方案常用中關鍵技術與技術路線

1、關鍵技術與技術路線注：技術路線部分主要是開發(fā)時所用到的框架和技術，關鍵技術部分主要是當前應用的一些前端技術。一、技術路線系統(tǒng)采用的技術路線分為以下兩個層次：采用良好的系統(tǒng)構建框架及系統(tǒng)實現(xiàn)技術，同時采用良好的數(shù)據(jù)定義、傳輸與組成對象交互機制，這兩個層次可以貼切的比喻為“人的骨頭與血液”的關系，是構建性能優(yōu)異、架構健壯、開放靈活應用系統(tǒng)的基礎。1、SpringMVC技術框架SpringMVC是Spring框架的一部分，Spring框架成為JavaEE開發(fā)主流框架后，Spring開發(fā)小組又在Spring框架的基礎上推出了MVC架構，主要用于支持WEB應用程序的開發(fā)。MVC是Model（模型，也稱為

2、數(shù)據(jù)模型）、View（視圖）、Controll（控制器）三個英文單詞首字母的縮寫。從MVC組合的三個單詞也可以看出，MVC是一種設計模型，它使用控制器將數(shù)據(jù)模型和視圖進行分離，也就是將視圖和數(shù)據(jù)解耦。這樣的好處是后端處理的數(shù)據(jù)模型和前端視圖顯示的數(shù)據(jù)格式無關，實現(xiàn)一個數(shù)據(jù)模型可以對應多個視圖以不同的方式來展現(xiàn)數(shù)據(jù)，當數(shù)據(jù)模型或視圖發(fā)生變化時，相互之間的影響也會降低到最低。MVC中最重要的核心就是控制器，控制器與視圖和模型相對獨立，它起到一個負責分發(fā)請求和返回處理結果的作用，對請求和數(shù)據(jù)模型的處理一般由JavaBean負責。數(shù)況薛取控制需Ecntmll的類數(shù)掂模生實體類瀏眩器口部頁面取6線工上圖

3、是在實際開發(fā)中MVC的架構圖，架構圖分為兩部分：虛線框外的是WEB程序的瀏覽器部分，用戶通過瀏覽器與系統(tǒng)進行交互，同時瀏覽器也負責解析JSP頁面；虛線框內的是WEB程序的后臺部分，這部分包括控制器（Controller類）、業(yè)務邏輯（Service類）、數(shù)據(jù)模型（實體類）、數(shù)據(jù)持久層（Mybatis框架）和MySQL數(shù)據(jù)庫管理系統(tǒng)。在MVC架構中，JSP頁面就是視圖，用戶通過JSP頁面發(fā)出請求后，SpringMVC會根據(jù)請求路徑，將請求發(fā)給與請求路徑對應的Controller類，Controller類調用Service類對請求進行處理，Service類會調用數(shù)據(jù)持久層MyBatis完成對實體類

4、的存取和查詢工作，并將處理結果返回到Controller類，Controller類將處理結果轉換為ModelAndView對象，JSP接收ModelAndView對象并進行渲染。2、微服務（架構）微服務架構是一種架構模式，它提倡將單一應用程序劃分成一組小的服務，服務之間相互協(xié)調、互相配合，為用戶提供最終價值。每個服務運行在其獨立的進程中，服務和服務之間采用輕量級的通信機制相互溝通（通常是基于HTTP的RestfulAPI）.每個服務都圍繞著具體的業(yè)務進行構建，并且能夠被獨立的部署到生產環(huán)境、類生產環(huán)境等。另外，應盡量避免統(tǒng)一的、集中的服務管理機制，對具體的一個服務而言，應根據(jù)業(yè)務上下文，選擇合

5、適的語言、工具對其進行構架。作為一種新的設計和架構理念，相比于傳統(tǒng)的單體式應用而言，微服務這種小而化之、互相連接的設計理念不僅能讓復雜應用的構建變得更加靈活，更能幫助創(chuàng)業(yè)企業(yè)在面對市場的高度不確定性時，快速推出新產品，低成本試錯。優(yōu)點：1:提升開發(fā)交流，每個服務足夠內聚，足夠小，代碼容易理解；2:服務獨立測試、部署、升級、發(fā)布；3:按需定制的DFX，資源利用率，每個服務可以各自進行x擴展和z擴展，而且，每個服務可以根據(jù)自己的需要部署到合適的硬件服務器上；每個服務按4:需要選擇HA的模式，選擇接受服務的實例個數(shù)；5：容易擴大開發(fā)團隊，可以針對每個服務(service)組件開發(fā)團隊；6：提高容錯性

6、faultisolation),一個服務的內存泄露并不會讓整個系統(tǒng)癱瘓；7:新技術的應用，系統(tǒng)不會被長期限制在某個技術棧上。3、mybatis框架MyBatis是一款優(yōu)秀的持久層框架，它支持定制化SQL、存儲過程以及高級映射。MyBatis避免了幾乎所有的JDBC代碼和手動設置參數(shù)以及獲取結果集。MyBatis可以使用簡單的XML或注解來配置和映射原生信息，將接口和Java的POJOs(PlainOldJavaObjects,普通的Java對象)映射成數(shù)據(jù)庫中的記錄。sql寫在xml文件中，便于統(tǒng)一管理和優(yōu)化，解除sql和程序代碼的耦合;提供映射標簽，支持對象和和數(shù)據(jù)庫orm字段關系的映射，支

7、持對象關系映射標簽，支持對象關系的組建；提供xml標簽，支持編寫動態(tài)sql。功能架構(1)API接口層：提供給外部使用的接口API，開發(fā)人員通過這些本地API來操縱數(shù)據(jù)庫。接口層一接收到調用請求就會調用數(shù)據(jù)處理層來完成具體的數(shù)據(jù)處理。(2)數(shù)據(jù)處理層：負責具體的SQL查找、SQL解析、SQL執(zhí)行和執(zhí)行結果映射處理等。它主要的目的是根據(jù)調用的請求完成一次數(shù)據(jù)庫操作。(3)基礎支撐層：負責最基礎的功能支撐，包括連接管理、事務管理、配置加載和緩存處理，這些都是共用的東西，將他們抽取出來作為最基礎的組件。為上層的數(shù)據(jù)處理層提供最基礎的支撐?？傮w流程(1)加載配置并初始化觸發(fā)條件：加載配置文件處理過程：

8、將SQL的配置信息加載成為一個個MappedStatement對象(包括了傳入?yún)?shù)映射配置、執(zhí)行的SQL語句、結果映射配置)，存儲在內存中。(2)接收調用請求觸發(fā)條件：調用Mybatis提供的API傳入?yún)?shù)：為SQL的ID和傳入?yún)?shù)對象處理過程：將請求傳遞給下層的請求處理層進行處理。(3)處理操作請求觸發(fā)條件：API接口層傳遞請求過來傳入?yún)?shù)：為SQL的ID和傳入?yún)?shù)對象處理過程：(A)根據(jù)SQL的ID查找對應的MappedStatement對象。(B)根據(jù)傳入?yún)?shù)對象解析MappedStatement對象，得到最終要執(zhí)行的SQL和執(zhí)行傳入?yún)?shù)。(C)獲取數(shù)據(jù)庫連接，根據(jù)得到的最終SQL語句和

