《电子技术基础》课程教学大纲 《计算机网络原理》课程教学大纲 《数据仓库与数据挖掘》课程教学大纲 《数据库系统原理》课程教学大纲 《人工智能导论》课程教学大纲 《物联网专业英语》课程教学大纲 《数据结构》课程教学大纲 《物联网工程导论》课程教学大纲 《无线传感器网络及 RFID 技术》课程教学大纲 《通信技术基础》课程教学大纲 《物联网安全技术》课程教学大纲 《物联网工程技术》课程教学大纲 《物联网工程设计与实施》课程教学大纲 《物联网软件工程》课程教学大纲 《移动应用开发技术》课程教学大纲 《程序设计语言 C》课程教学大纲 《计算机组成原理》课程教学大纲 《微机原理与接口技术》课程教学大纲 《面向对象程序设计 JAVA》课程教学大纲 《Web 开发技术》课程教学大纲 《单片机与嵌入式系统设计》课程教学大纲 《离散数学》课程教学大纲 《传感器与检测技术》课程教学大纲 《物联网通信技术》课程教学大纲 《操作系统原理》课程教学大纲 《无线传感网技术》课程教学大纲 《信息工程管理》课程教学大纲 《项目管理教程》课程教学大纲 《无线通信技术》课程教学大纲 《科技文献检索》课程教学大纲

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

一、信息安全概述 二、信息安全现状 三、信息安全研究内容 四、信息安全发展 五、关于本课程 1 课程内容 2 课程安排

内容索引 网络信息安全问题起源 网络信息安全的任务 网络信息安全常见威胁 网络信息安全的理论、技术和方法 安全标准、规范和管理 网络安全方案设计 设计实例分析 电子商务的安全问题 本课程的安排

 信息安全学科  信息安全专业规范

信息安全管理体系 信息安全风险评估 信息安全审计

信息安全的概念 信息安全发展历程 信息安全技术体系 信息安全模型 信息安全保障技术框架

信息内容安全概述 信息内容获取技术 信息内容识别与分析 信息内容控制和管理 信息内容安全应用

1 信息安全概述 2 数据加密和身份验证 3 信息安全技术 4 信息安全制度建设

 信息安全基本概念  信息安全发展历史  信息安全概述