大量训练才能在有限词库里勉强识别出来，由语音识别技术延伸出的医疗应用程序也很难得到真正普及。而现在，每个月互联网上都会有数以百万次的语音搜索。另外，计算机视觉技术过去被狭隘的理解为部署在工业自动化方面，但现在，我们早已看到这一技术被广泛运用到监控、安全以及各种各样的消费应用里。IBM如今正拓展Watson在竞赛游戏之外的应用，从医疗诊断到医学研究再到财务建议以及自动化的呼叫中心。
 
　　并不是所有的认知技术都有如此令人瞩目的发展。机器翻译有了一定发展，但幅度很小。一份调查发现，从2009年到2012年，将阿拉伯语翻译到英语的精确度仅仅提升了13%。尽管这些技术还不完美，但他们已经可以影响到专业机构的工作方式。很多专业翻译人员依靠机器翻译提升翻译精准度，并把一些常规翻译交给机器，自己专注在更具挑战性的任务上。
 
　　很多公司正努力将认知技术做进一步研发，并逐步将其融入到更多产品尤其是企业级产品里，以方便企业用户购买和部署。
 
　　2、对商业化进行的大规模投资
 
　　从2011年到2014年5月，超过20亿美元的风险投资流入到基于认知技术研究的产品和服务里。与此同时，超过100家的相关公司被兼并或收购，其中一些被互联网巨头如亚马逊、苹果、Google、IBM或Facebook收购。所有这些投资都在培育一个多样化的公司图谱，这些公司正在加速认知技术的商业化进程。
 
　　在这里，我们并不会提供关于某公司在认知技术商业化方面的细节，我们希望说明，认知技术产品拥有丰富的多样性。下面就是致力于认知技术商业化的公司名单，这个名单既不是完整无缺也非固定不变，而是一个动态的，用于推动和培育市场的指标。
 
　　数据管理和分析工具主要使用自然语言处理、机器学习等认知技术。这些工具利用自然语言处理来从非结构化的文本中提取出意思，或者借助机器学习帮助分析人员从大规模数据集中发现深层含义。这个领域的公司包括ContextRelevant（译者注：美国的一家大数据挖掘和分析公司）、PalantirTechnologies（译者注：这家公司称要将数据、技术、人类和环境连接起来）、以及Skytree（译者注：一家借助机器学习进行市场分析并提供决策依据的大数据公司）。
 
　　认知技术的各个部分可以被整合到各种应用和商业决策中，分别起到增加功能和提高效率的作用。例如，Wise.io公司提供一套模块来促进商业决策，比如客户支持、营销和销售，这里面会用到机器学习模型来预测哪些客户比较容易流失，以及哪些潜在客户更加容易转化。Nuance公司通过提供一种语音识别技术来帮助开发者进行需要语音控制的移动APP的开发。
 
　　单点解决方案。众多认知技术成熟的标志是它们正在被不断的嵌入到特定商业问题的解决方案中。这些解决方案的设计初衷是要比公司原有的解决方案更加有效，并且几乎不需要认知技术方面的专业人员。普及度比较高的应用领域包括广告、营销和销售自动化、预测以及规划。
 
　　技术平台。平台的目的是为建立高度定制化的商业解决方案提供基础。它们会提供一系列功能，包括数据管理、机器学习工具、自然语言处理、知识表示和推理、以及将这些定制化软件整合在一起的统一框架。
 
　　3、新兴应用
 
　　如果这些技术的表现和商业化趋势继续发展，我们就能够大胆预测认知技术的应用将更加广泛，被接受程度也会大大增加。数亿美金的投资涌入这些基于机器学习、自然语言处理、机器视觉或者机器人技术的公司，这预示着许多新应用即将投入市场。在商业机构依托认知技术构建自动化业务流程、增强产品和服务方面，我们也看到了巨大空间。
 