9、執(zhí)行傳入?yún)?shù)到數(shù)據(jù)庫執(zhí)行，并得到執(zhí)行結果。(D)根據(jù)MappedStatement對象中的結果映射配置對得到的執(zhí)行結果進行轉換處理，并得到最終的處理結果。(E)釋放連接資源。(4)返回處理結果將最終的處理結果返回。優(yōu)點：.與JDBC相比，減少了50%以上的代碼量。.乂丫8$是最簡單的持久化框架，小巧并且簡單易學。.MyBatis相當靈活，不會對應用程序或者數(shù)據(jù)庫的現(xiàn)有設計強加任何影響，SQL寫在XML里，從程序代碼中徹底分離，降低耦合度，便于統(tǒng)一管理和優(yōu)化，并可重用。.提供XML標簽，支持編寫動態(tài)SQL語句。.提供映射標簽，支持對象與數(shù)據(jù)庫的ORM字段關系映射。4、shiro框架ApacheS

10、hiro是一個強大且易用的Java安全框架,執(zhí)行身份驗證、授權、密碼和會話管理。使用Shiro的易于理解的API,您可以快速、輕松地獲得任何應用程序，從最小的移動應用程序到最大的網(wǎng)絡和企業(yè)應用程序。主要功能三個核心組件：Subject,SecurityManager和Realms.Subject：即“當前操作用戶”。但是，在Shiro中，Subject這一概念并不僅僅指人，也可以是第三方進程、后臺帳戶（DaemonAccount）或其他類似事物。它僅僅意味著“當前跟軟件交互的東西”。但考慮到大多數(shù)目的和用途，你可以把它認為是Shiro的“用戶”概念。Subject代表了當前用戶的安全操作，Se

11、curityManager則管理所有用戶的安全操作。530口？設丫乂門83r它是Shiro框架的核心，典型的Facade模式，Shiro通過SecurityManager來管理內部組件實例，并通過它來提供安全管理的各種服務。Realm：Realm充當了Shiro與應用安全數(shù)據(jù)間的“橋梁”或者“連接器”。也就是說，當對用戶執(zhí)行認證（登錄）和授權（訪問控制）驗證時，Shiro會從應用配置的Realm中查找用戶及其權限信息。從這個意義上講，Realm實質上是一個安全相關的口人。：它封裝了數(shù)據(jù)源的連接細節(jié)，并在需要時將相關數(shù)據(jù)提供給Shiro。當配置Shiro時，你必須至少指定一個Realm，用于認證

12、和（或）授權。配置多個Realm是可以的，但是至少需要一個。Shiro內置了可以連接大量安全數(shù)據(jù)源（又名目錄）的Realm，如LDAP、關系數(shù)據(jù)庫JDBC）、類似INI的文本配置資源以及屬性文件等。如果缺省的Realm不能滿足需求，你還可以插入代表自定義數(shù)據(jù)源的自己的Realm實現(xiàn)。5、CAS單點登錄CAS全稱為CentralAuthenticationService即中央認證服務，是一個企業(yè)多語言單點登錄的解決方案，并努力去成為一個身份驗證和授權需求的綜合平臺。單點登錄（SingleSign-On,簡稱SSO）是多個相關但獨立的軟件系統(tǒng)訪問控制的一個屬性。通過使用該屬性，用戶登錄與單個ID和

13、密碼來訪問所連接的一個或多個系統(tǒng)，而不使用不同的用戶名或密碼，或在某些配置中無縫登錄在每個系統(tǒng)上，它是比較流行的服務于企業(yè)業(yè)務整合的一種解決方案?？偨Y一句話，SSO使得在多個應用系統(tǒng)中，用戶只需要登錄一次就可以訪問所有相互信任的應用系統(tǒng)。Cas就是單點登錄的框架。6、maven技術Maven項目對象模型（POM），可以通過一小段描述信息來管理項目的構建，報告和文檔的項目管理工具軟件。Maven除了以程序構建能力為特色之外，還提供高級項目管理工具。由于Maven的缺省構建規(guī)則有較高的可重用性，所以常常用兩三行Maven構建腳本就可以構建簡單的項目。由于Maven的面向項目的方法，許多Apache

14、Jakarta項目發(fā)文時使用Maven，而且公司項目采用Maven的比例在持續(xù)增長。Maven是一個項目管理工具，它包含了一個項目對象模型（ProjectObjectModel），一組標準集合，一個項目生命周期（ProjectLifecycle），一個依賴管理系統(tǒng)（DependencyManagementSystem）,和用來運行定義在生命周期階段（phase）中插件81口目血）目標&01）的邏輯。當你使用Maven的時候，你用一個明確定義的項目對象模型來描述你的項目，然后Maven可以應用橫切的邏輯，這些邏輯來自一組共享的（或者自定義的）插件。Maven有一個生命周期，當你運行mvninst

15、all的時候被調用。這條命令告訴Maven執(zhí)行一系列的有序的步驟，直到到達你指定的生命周期。遍歷生命周期旅途中的一個影響就是，Maven運行了許多默認的插件目標，這些目標完成了像編譯和創(chuàng)建一個JAR文件這樣的工作。此外，Maven能夠很方便的幫你管理項目報告，生成站點，管理JAR文件，等等。7、vue前端js框架Vue是一套用于構建用戶界面的漸進式框架。與其它大型框架不同的是，Vue被設計為可以自底向上逐層應用。Vue的核心庫只關注視圖層，不僅易于上手，還便于與第三方庫或既有項目整合。另一方面，當與現(xiàn)代化的工具鏈以及各種支持類庫結合使用時，Vue也完全能夠為復雜的單頁應用提供驅動。vue兩大特

16、點：響應式編程、組件化vue的優(yōu)勢：輕量級框架、簡單易學、雙向數(shù)據(jù)綁定、組件化、視圖、數(shù)據(jù)和結構的分離、虛擬DOM、運行速度快vue是單頁面應用，使頁面局部刷新，不用每次跳轉頁面都要請求所有數(shù)據(jù)和dom,這樣大大加快了訪問速度和提升用戶體驗。而且他的第三方皿庫很多節(jié)省開發(fā)時間。8、layui前端框架layui是一款采用自身模塊規(guī)范編寫的前端UI框架，它遵循原生的HTML/CSS/JS書寫方式。它雖然外在極簡，但是內容豐富，里面包含眾多組件從核心代碼到API都非常適合界面的快速開發(fā)。事實上layui更多是面向于后端開發(fā)者，而且它還擁有自己的模式。更加輕量和簡單。優(yōu)點：（1）layui屬于輕量級框

