服务器中数据信息的权利,一种网络即时通讯数据信息实时监控系统及监控方法_2015108243769_权利要求书_专利查询_专利网_钻瓜专利网...

1.一种网络即时通讯数据信息实时监控系统,其特征在于,包括数据转存服务器、数据库服务器、消息转发服务器、监控服务器、用户终端和管理员终端;

所述数据转存服务器分别与所述数据库服务器、所述监控服务器、所述用户终端和所述管理员终端相连;

所述监控服务器还通过所述消息转发服务器与所述用户终端相连;

其中,通过所述管理员终端获得的非法字符信息和通过所述用户终端获得的聊天信息,经所述数据转存服务器存储到所述数据库服务器中,所述监控服务器通过数据转存服务器从所述数据库服务器中调取所述非法字符信息和所述聊天信息,并在对所述非法字符信息和所述聊天信息进行匹配后,获得匹配结果,所述消息转发服务器根据所述匹配结果发送所述聊天信息;

其中,所述监控服务器在所述聊天信息与所述非法字符信息相符时,确定匹配结果为第一匹配结果,在所述聊天信息与所述非法字符信息不相符时,确定匹配结果为第二匹配结果,所述监控服务器通过SocketClass类中的方法进行匹配;

其中,当匹配结果为所述第一匹配结果时,则所述消息转发服务器对所述聊天信息中的非法字符遮蔽处理后再进行发送,当匹配结果为所述第二匹配结果时,则所述消息转发服务器直接发送所述聊天信息;

其中,所述网络即时通讯数据信息实时监控系统所需要的所有类、方法和函数均存储于公共类库中,所述公共类库中的内容应用于所述数据转存服务器、数据库服务器、消息转发服务器、监控服务器、用户终端和管理员终端中;所述公共类库具有序列化数据功能,将对象流在需要传输时调用方法转换为二进制流的数据,具体包括:创建一个内存流存储区,并将对象数据序列化为内存流数据,在接收时调用方法,将二进制流在反转化成对象流,关闭创建的内存区并释放;所述公共类库具有定义命令模式功能,对不同的信息设置不同的消息类型;所述公共类库具有数据库连接功能即读取文件内容的功能,在数据转存服务器的bin/Debug路径下存在setFile.txt文件,其存储的是数据库服务器的 地址,对应的数据库服务器的名称,以及用户名和密码;

其中,所述用户终端的登录信息存储在所述数据库服务器中,所述用户终端在修改登录密码时经过所述数据转存服务器在所述数据库服务器中进行修改;

其中,所述管理员终端还可以进行特定用户的搜索和特征信息的搜索,与其他终端进行聊天操作,以及对用户终端的管理,所述管理员终端在进行信息搜索时经过所述数据转存服务器在所述数据库服务器中进行搜索。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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