　　五、认知技术在企业的应用路径
 
　　认知技术将在接下来几年里变得流行。在未来2-5年，技术层面的进步和商业化将扩大认知技术对企业的影响。越来越多的企业会找到一些创新性应用来显著改善他们自身的表现或者创造新功能，以增强他们的竞争地位。企业的IT部门现在可以行动起来，增加对这些技术的了解，评估出适用这些技术的机会，将这些技术可能带来的价值向领导进行汇报。高级商务和公共部门的领导应该思考认知技术将对他们的部门以及整个公司产生何种影响，这些技术将如何激发创新并提升经营表现。
 

1.人工智能大发展时代，如何利用大数据改变现有商业模式？
 
http://www.duozhishidai.com/article-17554-1.html
 
2.人工智能来势凶猛，人工智能最热门的技术趋势是什么
 
http://www.duozhishidai.com/article-923-1.html
 
3.今年人工智能领域，十项中外人工智能领域富有突破性的技术
 
http://www.duozhishidai.com/article-17560-1.html
 
 
 

 
 
 
 
 
 
本科生毕业论文
 
基于微信小程序视频点播系统
 
开题报告
 
 
 
 
 
 
 
 
学    院：                       
 
专    业：  计算机科学与技术     
 
年    级：                       
 
学生姓名：                       
 
指导教师：                       
 
 
 
 
 
  XXXX大学本科生毕业论文（设计）开题报告书
 
 
 
姓   名
 
 
Xxx
 
 
学院
 
 
XXXXXXX
 
 
专业
 
 
计算机科学与技术
 
 
年级（班）
 
 
 
 
论文题目
 
 
基于微信小程序视频点播系统
 
 
指导教师
 
 
 
 
课题论证
 
 
    
课题背景
腾讯推出微信小程序也有一段时间了，在各种行业里面也都掀起一阵阵的热潮，很多APP应用被简化为小程序的功能迅速推出，同时也根据小程序的特性推出各种独具匠心的应用，相对传统的APP来说，微信小程序确实能够大大降低开发成本和难度，但也意味着需要掌握整个微信小程序的各种api、组件、接口、应用场景等相关技术点。
 
 
    
课题的目的与意义
目的：本课题主要目标是设计并能够实现一个基于微信小程序视频点播系统，前台用户使用小程序，后台管理使用基PHP+MySql的B/S架构；通过后台添加课程信息、视频信息等，用户通过小程序登录，查看视频信息、点击播放视频、免费学习、购买收费学习。
 
意义：微信小程序视频点播系统是计算机技术与视频管理相结合的产物，通过微信小程序视频点播系统实现了对视频的高效管理。随着计算机技术的不断提高,计算机已经深入到社会生活的各个角落，在工作人员的具备一定的计算机操作能力的前提下，特编此微信小程序视频点播系统软件以提高视频的管理效率。
 
 
三、可行性分析
 
基于微信小程序视频点播系统有以下三方面可以总结系统开发的可行性，具体如下：
 
1.技术可行性
 
以Windows7或10为操作系统，采用phpstorm软件为开发后台管理，运用mysql进行数据库存储，使用微信开发者工具开发微信小程序；后台管理系统硬件环境是PC机，前台用户在手机上使用微信小程序。
 
2.经济可行性
 
一方面，采用phpstorm和微信开发者工具开发有好的人机界面和强劲的功能支持，使录入视频的工作效率进一步提高从而节省人力、物力；另一方面，系统的制作成本低，在现有的PC机上即可使用phpstorm和微信开发者工具进行开发。
 
3.操作可行性
 
phpstorm软件在操作上是在Windows操作系统上进行在线考试后台管理系统的使用，主要凭借使用Windows操作技术即可完成数据的录入、修改、删除等功能，简单方便。用户使用手机登录微信小程序视频点播系统来点播视频。
 
 
 