17、架，簡單美觀。適用于開發(fā)后端模式，它在服務端頁面上有非常好的效果。（2）layui是提供給后端開發(fā)人員最好的ui框架，基于DOM驅動，只要不涉及到交互layui還是很不錯的1、農業(yè)大數(shù)據(jù)與云計算技術農業(yè)大數(shù)據(jù)是融合了農業(yè)地域性、季節(jié)性、多樣性、周期性等自身特征后產生的來源廣泛、類型多樣、結構復雜、具有潛在價值，并難以應用通常方法處理和分析的數(shù)據(jù)集合，保留了大數(shù)據(jù)自身具有的規(guī)模巨大、類型多樣、價值密度低、處理速度快、精確度高和復雜度高等基本特征，并使農業(yè)內部的信息流得到了延展和深化。大數(shù)據(jù)技術不僅能夠對農業(yè)信息進行收集和整理，還能夠精準地預測未來的走向，為農業(yè)生產、營銷等活動提供預警監(jiān)測和決策依

18、據(jù)，降低了傳統(tǒng)模式下由于數(shù)據(jù)信息處理低效引發(fā)的農業(yè)生產風險。農業(yè)大數(shù)據(jù)技術體系包括大數(shù)據(jù)的采集與預處理技術大數(shù)據(jù)存儲與管理技術、大數(shù)據(jù)計算模式與系統(tǒng)、大數(shù)據(jù)分析與挖掘技術、大數(shù)據(jù)可視化分析技術及大數(shù)據(jù)安全技術等。海量數(shù)據(jù)信息管理與挖掘技術（云計算），數(shù)據(jù)資源虛擬化與智能信息推送技術（云服務），農業(yè)物聯(lián)網(wǎng)信息融合與優(yōu)化處理技術（模型決策）等作為農業(yè)物聯(lián)網(wǎng)應用層的關鍵技術，在農業(yè)生產中發(fā)揮了重大作用。用于農情、災情、作物、農產品監(jiān)測預警。在大數(shù)據(jù)基礎上，根據(jù)數(shù)據(jù)處理平臺的分析處理，使農情監(jiān)測系統(tǒng)更加完善。通過分析收集的氣象數(shù)據(jù)，結合氣象模擬、土地分析、植物根部等要素，改進自然災害的預測預報和災害評

19、估方法，提高預測災情的客觀性與準確性。針對遙感衛(wèi)星監(jiān)測提供的宏觀數(shù)據(jù)，利用大數(shù)據(jù)處理平臺進行全面分析，為作物估產和生長動態(tài)監(jiān)測提供重要的信息情報。在農產品質量監(jiān)測預警方面，大數(shù)據(jù)技術給農產品信息的全面收集提供了技術基礎，通過全方位比對，提高農產品質量監(jiān)測的準確性。大數(shù)據(jù)處理技術的實時性使得農產品在出現(xiàn)質量問題時，能夠及時控制影響范圍，使農產品質量預警機制更加高效。數(shù)據(jù)獲取技術更加快捷，農產品市場信息的流動大大加快，從而減弱不同地域的市場信息不同步所帶來的市場風險。用于精準農業(yè)決策。精準農業(yè)決策是指根據(jù)各個方面的農業(yè)信息，制定出一整套具有可實施性的精準管理措施。大數(shù)據(jù)處理分析技術集成作物自身生長

20、發(fā)育狀況以及作物生長環(huán)境中的氣候、土壤、生物等數(shù)據(jù)，同時綜合考慮經(jīng)濟、環(huán)境、可持續(xù)發(fā)展的指標，可以彌補專家系統(tǒng)、模擬模型在多結構、高密度數(shù)據(jù)處理方而的不足，為生產決策者提供更加精準、實時、高效的農業(yè)決策。以大數(shù)據(jù)驅動精準農業(yè)操作方面，通過遙感衛(wèi)星和無人機可以管理地塊和規(guī)劃作物種植適宜區(qū)，預測氣候、自然災害、病蟲害、土壤墑情等環(huán)境因素，監(jiān)測作物長勢，指導灌溉和施肥，預估產量；利用氣象、環(huán)境等數(shù)據(jù)來支持農業(yè)種植及上下游的決策；GPS導航能力和其他工業(yè)技術的提高，實現(xiàn)跟蹤作物流動，引導和控制設備，監(jiān)控農田果園環(huán)境，精細化管理整個土地的投入，大大提高了生產力和盈利能力。用于農業(yè)農村云服務平臺的搭建。云

21、服務平臺的搭建有助于農業(yè)信息的傳播。面對數(shù)據(jù)資源體量大、數(shù)據(jù)處理流程復雜、信息服務模式多樣、用戶需求復雜多樣，實現(xiàn)信息服務按需分配以及處理大規(guī)模的資源數(shù)據(jù)中就必須利用大數(shù)據(jù)處理分析技術。國家農業(yè)信息化工程技術研究中心研發(fā)農業(yè)智能系統(tǒng)平臺PAID，提供了統(tǒng)一規(guī)范和適合農業(yè)特點的農業(yè)智能系統(tǒng)技術框架體系，支持對農業(yè)問題的定性推理和定量計算，在WindowsDNA體系結構、多源數(shù)據(jù)融合、基于XML的數(shù)據(jù)交換與傳輸、軟構件技術、產生式知識表示、知識自動獲取和模糊推理等關鍵技術上實現(xiàn)了創(chuàng)新，平臺基于OMG組織的模型驅動體系結構MDA建立了層次模型和構件模型，不同層次的用戶可以方便的利用平臺開發(fā)定制出適合

22、不同農業(yè)應用領域的專家系統(tǒng)；基于WebSevice技術支持多專家系統(tǒng)的整合、協(xié)同以及不同的客戶端應用；基于COM/DCOM/COM+、.NET和EJB規(guī)范，建立了基于Web的多級專家系統(tǒng)構件開發(fā)模型，具有良好的可重構性和集成性。云服務平臺以農產品標準化生產、物聯(lián)網(wǎng)精準管理、全程質量溯源為支撐，形成全面信息化、智能化生產銷售鏈條，實現(xiàn)從農產品生產到市場銷售的全程信息化管理，以及農副產品“從農田到餐桌”全過程可追溯。2、農業(yè)物聯(lián)網(wǎng)技術物聯(lián)網(wǎng)技術是推動信息化與農業(yè)現(xiàn)代化融合的重要切入點，是推動我國農業(yè)向“高產、優(yōu)質、高效、生態(tài)、安全”發(fā)展的重要技術支撐。全球的物聯(lián)網(wǎng)應用主要以二維碼、RFID、傳感器

