视频监控系统安卓采集端通信框架设计和实现

在以安卓机顶盒为采集端的家庭视频监控系统中,分析了采集端与服务器的交互过程,针对安卓平台的特点,设计了安卓采集端的总体通信框架.运用Java反射和JNI等技术,构建了分工明确的多层通信结构体系,层间耦合度低,协调工作效率高,降低了开发和维护难度.同时,在C/C++层为采集端和服务器之间的通信帧设计了合理的组帧协议,使各种交互信息能够被快速传递和处理.     

安卓手机声波通信软件设计

随着移动设备的不断发展,安卓系统日益普及.由于NFC芯片硬件成本较高,大量安卓设备没有配置,导致利用NFC芯片进行近场通信的应用范围存在局限.为解决近场通信的普适性问题,本文给出了一种利用移动设备内置扬声器和麦克风进行声波近场通信的软件方案,介绍了在安卓手机上实现的原型系统的设计,以及采用声波调幅传输二进制信息的调制、解调算法.对该方案进行了兼容性、识别率、抗干扰等方面的测试,实验结果表明声波通信软件具有硬件要求低、成本低、传输可靠等优点,具有良好的应用前景.     

基于Android的科目三模拟考试系统

基于Android的科目三模拟考试系统把驾驶员考试从车载电脑迁移到便捷的Android手机智能平台,在保证模拟考试质量的前提下降低了驾校的硬件成本。实践证明使用科目三模拟系统能够提高考试合格率、减少学员训练时间、提升驾校招生率且能够提高训练车辆的使用效率。     

试析基于安卓系统的测量软件开发技术

安卓系统模式下设计开发的测量软件,可以应用在移动终端中,从而达到单一导线、水准路线、计算功能以及外业功能,还能够转换不同坐标,并且也能够依据蓝牙设备接收以及传输计算机和移动设备、移动设备之间的数据信息。本文主要分析了基于安卓系统的测量软件开发技术。     

一种基于NFC的身份识别系统设计

随着物联网和移动技术的发展,"互联网+"正在改变社会的生活和工作模式,人性化和智能化是其主要特点.身份识别在移动技术的应用中发挥越来越重要的作用.本文从NFC技术出发,提出一种基于NFC身份识别的设计思路,可以广泛地运用到智能身份识别的实际工作中.     

一种便携式无线监控的实现

为了实现一种价格低廉、便携式无线监控系统来满足智能家居的应用要求。采用一种无线路由作为终端,在手机上开发APK作为客户端接收显示视频数据,在终端上编译安装SDK包,配置内核USB摄像头的驱动,并改写内核的USB摄像头驱动程序使其支持摄像头的使用。实验结果表明,可以在安卓系统手机上运行APK自动连接路由器发出的Wi Fi信号,实现视频数据的清晰监控。     

融合MAML和CBAM的安卓恶意应用家族分类模型

为满足对新兴安卓恶意应用家族的快速检测需求,提出一种融合MAML(model-agnostic meta-learning)和CBAM(convolutional block attention module)的安卓恶意应用家族分类模型MAML-CAS。将安卓恶意应用样本集中的DEX文件可视化为灰度图,并构建任务集;融合混合域注意力机制CBAM,设计两个具有同等结构的卷积神经网络,分别作为基学习器和元学习器,这两个学习器在自动提取任务集中样本特征的同时,可从通道和空间两个维度来增强关键特征表达;利用元学习方法 MAML对两个学习器进行训练,其中基学习器完成特定恶意家族分类任务的属性学习,元学习器则学习不同任务的共性;在两个学习器训练完成后,MAML-CAS将获得初始化参数,在面对新的安卓恶意应用家族分类任务时,不需要重新训练,只需要少量样本就可以快速迭代;利用训练完成的基学习器提取安卓恶意应用家族特征,并利用SVM进行恶意家族分类。实验结果表明,MAML-CAS模型对新兴小样本安卓恶意应用家族具有良好的检测效果,检测速度较快,并具有较好的稳定性。     

基于Android的独立装备柜系统的设计与实现

随着现代物联网技术的不断发展,嵌入式设备可以应用于许多不同的场景,提高各行各业的工作效率。为了响应公安管理的信息化建设,方便警务人员的日常工作,设计了一套基于嵌入式Android设备的警用装备柜系统。该系统主要使用SQLite持久化管理用户数据,通过网口发送命令控制单片机操控柜体、收集数据,并使用一套严谨的混合加密方案来保障数据和操作流程的安全性。因此,该系统不仅提高了装备管理的效率,更可以独立于其他终端,是一个高鲁棒性、高安全性的管理系统。     

结合CNN和Catboost算法的恶意安卓应用检测模型

针对恶意安卓应用程序检测中存在的特征维度大、检测效率低的问题,结合卷积神经网络CNN良好的特征提取和降维能力以及catboost算法无需广泛数据训练即可产生较好分类结果的优点,构建一个CNN-catboost混合恶意安卓应用检测模型。通过逆向工程获取安卓应用的权限、API包、组件、intent、硬件特性和OpCode特征等静态特征并映射为特征向量,再在特征处理层使用卷积核对特征进行局部感知处理以增强信号。使用最大池化对处理后的特征进行下采样,降低维数并保持特征性质不变。将处理后的特征作为catboost分类层的输入向量,利用遗传算法的全局寻优能力对catboost模型进行调参,进一步提升分类准确率。对训练完成的模型,分别使用已知和未知类型的安卓应用程序数据集作实际应用测试。实验结果表明CNN-catboost模型调参用时较少,在预测精度和检测效率上也展示出较为良好的效果。