方案设计
 
 
用户首次登陆系统需要注册一个用户或直接使用微信作为账号，用户在登录平台后，可以进行平台的操作。主要模块包括以下几点：
 
(1)登录功能：注册普通账号登录；也可以直接使用微信登录；登录后可以修改用户的基本信息，也可以退出。
 
(2)资讯功能：后台录入资讯，在微信小程序视频点播系统的资讯模板展示，用户可以任意浏览资讯列表和详细信息   
 
(3)视频库：后台录入视频的相关信息，可以在小程序视频列表里面一个一个点击进去查看视频详细信息；支持通过查询来查找所需要的视频。
 
(4)视频分类：为了分类，后台进行了分类管理，每个录入的视频都有对应的分类，可以在小程序分类栏目进入，按分类来查看视频列表。
 
(5)视频查询：在首页，输入查询的关键字，点击“查询”实现查询功能。
 
(6)视频信息：每个视频包含视频的目录、状态、讲师、课程数量
 
(7)老师信息：每个视频都有对应的老师，在后台录入老师的信息，在录入视频的时候关联上老师，在小程序展示视频信息的时候对显示对应老师资料
 
(8)收藏操作：在视频信息详情，下方点击“收藏”，进行收藏
 
(9)视频购买：在视频信息详情，下方点击“立即购买，购买成功后可以立即学习。这里是模拟付款。
 
(10)已购买视频列表：所有已经购买的视频列表
 
(11)我的收藏：收藏的视频列表
 
(12)用户信息：填写姓名、qq、邮箱、备注等信息
 
 
进度计划
 
 
2021.09.10—2021.10.15  查看大量的文献，收集课题有关资料，确定论文选题；
 
2021.10.16—2021.10.30  在老师的指导下，填写毕业论文任务书；
 
2021.10.31—2021.11.15  大量收集论文资料，理清论文思路，对论文思路进行完善。
 
2021.11.16—2021.12.22  完成开题报告答辩；
 
2021.12.23—2021.12.27  根据指导老师提出的建议再进行修改，完善系统功能设计
 
2021.12.28—2022.04.10  在查阅大量文献之后，运用多种研究方案，完成系统开发并基本完成论文初稿。
 
2022.04.01—2022.04.15  将初稿完善交由导师审阅，提出修改建议。
 
2022.04.16—2022.05.14  在导师指导下，对论文进行反复修改形成终稿，装订成册上交学院，同时为毕业论文答辩做准备工作
 
2022.05.15  进行毕业论文答辩
 
 
导
 
教
 
师
 
意见
 
 
 
 
 
 
 
 指导教师：
 
 
   年     月     日
 
 
教研室意见
 
 
 
                                                    教研室主任：
 
 
                                                               年     月     日
 

 
 
 
 
 
论文题目
 
 
基于Android的无线视频监控的设计与实现
 
 
论文工作计划
 
 
 
包文
 
括字
 
：总
 
文结
 
献等
 
阅工
 
读作
 
、的
 
课进
 
题度
 
调计
 
查划
 
、
 
实此
 
验栏
 
方由
 
法研
 
、究
 
理生
 
论填
 
分写
 
析
 
、
 
 
 
 
 
 
 
 
 
 
 
 
一、课题调查
 
视频监控业务具有悠久的历史，在传统上广泛应用于安防、交通事故处理等行业应用领域。近年来，随着计算机和网络的普及，视频监控正越来越广泛地渗透到教育、政府、娱乐、医疗、酒店、运动等其它各种领域。随着人们对信息技术的深入研究，图像处理、视频压缩、网络通信等计算机技术得到了迅速发展，以这些技术为基础的视频监控技术不断成熟并且得到了广泛应用。视频监控系统是由视频采集、视频压缩、视频传输、视频管理和系统控制等电子设备和计算机系统组成的有机整体。
 
随着移动网络带宽的增加，特别是3G网络、wifi的广泛普及以及更高速规范的4G网络的研究以及建设，通过手机观看监控视频已经成为现实。在有线网络的基础上，增加移动视频监控业务，用户可随时随地通过手机了解现场实时情况。使用手机视频监控的优势已经非常的明显：
 
覆盖面广：手机无线网络覆盖率极高，几乎不受山川、河流、桥梁道路等复杂地形和区域限制。
 
部署方便：无线视频监控系统几乎可以部署在室外的任何地方，包括水体、崎岖地带、偏远地方。前端编码器或网络摄像机，甚至手机，采取无线接入的方式，只需要在移动网络覆盖下，就能很方便、很简易地搭建起监控点，免除复杂地形导致的布线繁琐和麻烦。
 
    高数据吞吐量：考虑到未来的WIFI和3G技术发展，无线网络传输带宽可高达6Mbps~200Mbps.
 