23、等技術為主。當前我國農業(yè)物聯(lián)網(wǎng)發(fā)展已初步形成以農業(yè)傳感器、網(wǎng)絡互連和智能信息處理等農業(yè)物聯(lián)網(wǎng)共性關鍵技術研究為重點，以探測農業(yè)生態(tài)資源環(huán)境、感知大田、設施、果園動植物生命信息，農業(yè)機械裝備作業(yè)調度和遠程監(jiān)控、農產品與食品質量安全可追溯、服務平臺集成、標準體系制定等方面為重要應用發(fā)展領域，以農業(yè)傳感器和移動信息裝備制造產業(yè)、農業(yè)信息網(wǎng)絡服務產業(yè)、農業(yè)自動識別技術與設備產業(yè)、農業(yè)精細作業(yè)機具產業(yè)、農產品物流產業(yè)等為重點戰(zhàn)略新興產業(yè)的格局，逐步形成了從關鍵技術研究、標準制定、產品研發(fā)、平臺構建、應用示范為一體的發(fā)展技術路線。在農業(yè)領域，物聯(lián)網(wǎng)技術在農作物灌溉、生產環(huán)境監(jiān)測以及農產品流通和追溯方面逐步

24、推廣。物聯(lián)網(wǎng)技術集成先進傳感器、無線通訊和網(wǎng)絡、輔助決策支持與自動控制等高新技術，可以實現(xiàn)對農業(yè)資源環(huán)境、動植物生長過程、農產品流通過程等的實時監(jiān)測，獲取動植物生長發(fā)育狀態(tài)、病蟲害、水肥狀況以及相應生態(tài)環(huán)境的實時信息，并通過對農業(yè)生產過程的動態(tài)模擬和對生長環(huán)境因子的科學調控，達到合理使用農業(yè)資源、降低成本、改善環(huán)境、提高農產品產量和質量的目的。作為農業(yè)部重點實驗室建設依托單位、農業(yè)部農業(yè)物聯(lián)網(wǎng)系統(tǒng)集成重點實驗室，北京派得偉業(yè)科技發(fā)展有限公司針對農業(yè)物聯(lián)網(wǎng)領域的應用技術問題，開展設施農業(yè)物聯(lián)網(wǎng)技術、大田苗情監(jiān)測與節(jié)水灌溉物聯(lián)網(wǎng)技術、農產品質量安全監(jiān)管與溯源物聯(lián)網(wǎng)技術、農資流通物聯(lián)網(wǎng)技術、健康養(yǎng)殖

25、物聯(lián)網(wǎng)技術以及農業(yè)物聯(lián)網(wǎng)集成技術標準研究等方向的工作，在農作物林果種植領域、畜禽水產養(yǎng)殖領域、種業(yè)領域、農產品質量安全追溯領域等開展了大量的示范應用。3、地理信息系統(tǒng)(GeographicInformationSystems,GIS)技術GIS系統(tǒng)即地理信息系統(tǒng)是一種基于計算機的工具，它可以對在地球上存在的東西和發(fā)生的事件進行成圖和分析。GIS技術把地圖這種獨特的視覺化效果和地理分析功能與一般的數(shù)據(jù)庫操作(例如查詢和統(tǒng)計分析等)集成在一起。這種能力使GIS與其他信息系統(tǒng)相區(qū)別，從而使其在廣泛的公眾和個人企事業(yè)單位中解釋事件、預測結果、規(guī)劃戰(zhàn)略等中具有實用價值。地理信息系統(tǒng)技術廣泛應用于農業(yè)、林

26、業(yè)、國土資源、地礦、軍事、交通、測繪、水利、廣播電視、通訊、電力、公安、社區(qū)管理、教育、能源等幾乎所有的行業(yè)，并正在走進人們日常的工作、學習和生活中。地理信息系統(tǒng)在最近的30多年內取得了驚人的發(fā)展，在“互聯(lián)網(wǎng)+”的大背景下，GIS廣泛應用于資源調查、環(huán)境評估、災害預測、國土管理、城市規(guī)劃、郵電通訊、交通運輸、軍事公安、水利電力、公共設施管理、農林牧業(yè)、統(tǒng)計、商業(yè)金融等幾乎所有領域。資源管理(ResourceManagement)主要應用于農業(yè)和林業(yè)領域，解決農業(yè)和林業(yè)領域各種資源(如土地、森林、草場)分布、分級、統(tǒng)計、制圖等問題。資源配置(ResourceConfiguration)在城市中各

27、種公用設施、救災減災中物資的分配、全國范圍內能源保障、糧食供應等到機構的在各地的配置等都是資源配置問題。GIS在這類應用中的目標是保證資源的最合理配置和發(fā)揮最大效益。城市規(guī)劃和管理(UrbanPlanningandManagement)空間規(guī)劃是GIS的一個重要應用領域，城市規(guī)劃和管理是其中的主要內容。例如，在大規(guī)模城市基礎設施建設中如何保證綠地的比例和合理分布、如何保證學校、公共設施、運動場所、服務設施等能夠有最大的服務面(城市資源配置問題)等。土地信息系統(tǒng)和應用(LandInformationSystemandCadastralApplicaiton)土地和地籍管理涉及土地使用性質變化、地

28、塊輪廓變化、地籍權屬關系變化等許多內容，借助GIS技術可以高效、高質量地完成這些工作。生態(tài)、環(huán)境管理與模擬(EnvironmentalManagementandModeling)區(qū)域生態(tài)規(guī)劃、環(huán)境現(xiàn)狀評價、環(huán)境影響評價、污染物削減分配的決策支持、環(huán)境與區(qū)域可持續(xù)發(fā)展的決策支持、環(huán)保設施的管理、環(huán)境規(guī)劃等。應急響應(EmergencyResponse)解決在發(fā)生洪水、戰(zhàn)爭、地震、核事故等重大自然或人為災害時，如何安排最佳的人員撤離路線、并配備相應的運輸和保障設施的問題。地學研究與應用(ApplicationinGeoScience)地形分析、流域分析、土地利用研究、經(jīng)濟地理研究、空間決策支持、空

29、間統(tǒng)計分析、制圖等都可以借助地理信息系統(tǒng)工具完成。ArcMap系統(tǒng)就是一個很好的地學分析應用軟件系統(tǒng)。4、海量數(shù)據(jù)存儲技術在現(xiàn)代的企業(yè)環(huán)境中，單機容量往往無法存儲大量數(shù)據(jù)，需要跨機器存儲。統(tǒng)一管理分布在集群上的文件系統(tǒng)稱為分布式文件系統(tǒng)。而一旦在系統(tǒng)中，引入網(wǎng)絡，就不可避免地引入了所有網(wǎng)絡編程的復雜性，例如保證在節(jié)點不可用的時候數(shù)據(jù)不丟失。傳統(tǒng)的網(wǎng)絡文件系統(tǒng)（禮5）雖然也稱為分布式文件系統(tǒng)，但是其存在一些限制，由于NFS中文件存儲在單機上，無法提供可靠性保證，當很多客戶端同時訪問NFSServer時，很容易造成服務器壓力，造成性能瓶頸；另外如果要對NFS中的文件中進行操作，需要首先同步到本地，

