(HK1-1)海康网络摄像机的使用

https://blog.csdn.net/u014552102/article/details/86700057

 

 

一、手机客户端操作:
  首先在莹石商城官网https://www.ys7.com/下载“莹石云视频”手机客户端到手机安装。安装完成后,打开客户端,按照官方的摄像机操作说明书在手机端一步步进行操作如下所示:(这里必须将手机连接路由器的wifi,并确保手机和摄像机连接在相同的wifi环境中,并且由于是使用声波的方式连接wifi,在这个过程中,摄像机不能连接网线。下面的添加和配置操作都必须在摄像机上电后的3分钟内完成,否则得重启摄像机重新操作)

 

插上摄像机电源和天线,启动摄像机,在萤石客户端中扫描摄像机机身的二维码:

 

 

扫描完二维码后,由于博主的设备已经配置过网络,所以出现的界面如下,得长按设备的RESET键,重置设备。

 

 

 在下图中输入手机所连接的wifi的名称和密码,单击“下一步”。(这里密码得输入正确,如果不正确,是不会有提示的,但是下一步的“通过声波配置网络”会失败)

 

将手机音量调节至最大,并将手机扬声器靠近摄像机麦克风位置,单击“发送声波”进行wifi配置。

 

 

出现下图画面时,表示wifi配置成功了。

 

 

 

 

然后我们可以通过手机客户端实时查看摄像机的视频画面了

 

 

 

二、电脑客户端操作
  完成上述手机客户端操作后,我们在萤石云视频官网https://service.ys7.com/download下载电脑客户端。下载完后打开电脑客户端,登录,然后在“设备管理”的“网络参数配置”这里得到摄像机的IP地址(从下图中可以看到博主的摄像机ip地址是192.168.1.105,该地址每一次Reset和重启摄像机后都有可能发生变化的。记住这个地址,开发得用到)
————————————————

 

 

三、浏览器操作
  将电脑也连接到跟摄像机相同的wifi网络中,在浏览器地址栏中输入摄像机的ip地址192.168.1.105(该地址可以从第二步的电脑客户端操作中得到。这里非常坑的是海康官方说明书中说摄像机的初始化ip地址是192.168.1.64,但是在进行手机客户端操作后,该ip地址就变了,但是说明书并没有提到这一点,然后192.168.1.64在浏览器中就登录不上去了,得在电脑客户端中才能获取到该新的p地址,所以非常的坑)。

 

在下图中输入账号和密码。其中账号为admin,初始密码为admin+摄像机机身上的验证码(这里要注意的是这里的账号和密码是摄像机本身的账号和密码,不是手机客户端和电脑客户端的账号和密码,并且如果通过摄像机机身的RESET键恢复出厂设置后,这里的账号和密码会发生变化,但是客户端的账号和密码不会变化。所以两者不要混淆了)。

 

 

登录后,我们可以在浏览器中查看摄像机的视频和配置摄像机的一些参数。

 

 

转载于:https://www.cnblogs.com/kekeoutlook/p/11595918.html

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值