高可靠性：高端无线传输系统的可靠性高达99.999%的载波级，可以实现无中断的安全传输。
 
成本低廉：免除了远距离网络布线所造成的高昂费用。
 
监控方便：可随时随地采用手机进行无线视频监控，不局限于预先安装好监控客户端的某台电脑。
 
业务多样：无线视频监控不仅可以覆盖所有固网监控业务，还可以开展各种移动业务，如：移动执法监控、移动采访等。
 
在移动智能终端方面，Android操作系统成为近年来最受关注的操作系统，由于它的免费性，以及系统的开放性，使开发人员可以随时取得程序的源代码，这对于程序开发人员和运营商定制非常重要。国际一线手机厂商三星，HTC，摩托罗拉等公司加盟，使得Android操作系统的发展更加迅速化，硬件配置的上升使得手机成了名符其实的“掌上电脑”。 同时，基于Android操作系统的智能手机已经占据全球超过一半的份额，使得Android操作系统已经跃居智能终端的榜首。本课题源于本人参加的项目：基于TD-SCDMA的远程无线视频监控系统。
 
二、理论分析
 
    本课题所设计的移动视频监控系统是基于Android平台开发的，选用H.264标准作为视频压缩标准，采用RTP协议作为传输协议，针对系统需求实现客户端软件的开发。课题基于C/S模式的移动视频监控系统，客户端为Android移动终端，如智能手机、平板电脑等。
 
2.1系统框架
 
本系统主要包括Android手机客户端，流媒体服务器，视频服务器。在整个系统框架中，在监控前端，用户可以将摄像头固定在某一区域，使用摄像头采集监控区域的视频图像，摄像头可以根据用户的需要，调整监控角度和设置参数；在视频服务器端，系统通过H.264编码标准将视频图像数据压缩编成网络格式图像，大大的提高传输的效率；视频服务器利用sip协议和媒体服务器进行交互，发送数据到媒体服务器，媒体服务器主要用来转发，把数据转发到不同的客户端。媒体服务器和客户端的交互主要通过socket通信。客户端接收到数据流后，对数据流进行解码和播放。
 
整个系统的框架图：
 
      
 
2.2 Android对多媒体的支持
 
Open Core是Android 多媒体框架的核心，所有Android平台的音视频采集，播放的操作都是通过它来实现。它也被称为PV(Packet Video), Packet Video是一家专门提供多媒体解决方案的公司。通过Open Core程序员可以方便快速的开发出想要的多媒体应用程序，例如：音视频的采集，回放，视频会议，实时的流媒体播放等等应用。Open Core支持的格式包括:MPEG4、H.264、MP3、AAC、AMR、JPG、PNG、GIF等。Open Core多媒体框架有一套通用课扩展的接口，针对第三方的多媒体编解码器，输入、输出设备等等。
 
    OpenCore是一个多媒体的框架，从宏观上来看，它主要包含了两大方面的内容：
 
　　PVPlayer：提供媒体播放器的功能，完成各种音频(Audio)、视频(Video)流的回放(Playback)功能；
 
　　PVAuthor：提供媒体流记录的功能，完成各种音频(Audio)、视频(Video)流的以及静态图像捕获功能。
 
为了更好的组织整体的架构，OpenCore在软件层次在宏观上分成几个层次：
 
OSCL：Operating System Compatibility Library (操作系统兼容库)，包含了一些操作系统底层的操作，为了更好地在不同操作系统移植。包含了基本数据类型、配置、字符串工具、IO、错误处理、线程等内容，类似一个基础的C++库。
     PVMF：PacketVideo Multimedia Framework（PV多媒体框架），在框架内实现一个文件解析（parser）和组成（composer）、编解码的NODE，也可以继承其通用的接口，在用户层实现一些NODE。
     PVPlayer Engine：PVPlayer引擎。
     PVAuthor Engine：PVAuthor引擎。
 