30、這些修改在同步到服務端之前，其他客戶端是不可見的。HDFS，是分布式文件系統(tǒng)HadoopDistributedFileSystem的簡稱，是Hadoop抽象文件系統(tǒng)的一種實現(xiàn)。Hadoop抽象文件系統(tǒng)可以與本地系統(tǒng)、AmazonS3等集成，甚至可以通過亞。6協(xié)議（webhsfs）來操作。HDFS的文件分布在集群機器上，同時提供副本進行容錯及可靠性保證。HDFS采用master/slave架構。一個HDFS集群是由一個Namenode和一定數(shù)目的Datanodes組成。Namenode是一個中心服務器，負責管理文件系統(tǒng)的名字空間（namespace）以及客戶端對文件的訪問。集群中的Datanod

31、e一般是一個節(jié)點一個，負責管理它所在節(jié)點上的存儲。HDFS暴露了文件系統(tǒng)的名字空間，用戶能夠以文件的形式在上面存儲數(shù)據(jù)。從內部看，一個文件其實被分成一個或多個數(shù)據(jù)塊，這些塊存儲在一組Datanode上。Namenode執(zhí)行文件系統(tǒng)的名字空間操作，比如打開、關閉、重命名文件或目錄。它也負責確定數(shù)據(jù)塊到具體Datanode節(jié)點的映射。Datanode負責處理文件系統(tǒng)客戶端的讀寫請求。在Namenode的統(tǒng)一調度下進行數(shù)據(jù)塊的創(chuàng)建、刪除和復制。NamenodefnDatanod被設計成可以在普通的商用機器上運行。這些機器一般運行著GNU/Linux操作系統(tǒng)(OS)。HDFS采用Java語言開發(fā)，因此

32、任何支持Java的機器都可以部署Namenode或Datanode。由于采用了可移植性極強的Java語言，使得HDFS可以部署到多種類型的機器上。集群中單一Namenode的結構大大簡化了系統(tǒng)的架構。Namenode是所有HDFS元數(shù)據(jù)的仲裁者和管理者，這樣，用戶數(shù)據(jù)永遠不會流過Namenode。5、實時數(shù)據(jù)處理技術針對具有實時性、易失性、突發(fā)性、無序性、無限性等特征的流式大數(shù)據(jù)，理想的大數(shù)據(jù)流式計算系統(tǒng)應該表現(xiàn)出低延遲、高吞吐、持續(xù)穩(wěn)定運行和彈性可伸縮等特性，這其中離不開系統(tǒng)架構、數(shù)據(jù)傳輸、編程接口、高可用技術等關鍵技術的合理規(guī)劃和良好設計。Storm是Twitter支持開發(fā)的一款分布式的、

33、開源的、實時的、主從式大數(shù)據(jù)流式計算系統(tǒng)，使用的協(xié)議為EclipsePublicLicense1.0，其核心部分使用了高效流式計算的函數(shù)式語言門。編寫，極大地提高了系統(tǒng)性能。但為了方便用戶使用，支持用戶使用任意編程語言進行課題的開發(fā)。任務拓撲(topology)是Storm的邏輯單元，一個實時應用的計算任務將被打包為任務拓撲后發(fā)布，任務拓撲一旦提交后將會一直運行著，除非顯式地去中止。一個任務拓撲是由一系列Spout和Bolt構成的有向無環(huán)圖，通過數(shù)據(jù)流(stream)實現(xiàn)Spout和Bolt之間的關聯(lián)。其中，Spout負責從外部數(shù)據(jù)源不間斷地讀取數(shù)據(jù)，并以Tuple元組的形式發(fā)送給相應的Bol

34、t；Bolt負責對接收到的數(shù)據(jù)流進行計算，實現(xiàn)過濾、聚合、查詢等具體功能，可以級聯(lián)，也可以向外發(fā)送數(shù)據(jù)流。數(shù)據(jù)流是Storm對數(shù)據(jù)進行的抽象，它是時間上無窮的Tuple元組序列，數(shù)據(jù)流是通過流分組(streamgrouping)所提供的不同策略實現(xiàn)在任務拓撲中流動。此外，為了滿足確保消息能且僅能被計算1次的需求，Storm還提供了事務任務拓撲。作業(yè)級容錯機制。用戶可以為一個或多個數(shù)據(jù)流作業(yè)進行編號，分配一個唯一的ID，Storm可以保障每個編號的數(shù)據(jù)流在任務拓撲中被完全執(zhí)行。所謂的完全執(zhí)行，是指由該ID綁定的源數(shù)據(jù)流以及由該源數(shù)據(jù)流后續(xù)生成的新數(shù)據(jù)流經(jīng)過任務拓撲中每一個應該到達的Bolt，并被

35、完全執(zhí)行。Storm通過系統(tǒng)級組件Acker實現(xiàn)對數(shù)據(jù)流的全局計算路徑的跟蹤，并保證該數(shù)據(jù)流被完全執(zhí)行。其基本原理是為數(shù)據(jù)流中的每個分組進行編號，并通過異或運算來實現(xiàn)對其計算路徑的跟蹤。Storm采用主從系統(tǒng)架構，在一個Storm系統(tǒng)中有兩類節(jié)點(一個主節(jié)點Nimbus、多個從節(jié)點Supervisor)及3種運行環(huán)境(master，cluster和slaves)構成。其中，主節(jié)點Nimbus運行在master環(huán)境中，是無狀態(tài)的，負責全局的資源分配、任務調度、狀態(tài)監(jiān)控和故障檢測：一方面，主節(jié)點Nimbus接收客戶端提交來的任務，驗證后分配任務到從節(jié)點Supervisor上，同時把該任務的元信息寫

36、入Zookeeper目錄中；另一方面，主節(jié)點Nimbus需要通過Zookeeper實時監(jiān)控任務的執(zhí)行情況，當出現(xiàn)故障時進行故障檢測，并重啟失敗的從節(jié)點Supervisor和工作進程Worker。從節(jié)點Supervisor運行在slaves環(huán)境中，也是無狀態(tài)的，負責監(jiān)聽并接受來自于主節(jié)點Nimbus所分配的任務，并啟動或停止自己所管理的工作進程Worker，其中，工作進程Worker負責具體任務的執(zhí)行。一個完整的任務拓撲往往由分布在多個從節(jié)點Supervisor上的Worker進程來協(xié)調執(zhí)行，每個Worker都執(zhí)行且僅執(zhí)行任務拓撲中的一個子集。在每個Worker內部，會有多個Executor，每

37、個Executor對應一個線程。Task負責具體數(shù)據(jù)的計算，即用戶所實現(xiàn)的Spout/Blot實例。每個Executor會對應一個或多個Task，因此，系統(tǒng)中Executor的數(shù)量總是小于等于Task的數(shù)量。Zookeeper是一個針對大型分布式系統(tǒng)的可靠協(xié)調服務和元數(shù)據(jù)存儲系統(tǒng)，通過配置Zookeeper集群，可以使用Zookeeper系統(tǒng)所提供的高可靠性服務。Storm系統(tǒng)引入Zookeeper極大地簡化了Nimbus，Supervisor，Worker之間的設計，保障了系統(tǒng)的穩(wěn)定性。6、數(shù)據(jù)倉庫技術數(shù)據(jù)倉庫是決策支持系統(tǒng)（dss）和聯(lián)機分析應用數(shù)據(jù)源的結構化數(shù)據(jù)環(huán)境。數(shù)據(jù)倉庫研究和解決從

