检索结果-内蒙古大学图书馆

人流量统计视频监控系统

引用

电视技术 2009年第2期33卷 63-65页

作者：侯俊程燕上海理工大学光学与电子信息工程学院上海200093 华东政法大学信息科学技术学院上海200040

介绍了一种人流量统计视频监控系统,自适应更新背景信息,利用背景相减法获得运动物体图像,并根据运动物体轮廓形状识别人体,利用目标跟踪技术统计人流量。实验证明,该系统能在多变环境下实时处理。

关键词：视频监控人流量统计背景更新物体分割

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的人流量统计

引用

重庆邮电大学学报（自然科学版） 2017年第2期29卷 265-271页

作者：张雅俊高陈强李佩刘江程华重庆邮电大学信号与信息处理重庆市重点实验室重庆400065 中国舰船研究设计中心湖北武汉430064

在密集场景中,人流量统计往往因无法可靠地检测行人而使得统计精度不高。针对这一问题,在利用卷积神经网络技术基础上,采用基于头部检测的方法进行人流量统计。该方法采用级联的Adaboost检测器对人头目标进行初步筛选,再用迁移学习技术... 详细信息

在密集场景中,人流量统计往往因无法可靠地检测行人而使得统计精度不高。针对这一问题,在利用卷积神经网络技术基础上,采用基于头部检测的方法进行人流量统计。该方法采用级联的Adaboost检测器对人头目标进行初步筛选,再用迁移学习技术训练卷积神经网络,并用由卷积神经网络和支持向量机构成的人头分类器模型对初步筛选得到的人头目标进行精细识别,提高检测精度率,利用航迹关联对人头目标进行跟踪统计。实验结果表明,该方法能准确快速地定位到单个行人并具有较高的统计精度。

关键词：人流量统计卷积神经网络(CNN) Adaboost 迁移学习航迹关联

来源：评论

学校读者我要写书评

暂无评论

基于RGB-D图像与头肩区域编码的实时人流量统计

引用

交通信息与安全 2019年第6期37卷 79-87页

作者：张汝峰胡钊政北京交通大学海滨学院河北沧州061199 河北工业大学电子信息工程学院天津300401 武汉理工大学智能交通系统研究中心武汉430063

为解决基于彩色摄像机的人流量统计存在精度低、易受光照影响等问题,研究了利用RGB-D图像与头肩区域编码进行实时人流量检测的方法。在对RGB-D图像前景检测与空洞修复的基础上,采用随机点和漫水填充法提取潜在目标区域,并度量随机点与... 详细信息

为解决基于彩色摄像机的人流量统计存在精度低、易受光照影响等问题,研究了利用RGB-D图像与头肩区域编码进行实时人流量检测的方法。在对RGB-D图像前景检测与空洞修复的基础上,采用随机点和漫水填充法提取潜在目标区域,并度量随机点与区域内极值点间的欧式距离以剔除噪声点的干扰,减少了冗余信息的计算量。根据人体头肩区域的先验信息,提出了一种七维头肩特征描述符对潜在目标区域编码,从而避免人体运动过程中产生的头肩部形变对头部区域检测的影响,采用SVM和阈值限制得到满足区域特征的头部区域。根据图像中不同区域的圆形度排序的思路,提出了头部区域筛选方法以去除无效区域,并构建了一种帧间目标匹配算法和多条计数线的方法,对已获得的头部区域实现计数,计数后获取人的身高数据。实验结果表明,该算法在教学楼楼道口和楼门口场景中人流量统计正确率高达99.30%以上,身高测量平均相对误差在2.59%以内,处理单帧图像的平均时间仅为18.31 ms。

关键词：智能交通人流量统计头肩区域特征编码帧间目标匹配 RGB-D图像

来源：评论

学校读者我要写书评

暂无评论

基于视频的人流量统计技术研究

基于视频的人流量统计技术研究

引用

作者：彭章祥华中科技大学

学位级别：硕士

视频监控系统兴起于二十世纪七十年代，但发展到现在已经不只是单纯的场景记录功能，随着计算机视觉、模式识别、机器学习等相关技术的发展和成熟，许多以往在视频监控系统中需要人工分析操作完成的任务已经能够通过这些技术自动化完成... 详细信息