　　从播放的角度，PVPlayer的输入的(Source)是文件或者网络媒体流，输出(Sink)是音频视频的输出设备，其基本功能包含了媒体流控制、文件解析、音频视频流的解码(Decode)等方面的内容。除了从文件中播放媒体文件之外，还包含了与网络相关的RTSP流(Real Time Stream Protocol,实时流协议)。在本系统中，我们不过多的研究OpenCore的实现，只需要调用Android提供的上层Media  API进行视频播放器的开发。
 
 2.3 流媒体服务器的架构
 
    流媒体服务器是负责和视频服务器交互获取经过压缩的视频流数据，通过
 
RTP/RTCP发送经过压缩的数据包到移动终端，移动终端通过解压这些数据包后可以播放实时视频，流媒体服务器的实现是用户可以通过终端观看想要查看的视频信息。    
 
本系统的流媒体服务器主要包括基于live555的服务器，Live555 是一个为流媒体提供解决方案的跨平台的C++开源项目，它实现了对标准流媒体传输协议如RTP/RTCP、RTSP、SIP等的支持。Live555实现了对多种音视频编码格式的音视频数据的流化、接收和处理等支持，包括MPEG、H.263+、DV、JPEG视频和多种音频编码。同时由于良好的设计，Live555非常容易扩展对其他格式的支持。Live555 Streaming Media
 
整体框架如图所示：
 
 
    UsageEnvironment模块是对系统环境的抽象，包括抽象类UsageEnvironment和TaskScheduler。UsageEnvironment主要用于消息的输入输出和用户交互功能；TaskScheduler实现事件的异步处理、事件处理函数的注册等，它通过维护一个异步读取源实现对诸如通信消息到达等事件的处理，通过使用DelayQueue实现对其他注册函数的延时调度。该模块还包含一个HashTable类，在整个项目中都可以用到它。程序设计者通过自定义该抽象了类UsageEnvironment和TaskScheduler类的子类，就可以在特定环境（如GUI环境）中运行，不需要进行过多的修改。      
 
BasicUsageEnvironment模块是UsageEnvironment的一个控制台应用的实现。它针对控制台的输入输出和信号响应进行具体实现。
 
GroupSock模块用于实现数据包的发送和接收。GroupSock主要被设计用以支持多播，但它也完全支持单播通信。
 
　　LiveMedia模块是Live555最重要的模块。该模块声明了一个抽象类Medium，其他所有类都派生自该类，下面简要介绍这些类：
 
　　RTSPClient：该类实现RTSP请求的发送和响应的解析，同时根据解析的结果创建对应的RTP会话。
 
　　MediaSession：用于表示一个RTP会话，一个MediaSession可能包含多个子会话(MediaSubSession)，子会话可以是音频子会话、视频子会话等。
 
　　RTCPInstance：该类实现RTCP协议的通信。
 
　　Source和Sink：这两个概念类似DirectShow中的Filter。Source抽象了数据源，比如通过RTP读取数据。Sink是数据消费者的抽象，比如把接收到数据存储到文件，该文件就是一个Sink。数据的流动可能经过多个Source和Sink。MediaSink是各种类型的Sink的基类，MediaSource是各种类型Source的基类，各种类型的流媒体格式和编码的支持即是通过对这两个类的派生实现的。Source和Sink通过RTP子会话(MediaSubSession)联系在一起。
 
2.4 视频服务器
 
    本系统的视频服务器采用了TI公司的DaVinci解决方案，主要用来处理摄像头传输过来的原始视频数据，摄像头采集到信息后直接交给视频监控终端，视频监控终端进行编码和封装数据，并发送数据流到流媒体服务器。
 
