互联网+人工智能技术实现

　　本书从人工智能的角度出发，以“互联网+”人工智能方法和智能家居领域中的异常检测应用为案例，对人工智能方法应用于监控视频中出现的入侵、异常区域进行发现、分割、处理和分析等方法进行研究。同时，在对模式识别技术和信号分析方法进行深入研究的基础上，论述了一种可以应用于智能监控中的自适应小波神经网络方法，进行了计算机仿真，并构建了一个实际应用系统。

　　刘经纬，2014年毕业于北京工业大学模式识别与智能系统专业（博士学位一级学科为控制科学与工程专业），辅修管理科学与工程专业。主要研究方向为人工智能、智能系统、智能控制、互联网+智能家居与电子商务，发表论文、专利、软件著作权20余项。2015年获首都经济贸易大学青年教学基本功大赛一等奖和受学生欢迎奖。主讲课程为《数据库应用》、《IT项目管理》、《网络工程与C#网站开发》、《嵌入式系统》等。

1绪论
11“互联网+智能系统”的背景与意义/
12人工智能与智能监控技术的现状/
121人工智能技术的发展/
122智能视频监控技术的研究现状/
123智能视频分析技术的研究现状/
13本书内容概述/
131本书解决的问题/
132本书的主要内容/
14本书的结构安排/
2人工智能方法的理论基础
21神经网络理论/
211神经网络理论的发展/
212神经网络的特征/
213BP神经网络的基本理论/
214BP神经网络的优点和存在的问题/
22小波分析理论/
221小波分析的发展/
222小波分析的基本理论/
223小波分析的特点和存在的问题/
23小波神经网络理论/
231小波神经网络的发展/
232小波神经网络的基本理论/
233小波神经网络的优点和存在的问题/
24本章小结/

3自适应小波神经网络人工智能方法理论研究
31自适应小波神经网络方法概述/
32自适应小波神经网络的设计/
321自适应小波神经网络系统设计/
322自适应小波神经网络结构设计/
323自适应小波神经网络算法设计/
33自适应小波神经网络算法实例研究/
331自适应小波神经网络算法实例的提出/
332针对研究实例的算法设计/
34本章小结/

4自适应小波神经网络方法的计算机仿真研究
41计算机仿真研究概述/
411计算机仿真方法概述/
412计算机仿真研究的目标/
413计算机仿真研究的实验内容/
414计算机仿真研究的程序设计/
42计算机仿真实验的主要内容/
421自适应小波神经网络算法的可行性实验/
422自适应小波神经网络算法的变学习效率实验/
423自适应小波神经网络算法的变误差精度实验/
424BP神经网络算法的可行性实验/
425BP神经网络算法的变学习效率实验/
426BP神经网络算法的变误差精度实验/

43计算机仿真实验的结论/
431自适应小波神经网络计算机仿真实验的结论/
432BP神经网络计算机仿真实验的结论/
433对两种神经网络计算机仿真实验结果的对比/
44本章小结/

5智能视觉系统设计与实现
51智能视频监控系统的功能设计/
52智能视频监控系统的系统设计/
53智能视频监控系统的硬件设计/
531智能监控视频的工作过程/
532视频监控的工作过程/
54智能视频监控系统的软件设计/
541智能视频监控系统的软件设计概述/
542视频采集传输的程序设计/
543视频分析的算法设计/
55视频分析算法的实现/
551视频图像预处理/
552背景更新/
553背景差分/
554图像分割/
555分割区域图像二值化/
556分割区域图像归一化/
557分割区域图像特征提取/
558分割区域图像模式识别/
56智能视频监控系统的联调及展示/
561系统联调实验/
562视频采集和传输实验/
563视频处理和分析实验/
564真实生活场景实验/
57本章小结/

6“大智移云”新工科方法与技术的智能家居系统设计与实现
61应用背景/
62应用价值/
63研究技术方案/
64多网络单点接入集成步骤/
65系统运行步骤/
66本章小结/

7“大智移云”与虚拟现实的跨平台3D智能交通指挥方法及系统
71背景技术/
72研究目的/
73研究的优势/
74研究的技术方案/
741“大智移云”与虚拟现实技术的跨平台3D智能交通指挥
系统/
742“大智移云”与虚拟现实技术的跨平台3D智能交通指挥
方法/
75研究的实施方式/
751智能终端层（1）/
752网络安全层（3）/
753接入服务层（4）/
754核心数据层（5）/
755监控指挥层（6）/