论文部分内容阅读
以RTSP/RTP协议为基础,采用OKHttp进行网络数据传输,研制了Android平台下基于Rtsp的移动直播系统.该系统采用FFMpeg库并结合JNI技术实现音视频的编解码,使用RTSP流媒体服务器控制流媒体数据在IP网络上的传输.使用过程中发现,该直播系统操作简单、画面清晰、实时性强.
Android平台下基于RTSP的移动直播系统设计
【摘 要】
：
以RTSP/RTP协议为基础,采用OKHttp进行网络数据传输,研制了Android平台下基于Rtsp的移动直播系统.该系统采用FFMpeg库并结合JNI技术实现音视频的编解码,使用RTSP流媒体服务器控制流媒体数据在IP网络上的传输.使用过程中发现,该直播系统操作简单、画面清晰、实时性强.
【机 构】
：
南通亿荣网络科技有限公司 研发部,江苏 南通 226000
【出 处】
：
唐山师范学院学报
【发表日期】
：
2021年6期
其他文献
随着互联网的迅速发展,视频数据作为人们获取信息的主要方式之一,在互联网中占据的比例逐渐增加,视频数据的形式多种多样,例如电影、电视剧、短视频等。视频信息中包含了丰富的的人物、事件、场景等相关信息,如何利用这些信息进行特定的内容挖掘从而为实际生产生活提供遍历成为人们研究的热点之一。近年来,深度学习在目标检测与追踪、人脸识别、动作识别等任务中展现了显著的优势与潜力,有望胜任更为复杂的任务;同时,Spa
报道了一种以十四醇和4-溴巴豆酸乙酯为起始原料合成双(十八碳-2,4-二烯酰基)磷脂酰胆碱的方法.首先,将十四醇氧化得到醛(3).同时,将4-溴巴豆酸乙酯与亚磷酸三乙酯反应得到化合物(4).然后将化合物(3)和化合物(4)通过维蒂希-霍纳尔反应得到酯(10),经水解得到酸(5).最后酸(5)经过CDI活化后与甘油磷脂酰胆碱(8)缩合得到Bis-DenPC(1).其结构经1HNMR和HR-MS(ESI)确证.
对视频中无监督的人体动作识别方法进行了综述.基于聚类和基于降维的传统无监督学习识别算法,对前期动作特征的设计和提取有较高的依赖及敏感性;基于卷积神经网络和基于递归神经网络的深度学习无监督识别方法能够自动提取动作特征,因而弥补了传统方法手工提取特征的不足,但也带来了新挑战.
安卓系统的发展给人们的生活带来了巨大的便利,但也带来了各种移动终端安全问题,如恶意应用盗取用户的隐私信息并危害用户的个人财产。为了扩大恶意应用的传播范围,不法分子会选择重打包知名应用迷惑使用者。重打包应用的分析和检测对于遏制这类恶意应用具有重大意义。现有重打包应用的检测方法大多基于应用成对比较相似性,在应用到几十万级应用市场上时,每对一个应用进行重打包检测,都要与全应用市场的应用进行比较,耗费大量