2.5 流媒体协议
 
    流媒体服务器中主要的协议： RTP实时传输协议、RTCP实时传输控制协议、RTSP实时流协议以及SIP会话初始协议。其中RTP/RTSP、RTSP协议主要用来流媒体的传输，SIP协议主要是实现对云台的控制。
 
RTP/RTCP、RTSP协议关系如图所示，RTP/RTCP工作在传输层，RTSP工作在应用层。RTP主要承担数据传输任务，而RTCP为应用层提供视频质量控制的手段和方法。RTSP则是控制RTP的发送。RTSP的消息是由客户端到服务器的请求和服务器到客户端的回应组成。
 
 
三、课题研究的内容
 
1、搭建android的开发环境，熟悉MVC架构的android开发平台（intent、antivity、service）；深入研究android下多媒体框架的原理，理解android下对h.264文件的解码原理，最后，在此基础上做一个视频监控的客户端软件,使其能够实时播放视频，并对视频参数进行设置，控制云台的旋转以及报警处理系统等功能。
 
2、分析socket通信，建立socket通信连接，能够使android客户端和媒体服务器之间的通信连接，建立信令的传输，使其客户端能够加载媒体服务器发送过来的数据信息，验证用户的登录以及用户发出指令消息控制云台的旋转和设备参数的设置。
 
3、研究live555的框架，在基于live555这个开源项目上二次开发适合本系统的流媒体服务器，使其能够实现转发数据的功能，实现多个终端能够同时观看实时视频的功能。
 
4、分析整个系统相关的协议：rtp/rtcp协议、rtsp协议、sip协议。其中，利用rtsp控制实时视频流的rtp/rtcp传输，sip协议控制视频采集终端。
 
5 、针对有相当一部分配置android2.3平台的主流手机无法升级到android4.0平台，本系统分别开发出适合android2.3和android4.0平台的客户端软件。
 
四、研究进度计划
 
第一阶段（2011年12月－2012年3月）：初期的调研和资料的搜集、整理。熟悉android开发环境，学习相关的android知识以及rtp/rtcp协议、rtsp协议、sip协议以及H.264编解码的知识。
 
第二阶段（2011年4月－2011年8月）：编写客户端软件，live555的二次开发，实现基本功能并测试，结合系统逐步实现功能并通过调试。
 
第三阶段（2011年9月－2011年11月）：整体性调试，主要针对实时视频延迟以及不流畅问题的解决，并完善功能。
 
第四阶段（2011年12月－2012年3月）：论文的撰写。
 
五、文献阅读
 
[l]林冬.高清化:数字视频监控系统发展方向[J].中国安防技术与应用.2009，(l-2):38-39
 
[2]马天宝，游敏惠.视频监控系统关键技术及发展分析[J].科技论坛，2009(3):3
 
[3]田俊静，张波，黄湘情等译.Android基础教程[M].，北京:人民邮电出版社.2010.
 
[4]西刹子．安防天下——智能网络视频监控技术详解与实践，北京：清华大学出版社，2010：3-10
 
[5]郭卫华．模拟视频监控系统之过去、现在和将来．中国安防，2008(Z1)54-57
 
[6]江潮．基于网络的数字视频监控系统．武汉大学学报(自然科学版)，200046(5)
 
[7]石头 张笑微 周建雄．智能网络视频监控系统．兵工自动化，2009，28(12):7l
 
[8]余腊生 刘勇．基于网络的智能视频监控系统的设计与实现．计算机工程与设计，2009(16)：31
 
[9]李磊．视频监控关键技术及其应用前景．湖北：湖北省通信学会2006学术年会论文集．2006：283-285
 
[10] E2Ecloud工作室．深入浅出Google Android，北京：人民邮电出版社，2009,3
 
[11] 高嵩，赵方，宋茂强.移动流媒体视频监控系统的 研究与设计.计算机应用研究. 1001- 3695( 2009) 03- 1044- 03 
 
[12] H．Schulzrinne，et a1．RTP：A Transport Protocol for Real-Time Applications，2003．7
 
[13] RTP:A Transport Protocol for real-Time Application[S].RFC 3550,2003
 
[14] SWenger,M.M.Hannuksela,etal.RTP Payload Format for H.264 Video. RFC3984, 2005.
 