视频监控系统兴起于二十世纪七十年代，但发展到现在已经不只是单纯的场景记录功能，随着计算机视觉、模式识别、机器学习等相关技术的发展和成熟，许多以往在视频监控系统中需要人工分析操作完成的任务已经能够通过这些技术自动化完成，因此更准确地说现在的视频监控系统是智能视频监控系统。基于视频的人流量统计技术正是智能视频监控系统中的一个重要应用。人流量统计数据是商场、地铁、机场等公共场所进行管理和决策的重要依据，因此人流量统计技术有着非常广泛的应用前景。基于视频的人流量统计技术通常包含目标检测、目标跟踪、目标计数等相关技术，本文提出了一种在已知视频场景参数下的基于HOG特征检测与跟踪的人流量统计算法，该算法采用检测场景中行人的人头部分来作为计数依据，避免了处理目标遮挡问题；使用HOG特征来描述目标表观特征，使得算法具有抗光照变化能力和较好的鲁棒性；采用检测与跟踪相融合的目标跟踪算法，高效地处理了场景中的多目标跟踪问题；计数实现了跨线计数和区域计数两种方式，满足了实际应用需求。针对人流量统计技术实际应用场景中的摄像头多角度问题，提出了一种基于多分类器解决方案，在不采用复杂分类器的情况下提升了目标检测的精度，并且给出了多分类器自选择算法，自动化的选择最佳分类器。视频中的行人统计目标大小是未知的，并且存在多种尺度，我们在文中提出了一种目标检测尺度在线学习的算法，能够自动学习出场景中各区域的最佳目标检测尺度，从而不再需要使用多尺度扫描检测方法，极大的加速了人流量统计算法的时间效率。

关键词：人流量统计目标检测与跟踪多分类器分类检测尺度在线学习

来源：评论

学校读者我要写书评

暂无评论

基于DSP密集场所人流量统计算法的研究

基于DSP密集场所人流量统计算法的研究

引用

作者：汪云安徽理工大学

学位级别：硕士

本课题是基于DSP密集场所的人流量统计算法的研究。首先分析了人流量统计过程应用的算法,然后搭建基于DSP的硬件设计。准确地获悉各密集场所的人流量,能够有效的对密集场所实施监控和管理,以保障公共场所行人的人身和财产安全。本文主... 详细信息

本课题是基于DSP密集场所的人流量统计算法的研究。首先分析了人流量统计过程应用的算法,然后搭建基于DSP的硬件设计。准确地获悉各密集场所的人流量,能够有效的对密集场所实施监控和管理,以保障公共场所行人的人身和财产安全。本文主要从四个方面详细的介绍密集场所人流量检测与统计的算法的研究:图像预处理,运动目标检测,移动目标识别和移动目标跟踪。图像的预处理就是对图片进行灰度化、直方图的二值化以及降噪声处理等。对于背景固定的人流量密集的场所,采用更合适的背景差分法作为进行运动目标检测的算法。深入的分析研究椭圆拟合法和Hough变化法。对于人流量密集的场所环境复杂,在许多情况下,可能会出现多人行人或行人人头堵塞的现象,Hough需要一定程度的优化,以进一步有效和准确的统计行人数量。这样就会增加计算量,增加对计算机等其他硬件设备的要求。相比于其他算法,本文所说的椭圆拟合法的复杂度低,复杂的情况下,更能突出其良好的效果。本文选椭圆拟合法作为目标的识别方法。结合无迹卡尔曼滤波器跟踪算法和Meat Shift跟踪算法设计了一套适合本文的跟踪方法。在本文中,硬件结构方面最主要的采取了三个模块,采用了美国德州仪器公司(TI)生产的TMS320DM642DSP芯片的图像处理模块,索尼CCD摄像头的图像采集和编码TVP5150芯片构成的图像采集模块,采用TCL T22M2的液晶显示器和SAA712IH的显示模块。结合介绍的人流量的检测的算法以及搭建的硬件平台给出了验证和仿真。通过对密集场所人流量的统计,可以实时了解、安排这些出入口人流量的合理密度;通过观察人流量的变化情况能更加有效的分配管理和维护人员。实时的的了解各密集场所人流量的变化动态,管理人员可以有效的根据这些人流量的变化趋势采取预防突发事件的措施,保障行人的人身财产安全,维护社会的安定。

关键词：人流量统计背景差分法椭圆拟合法 DM642 TVP5150

来源：评论

学校读者我要写书评

暂无评论

基于神经网络的人群密度估计和人流量统计研究

基于神经网络的人群密度估计和人流量统计研究

引用

作者：朱杰东华大学

学位级别：硕士

近年来随着我国经济的不断发展和医疗水平的不断提高，我国的人口数目呈现快速的增长趋势。截至2017年末，中国大陆的人口数量已经达到十三亿九千万人，特别是一线城市，人群密集度达到一种极高的水平。另一方面，人们消费水平的不断提... 详细信息