38、數(shù)據(jù)庫中獲取信息的問題。數(shù)據(jù)倉庫的特征在于面向主題、集成性、穩(wěn)定性和時變性。Hive是建立在Hadoop上的數(shù)據(jù)倉庫基礎構架。它提供了一系列的工具，可以用來進行數(shù)據(jù)提取轉化加載），這是一種可以存儲、查詢和分析存儲在Hadoop中的大規(guī)模數(shù)據(jù)的機制。Hive定義了簡單的類SQL查詢語言，稱為口、1,它允許熟悉SQL的用戶查詢數(shù)據(jù)。同時，這個語言也允許熟悉MapReduce開發(fā)者的開發(fā)自定義的mapper和reducer來處理內建的mapper和reducer無法完成的復雜的分析工作。Hive沒有專門的數(shù)據(jù)格式。Hive可以很好的工作在Thrift之上，控制分隔符，也允許用戶指定數(shù)據(jù)格式。Hive

39、構建在基于靜態(tài)批處理的Hadoop之上，Hadoop通常都有較高的延遲并且在作業(yè)提交和調度的時候需要大量的開銷。因此，Hive并不能夠在大規(guī)模數(shù)據(jù)集上實現(xiàn)低延遲快速的查詢，例如Hive在幾百MB的數(shù)據(jù)集上執(zhí)行查詢一般有分鐘級的時間延遲，因此，Hive并不適合那些需要低延遲的應用，例如聯(lián)機事務處理(OLTP)Hive查詢操作過程嚴格遵守HadoopMapReduce的作業(yè)執(zhí)行模型，Hive將用戶的HiveQL語句通過解釋器轉換為MapReduce作業(yè)提交到Hadoop集群上，Hadoop監(jiān)控作業(yè)執(zhí)行過程，然后返回作業(yè)執(zhí)行結果給用戶。Hive并非為聯(lián)機事務處理而設計，Hive并不提供實時的查詢和基

40、于行級的數(shù)據(jù)更新操作。Hive是一種底層封裝了Hadoop的數(shù)據(jù)倉庫處理工具，使用類SQL的HiveQL語言實現(xiàn)數(shù)據(jù)查詢，所有Hive的數(shù)據(jù)都存儲在Hadoop兼容的文件系統(tǒng)(例如，AmazonS3、HDFS)中。Hive在加載數(shù)據(jù)過程中不會對數(shù)據(jù)進行任何的修改，只是將數(shù)據(jù)移動到HDFS中Hive設定的目錄下，因此，Hive不支持對數(shù)據(jù)的改寫和添加，所有的數(shù)據(jù)都是在加載的時候確定的。7、人工智能技術人工智能(ArtificialIntelligence,AI)是能夠和人一樣進行感知、認知、決策、執(zhí)行的人工程序或系統(tǒng)。當前，人工智能進入了加速發(fā)展的新階段，并將深刻改變人類社會生活。人工智能在農業(yè)

41、領域可實現(xiàn)土壤探測、病蟲害防護、產量預測、畜禽患病預警等功能。將人工智能識別技術與智能機器人技術相結合，可廣泛應用于農業(yè)中的播種、耕作、采摘等場景，極大提升農業(yè)生產效率，同時降低農藥和化肥消耗。通過對衛(wèi)星拍攝圖片、航拍圖片以及農業(yè)物聯(lián)網(wǎng)感知數(shù)據(jù)進行智能識別和大數(shù)據(jù)分析，人工智能能夠獲得精確的天氣預報和氣候災害預警，使用人工智能和深度學習技術來分析上述數(shù)據(jù)，尋找其跟農作物生長之間的關系，就能進行農作物產量的精準預測。深度學習的概念源于人工神經(jīng)網(wǎng)絡的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。神經(jīng)網(wǎng)絡是一

42、組大致模仿人類大腦構造設計的算法，用于識別模式。神經(jīng)網(wǎng)絡通過機器感知系統(tǒng)解釋傳感器數(shù)據(jù)，對原始輸入進行標記或聚類。神經(jīng)網(wǎng)絡所能識別的模式是包含在向量中的數(shù)值形式，因此圖像、聲音、文本、時間序列等一切現(xiàn)實世界的數(shù)據(jù)必須轉換為數(shù)值。深度學習系統(tǒng)指一系列由多個層堆疊組成的特定神經(jīng)網(wǎng)絡。每一層則由節(jié)點構成。運算在節(jié)點中進行，節(jié)點的運作模式與人類的神經(jīng)元大致相似，遇到足夠的刺激信息時就會激活并釋放信號。節(jié)點將輸入數(shù)據(jù)與一組系數(shù)(或稱權重)結合，通過放大或抑制輸入來指定其在算法學習任務中的重要性。輸入數(shù)據(jù)與權重的乘積之和將進入節(jié)點的激活函數(shù)，判定信號是否繼續(xù)在網(wǎng)絡中傳遞，以及傳遞的距離，從而決定信號如何影

43、響網(wǎng)絡的最終結果，例如分類動作。節(jié)點層是一行類似神經(jīng)元的開關，在輸入數(shù)據(jù)通過網(wǎng)絡時開啟或關閉。從最初接收數(shù)據(jù)的第一個輸入層開始，每一層的輸出同時也是下一層的輸入。我們將輸入特征與可調整的權重匹配，由此指定這些特征的重要性，即它們對網(wǎng)絡的輸入分類和聚類方式有多大程度的影響。深度學習擅長識別非結構化數(shù)據(jù)中的模式，而大多數(shù)人熟知的圖像、聲音、視頻、文本等媒體均屬于此類數(shù)據(jù)。8、區(qū)塊鏈技術區(qū)塊鏈(Blockchain)是分布式數(shù)據(jù)存儲、點對點傳輸、共識機制、加密算法等計算機技術在互聯(lián)網(wǎng)時代的創(chuàng)新應用模式。它是利用塊鏈式數(shù)據(jù)結構來驗證與存儲數(shù)據(jù)、利用分布式節(jié)點共識算法來生成和更新數(shù)據(jù)、利用密碼學的方式保