[15] K.Brown.The RTCP gateway:scaling real-time control bandwidth for wireless networks.Computer Communications,23(2000),1470-1483
 
[16] H.Schulzrinne,A.Rao,R.Lanphier.Real Time Streaming Protocol[S].RFC 2326,1998
 
[17] Xue-Wu Zhang，Gang Hu.Strategies of improving QOS for Video Transmission over 3G Wireless Network[J] .IEEE NETWORK,2005
 
[18] M.Handley，V. Jacobson.Session Description Protocol[S].RFC 2327 ,1998
 
[19] ]ShawnVanEvery.ProAndroidMedia[M].USA:APress，2009，41-45.
 
[20]王彦丽，程明，等.基于RTP/RTCP的数字视频监控系统的设计与实现[J] .计算机工程与科学 2009，31(3):58-60
 
[21]吕伟梅，郑庆华，等.移动流媒体播放器的设计与实现[J] .计算机科学 2008，34(9):126-128
 
[22]章民融，徐亚峰，等.基于RTSP的流媒体视频服务器的设计与实现[J].计算机应用与软件，2006,23(7):93-95
 
[23]李思.基于RTP的视频传输控制的研究[D] .西安：西安电子科技大学，2009.
 
[24]毕厚杰.新一代视频压缩编码---H．264/AVC[M].北京：人民邮电出版社，2005 [25]岑慧.RTP/RTCP协议在3G多媒体移动通信中的应用研究[D] .杭州：浙江工业大学，2008.
 
[26]白刚等. 3G网络视频流媒体服务系统研究与实现[J].计算机工程与应用.2005，24
 
 
 
 
 
 
注：此页不够可增加。
 
 
 
 
 
 
 
 
论此
 
文栏
 
预由
 
计导
 
要师
 
求填
 
及写
 
成
 
果
 
 
 
 
该生对研究内容的国内、外文献阅读充分，理论分析够用，研究内容和实现方案明确，研究进度安排较合适，对于实现方法和过程说明清晰，特准予开题。
 
    预计再经过约一年的研究，蒋培健同学能针对拟研究内容提出创新性方案，分析和验证所提方案性能，并至少在高水平通信类期刊上发表1篇以上的学术论文，并完成硕士培养要求和毕业论文。
 
 
 
 
 
 
实
 
验
 
设
 
备
 
条
 
件
 
 
PC，windows7操作系统，visual studio2010，eclipse开发平台，android智能手机，云台、摄像头
 
 
评
 
定
 
小
 
组
 
成
 
员
 
 
 
 
 
姓   名
 
 
职   称
 
 
所  在  单  位
 
 
组 长
 
 

 
 
 
 
 
成 员
 
 

 
 
 
 
 
成 员
 
 

 
 
 
 
 
成 员
 
 
 
 
 
 
 
 
 
 
 
开
 
题
 
报
 
告
 
组
 
意
 
见
 
 
 
 
 
 
 
 
 
 
 
 
 
 
组长签字：                   年   月   日
 
 
 
 
教意
 
学
 
部见
 
 
                           
 
                           
 
 
 
 
 
   主任：         年  月  日               
 
 
 
 
所在学院意见
 
 
                  
 
 
 
 
 
 
 
     院长：         年   月  日
 
 
说明：1. 开题报告工作是研究生培养的重要环节，务必高度重视。
 
2. 开题报告会必须在教学部或学院范围内公开举行，并应对其内容进行认真审查，若开题报告组对研究生的选题有不同看法，请详细写在“开题报告组意见”里，对是否重新选题提出明确意见。如开题报告未获通过，可于三个月之内再做一次
 
3. 开题报告完成后，请于第四学期末将此表送交研究生培养科留存，作为论文答辩资格
 
审查的重要依据，另备复印件两份，分别由所在学院和研究生保存。