rtsp攝影機的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

基於無人機應用之視覺交通分析系統

為了解決rtsp攝影機的問題，作者陳柏伸 這樣論述：

隨著5G網路日趨的普遍，物聯網將進入新的里程，隨之的應用也將繼續發展，無人機的應用將得到更好的結果，藉著無人機的機動性優點，在民間也發展出他的需求，在交通的方面，過去仰賴閉路監視器作為交通系統分析的重要來源角色，從行控中心以人工的方式回報交通狀況，到現今有人工智慧的時代，靠著機器取代部分人力，利用大數據的分析，影像辨識取得視覺資料，無人機的機動性將提供更便利的影像來源，擴充閉路監視器的涵蓋範圍。本論文使用Raspberry Pi 4為主機，設計一個無人機的掛載配件，可透過Raspberry Pi Camera V2鏡頭取得影像，經Wi-Fi或是行動網路傳送，OpenCV為主要影像辨識的工具，

使用其中的Haar Cascade Classifier和直方圖分析兩大功能，將結合道路現有的閉路監視器與無人機的畫面，考量到無人機具有機動的特性，會時常的移動所在地，因而設計一套可在手機上執行簡易交通分析的應用程式，針對道路上較多的中、小型車輛為分析對象，可供任務機組人員在承接行控中心任務後，抵達監控地點時，也能為行控中心做出簡單的分析工作，加快整體交通問題的分析，也同時減少影像或資料傳輸時所消耗的時間，機組人員亦可調閱其他閉路監視器，做出相關決策。因考慮到我國法律的一些限制，無法實際將無人機飛至高速公路旁，使用交通部高速公路管理局公開的影像畫面，以隧道內的監視器作為即時監視器影像來源，戶外

的監視器做為模擬的無人機拍攝畫面，製作出個可以實際連線操作的無人機掛載配件，實驗採用實機的手機測試，地點選用單向多車道，結果中Haar Cascade Classifier的辨識率可達85%以上，對辨識結果的分析亦可到80%以上。

適用於校園環境之聲音感測系統

為了解決rtsp攝影機的問題，作者吳惠羣 這樣論述：

本論文採用已設置於校園中之建築內不同位置的網路攝影機來持續蒐集音訊並儲存成檔案，其中的一部分實驗是以人工篩選的方式，把大量錄製的音訊檔案按照自訂的標準去標記聲音的類別，再來將分類好的音訊檔案當作環境聲音模型訓練與測試的資料樣本，而另一方面則是思考要如何使用音訊檔案進行噪音分級的工作。但音訊檔案難以直接套用在實驗上，所以會先經由程式進行特徵擷取，轉換成數據後再進行數學運算及實驗分析。我們希望能應用機器學習演算法建立出環境聲音模型，以此辨識出多種類別的聲音。本論文實作出一個簡易的聲音事件查詢系統，並且藉由此系統提供的資訊判斷當時的區域或著環境是否有出現異常狀況，目標是完成適合用於校園環境的聲音感

測系統。