44、證數(shù)據(jù)傳輸和訪問的安全、利用由自動化腳本代碼組成的智能合約來編程和操作數(shù)據(jù)的一種全新的分布式基礎架構與計算方式。架構模型一般說來，區(qū)塊鏈系統(tǒng)由數(shù)據(jù)層、網(wǎng)絡層、共識層、激勵層、合約層和應用層組成。其中，數(shù)據(jù)層封裝了底層數(shù)據(jù)區(qū)塊以及相關的數(shù)據(jù)加密和時間戳等基礎數(shù)據(jù)和基本算法；網(wǎng)絡層則包括分布式組網(wǎng)機制、數(shù)據(jù)傳播機制和數(shù)據(jù)驗證機制等；共識層主要封裝網(wǎng)絡節(jié)點的各類共識算法；激勵層將經(jīng)濟因素集成到區(qū)塊鏈技術體系中來，主要包括經(jīng)濟激勵的發(fā)行機制和分配機制等；合約層主要封裝各類腳本、算法和智能合約，是區(qū)塊鏈可編程特性的基礎；應用層則封裝了區(qū)塊鏈的各種應用場景和案例。該模型中，基于時間戳的鏈式區(qū)塊結構、分布式

45、節(jié)點的共識機制、基于共識算力的經(jīng)濟激勵和靈活可編程的智能合約是區(qū)塊鏈技術最具代表性的創(chuàng)新點。技術原理（1）區(qū)塊鏈是一種按照時間順序將數(shù)據(jù)區(qū)塊以順序相連的方式組合成的一種鏈式數(shù)據(jù)結構，并以密碼學方式保證的不可篡改和不可偽造的分布式賬本。（2）區(qū)塊鏈是交易的歷史記錄，非常像數(shù)據(jù)庫。鏈中的塊相當于一本書中的一頁面，書中的每個頁面都包含：文字、故事，每個頁面都有自己的信息：書名，章節(jié)標題，頁碼等。（3）在區(qū)塊鏈中，每個區(qū)塊都有：包含關于該塊的數(shù)據(jù)的標題：例如技術信息，對前一個塊的引用，以及包含在該塊中的數(shù)據(jù)的數(shù)字指紋（又名“散列）等等。這個散列對于排序和塊驗證非常重要。特點為了實現(xiàn)上述的交易，區(qū)塊鏈需

46、要滿足去中心化，可回溯性等特點（1）去中心化：用戶之間用點對點（P2P）的方式交易，地址由參與者本人管理，余額由全局共享的分布式賬本進行管理，安全依賴于所有參加者，由大家共同判斷某個成員是否值得信任。（2）透明性：數(shù)據(jù)庫中的記錄是永久的、按時間順序排序的，并且對于網(wǎng)絡上的所有其他節(jié)點都是可以訪問的。每個用戶都可以看到交易的情況。（3）記錄的不可逆性：由于記錄彼此關聯(lián)，一旦在數(shù)據(jù)庫中輸入事務并更新了帳戶，則不能更改記錄。9、人臉識別人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的

47、一系列相關技術，通常也叫做人像識別、面部識別。人臉識別系統(tǒng)主要包括四個組成部分，分別為：人臉圖像采集及檢測、人臉圖像預處理、人臉圖像特征提取以及匹配與識別。技術原理人臉識別技術包含三個部分：(1)人臉檢測面貌檢測是指在動態(tài)的場景與復雜的背景中判斷是否存在面像，并分離出這種面像。一般有下列幾種方法：參考模板法首先設計一個或數(shù)個標準人臉的模板然后計算測試采集的樣品與標準模板之間的匹配程度，并通過閾值來判斷是否存在人臉；人臉規(guī)則法由于人臉具有一定的結構分布特征，所謂人臉規(guī)則的方法即提取這些特征生成相應的規(guī)則以判斷測試樣品是否包含人臉；樣品學習法這種方法即采用模式識別中人工神經(jīng)網(wǎng)絡的方法即通過對面像樣

48、品集和非面像樣品集的學習產生分類器；膚色模型法這種方法是依據(jù)面貌膚色在色彩空間中分布相對集中的規(guī)律來進行檢測。特征子臉法這種方法是將所有面像集合視為一個面像子空間并基于檢測樣品與其在子空間的投影之間的距離判斷是否存在面像。值得提出的是，上述5種方法在實際檢測系統(tǒng)中也可綜合采用。人臉跟蹤面貌跟蹤是指對被檢測到的面貌進行動態(tài)目標跟蹤。具體采用基于模型的方法或基于運動與模型相結合的方法。此外，利用膚色模型跟蹤也不失為一種簡單而有效的手段。(3)人臉比對面貌比對是對被檢測到的面貌像進行身份確認或在面像庫中進行目標搜索。這實際上就是說，將采樣到的面像與庫存的面像依次進行比對，并找出最佳的匹配對象。所以，

49、面像的描述決定了面像識別的具體方法與性能。主要采用特征向量與面紋模板兩種描述方法：特征向量法該方法是先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離等屬性，然后再計算出它們的幾何特征量，而這些特征量形成一描述該面像的特征向量。面紋模板法該方法是在庫中存貯若干標準面像模板或面像器官模板，在進行比對時，將采樣面像所有象素與庫中所有模板采用歸一化相關量度量進行匹配。此外，還有采用模式識別的自相關網(wǎng)絡或特征與模板相結合的方法。人臉識別技術的核心實際為“局部人體特征分析”和“圖形/神經(jīng)識別算法。”這種算法是利用人體面部各器官及特征部位的方法。如對應幾何關系多數(shù)據(jù)形成識別參數(shù)與數(shù)據(jù)庫中所有的原始參

50、數(shù)進行比較、判斷與確認。一般要求判斷時間低于1秒。識別過程一般分三步：(1)首先建立人臉的面像檔案。即用攝像機采集單位人員的人臉的面像文件或取他們的照片形成面像文件，并將這些面像文件生成面紋(Faceprint)編碼貯存起來。(2)獲取當前的人體面像。即用攝像機捕捉的當前出入人員的面像，或取照片輸入，并將當前的面像文件生成面紋編碼。(3)用當前的面紋編碼與檔案庫存的比對。即將當前的面像的面紋編碼與檔案庫存中的面紋編碼進行檢索比對。上述的“面紋編碼”方式是根據(jù)人臉臉部的本質特征和開頭來工作的。這種面紋編碼可以抵抗光線、皮膚色調、面部毛發(fā)、發(fā)型、眼鏡、表情和姿態(tài)的變化，具有強大的可靠性，從而使它可

51、以從百萬人中精確地辨認出某個人。人臉的識別過程，利用普通的圖像處理設備就能自動、連續(xù)、實時地完成。技術流程人臉識別系統(tǒng)主要包括四個組成部分，分別為：人臉圖像采集及檢測、人臉圖像預處理、人臉圖像特征提取以及匹配與識別。人臉圖像采集：不同的人臉圖像都能通過攝像鏡頭采集下來，比如靜態(tài)圖像、動態(tài)圖像、不同的位置、不同表情等方面都可以得到很好的采集。當用戶在采集設備的拍攝范圍內時，采集設備會自動搜索并拍攝用戶的人臉圖像。人臉檢測：人臉檢測在實際中主要用于人臉識別的預處理，即在圖像中準確標定出人臉的位置和大小。人臉圖像中包含的模式特征十分豐富，如直方圖特征、顏色特征、模板特征、結構特征及Haar特征等。人

52、臉檢測就是把這其中有用的信息挑出來，并利用這些特征實現(xiàn)人臉檢測。主流的人臉檢測方法基于以上特征采用Adaboost學習算法，Adaboost算法是一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強的分類方法。人臉檢測過程中使用Adaboost算法挑選出一些最能代表人臉的矩形特征（弱分類器），按照加權投票的方式將弱分類器構造為一個強分類器，再將訓練得到的若干強分類器串聯(lián)組成一個級聯(lián)結構的層疊分類器，有效地提高分類器的檢測速度。人臉圖像預處理：對于人臉的圖像預處理是基于人臉檢測結果，對圖像進行處理并最終服務于特征提取的過程。系統(tǒng)獲取的原始圖像由于受到各種條件的限制和隨機干擾，往往

53、不能直接使用，必須在圖像處理的早期階段對它進行灰度校正、噪聲過濾等圖像預處理。對于人臉圖像而言，其預處理過程主要包括人臉圖像的光線補償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波以及銳化等。人臉圖像特征提取：人臉識別系統(tǒng)可使用的特征通常分為視覺特征、像素統(tǒng)計特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等。人臉特征提取就是針對人臉的某些特征進行的。人臉特征提取，也稱人臉表征，它是對人臉進行特征建模的過程。人臉特征提取的方法歸納起來分為兩大類：一種是基于知識的表征方法；另外一種是基于代數(shù)特征或統(tǒng)計學習的表征方法?；谥R的表征方法主要是根據(jù)人臉器官的形狀描述以及他們之間的距離特性來獲得有助于人

54、臉分類的特征數(shù)據(jù)，其特征分量通常包括特征點間的歐氏距離、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構成，對這些局部和它們之間結構關系的幾何描述，可作為識別人臉的重要特征，這些特征被稱為幾何特征?；谥R的人臉表征主要包括基于幾何特征的方法和模板匹配法。人臉圖像匹配與識別：提取的人臉圖像的特征數(shù)據(jù)與數(shù)據(jù)庫中存儲的特征模板進行搜索匹配，通過設定一個閾值，當相似度超過這一閾值，則把匹配得到的結果輸出。人臉識別就是將待識別的人臉特征與已得到的人臉特征模板進行比較，根據(jù)相似程度對人臉的身份信息進行判斷。這一過程又分為兩類：一類是確認，是一對一進行圖像比較的過程，另一類是辨認，是一對多進行圖像匹配對比

55、的過程。主要功能人臉捕獲與跟蹤功能人臉捕獲是指在一幅圖像或視頻流的一幀中檢測出人像并將人像從背景中分離出來，并自動地將其保存。人像跟蹤是指利用人像捕獲技術，當指定的人像在攝像頭拍攝的范圍內移動時自動地對其進行跟蹤。人臉識別比對人臉識別分核實式和搜索式二種比對模式。核實式是對指將捕獲得到的人像或是指定的人像與數(shù)據(jù)庫中已登記的某一對像作比對核實確定其是否為同一人。搜索式的比對是指，從數(shù)據(jù)庫中已登記的所有人像中搜索查找是否有指定的人像存在。人臉的建模與檢索可以將登記入庫的人像數(shù)據(jù)進行建模提取人臉的特征，并將其生成人臉模板（人臉特征文件）保存到數(shù)據(jù)庫中。在進行人臉搜索時（搜索式），將指定的人像進行建模

56、，再將其與數(shù)據(jù)庫中的所有人的模板相比對識別，最終將根據(jù)所比對的相似值列出最相似的人員列表。真人鑒別功能系統(tǒng)可以識別得出攝像頭前的人是一個真正的人還是一幅照片。以此杜絕使用者用照片作假。此項技術需要使用者作臉部表情的配合動作。圖像質量檢測圖像質量的好壞直接影響到識別的效果，圖像質量的檢測功能能對即將進行比對的照片進行圖像質量評估，并給出相應的建議值來輔助識別。10、虛擬現(xiàn)實虛擬現(xiàn)實技術是仿真技術的一個重要方向，是仿真技術與計算機圖形學人機接口技術多媒體技術傳感技術網(wǎng)絡技術等多種技術的集合，是一門富有挑戰(zhàn)性的交叉技術前沿學科和研究領域。虛擬現(xiàn)實技術(VR)主要包括模擬環(huán)境、感知、自然技能和傳感設備

57、等方面。模擬環(huán)境是由計算機生成的、實時動態(tài)的三維立體逼真圖像。感知是指理想的丫區(qū)應該具有一切人所具有的感知。除計算機圖形技術所生成的視覺感知外，還有聽覺、觸覺、力覺、運動等感知，甚至還包括嗅覺和味覺等，也稱為多感知。自然技能是指人的頭部轉動，眼睛、手勢、或其他人體行為動作，由計算機來處理與參與者的動作相適應的數(shù)據(jù)，并對用戶的輸入作出實時響應，并分別反饋到用戶的五官。傳感設備是指三維交互設備。特征多感知性指除一般計算機所具有的視覺感知外，還有聽覺感知、觸覺感知、運動感知，甚至還包括味覺、嗅覺、感知等。理想的虛擬現(xiàn)實應該具有一切人所具有的感知功能。存在感指用戶感到作為主角存在于模擬環(huán)境中的真實程度

58、。理想的模擬環(huán)境應該達到使用戶難辨真假的程度。交互性指用戶對模擬環(huán)境內物體的可操作程度和從環(huán)境得到反饋的自然程度。自主性指虛擬環(huán)境中的物體依據(jù)現(xiàn)實世界物理運動定律動作的程度。11、全息投影全息投影技術(front-projectedholographicdispl)y也稱虛擬成像技術，是利用干涉和衍射原理記錄并再現(xiàn)物體真實的三維圖像的記錄和再現(xiàn)的技術。其第一步是利用干涉原理記錄物體光波信息此即拍攝過程:被攝物體在激光輻照下形成漫射式的物光束；另一部分激光作為參考光束射到全息底片上，和物光束疊加產生干涉，把物體光波上各點的位相和振幅轉換成在空間上變化的強度，從而利用干涉條紋間的反差和間隔將物體光

59、波的全部信息記錄下來。記錄著干涉條紋的底片經(jīng)過顯影、定影等處理程序后，便成為一張全息圖，或稱全息照片。其第二步是利用衍射原理再現(xiàn)物體光波信息，這是成象過程:全息圖猶如一個復雜的光柵，在相干激光照射下，一張線性記錄的正弦型全息圖的衍射光波一般可給出兩個象，即原始象(又稱初始象)和共軛象。再現(xiàn)的圖像立體感強，具有真實的視覺效應。全息圖的每一部分都記錄了物體上各點的光信息，故原則上它的每一部分都能再現(xiàn)原物的整個圖像，通過多次曝光還可以在同一張底片上記錄多個不同的圖像，而且能互不干擾地分別顯示出來。相關理論普通照相，只能記錄物體光場的強度（復振幅模的平方），它不能表征物體的全部信息。采用全息方法，同樣也是記錄光場的強度，但它