近年来随着我国经济的不断发展和医疗水平的不断提高，我国的人口数目呈现快速的增长趋势。截至2017年末，中国大陆的人口数量已经达到十三亿九千万人，特别是一线城市，人群密集度达到一种极高的水平。另一方面，人们消费水平的不断提高也使得人们参加演唱会，观光游览，大型比赛等集会的次数更加频繁。人群密集度过高导致的踩踏事件和恐怖事件发生的次数越来越多。这些事件时时警醒人们，同时也显现出对人群密度进行估计和人流量进行统计有着十分重要的现实意义，它能够帮助人们计算出人群密度和人流量从而预防不必要的灾难的发生。据此，本文的研究重点是通过自动化的方法，利用计算机视觉对特殊场合下的人群密度和人流量进行研究。　　基于神经网络的深度学习方法近年来随着计算机性能的飞速提升也取得了不小的进步，深度学习在各种各样的比赛中取得了令人可喜的成绩。深度学习不同于传统的算法需要人工设计特征提取器，其核心是通过多层网络来自动学习图像或者文本的特征信息。众多学者的研究表明，通过神经网络学习出来的特征相比于传统的方法提取出来的特征更加具有泛化性。并且基于神经网络的方法在计算机视觉，自然语音处理，语音识别等领域取得的准确率要远远超过传统的方法。由此，本文在借鉴并总结前人的工作的基础上，将神经网络引入人群密度估计任务和人流量统计任务当中。　　针对人群密度估计问题，本文首先改进一种人群密度估计模型来更好的完成人群密度估计任务。此模型由深层网络和浅层网络组成，其中深层网络是基于VGG-16设计的，浅层网络拥有三层卷积层和三层池化层。其次，本文提取深层网络不同卷积层的特征，将它们和深层网络的输出和浅层网络的输出结合在一起，同时在网络的最后加入两个上卷积层使得最后输出特征图的大小和原始图片的大小相同。再次，本文将人群密度估计任务和人流量统计任务结合起来，使得两个任务在一个神经网络模型中得以实现，通过学习上述人群密度估计模型输出的特征，利用一种特殊的循环神经网络——长短期记忆网络（Long Short-Term Memory， LSTM）来计算一段时间内通过某个地方的人数。本文收集并标记了两个数据集，经过大量的实验研究表明，本文改进得到的人群密度估计模型准确率比前人提出的人群估计模型更高。相比于LSTM的模型，本文改进的融合人群密度估计任务和人流量统计任务的模型的表现也更加优秀。

关键词：人群密度估计人流量统计卷积神经网络循环神经网络长短期记忆网络深度学习

来源：评论

学校读者我要写书评

暂无评论

面向人流量统计的顾客识别技术研究与实现

面向人流量统计的顾客识别技术研究与实现

引用

作者：韩致远浙江工业大学

学位级别：硕士

人流量作为体现线下商铺经营情况的指标,一直被商铺的管理者所关注。同样,人流量对商铺的运营和决策存在着重要的指导意义。21世纪开始,商铺的管理者们开始深入探究自己商铺的人流量和每日营业额之间的潜在联系。然而由于人流量统计是... 详细信息

人流量作为体现线下商铺经营情况的指标,一直被商铺的管理者所关注。同样,人流量对商铺的运营和决策存在着重要的指导意义。21世纪开始,商铺的管理者们开始深入探究自己商铺的人流量和每日营业额之间的潜在联系。然而由于人流量统计是一个长时间、持续性的任务,获取人流量的过程出现了获取不准确、消耗大量人力等问题。即使这样,随着近几年顾客画像这一概念的提出,时代对多维度信息采集的需求,单纯的获取人流量这一数值已不能满足复杂的商业环境下一个商铺的决策需求。从人流量统计任务提出开始的人工统计人流量到现在大规模的使用wifi探针进行自动人流量统计都存在着致命的缺陷,大量消耗人力的方式必然不可取,但wifi探针由于需要顾客携带安卓手机并且打开流量互通才能够进行数量统计这一缺陷,注定了用此方法得到的人流量数据是不准确的,更不用说用错误的人流量来指导商铺的日常决策了。随着深度学习的提出,人流量统计任务有了新的解决思路。本文针对人流量统计这一问题的特点,结合现有的深度学习算法并加以创新,提出了基于多特征度量的行人重识别算法,使得人流量统计达到了较高的正确率。本文开展的主要工作有:(1)研究课题背景和人流量统计问题的研究现状,同时研究人体和人脸数据采集需要用到的检测算法,以获取准确的数据来源。(2)提出基于多特征度量的行人重识别算法,并且详细说明算法过程。(3)进行试验,将提出的算法和主流的行人重识别算法进行对比。验证算法的正确性。(4)将算法应用与线下门店的人流量统计工作中,获取每日的人流量数据,体现算法的可行性。

关键词：人流量统计行人重识别人体数据采集人脸数据采集目标检测算法多特征度量

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的人流量统计研究

基于深度学习的人流量统计研究

引用

作者：韩愈西安电子科技大学

学位级别：硕士

在监控设备中进行人流量统计可以完成合理分配资源与优化资源调度、收集商业信息等任务,近年来,人工智能技术的快速更新极大地促进了人流量统计技术的研究。同时,随着新冠疫情的到来,人流量统计在公共卫生安全、安防领域内的重要性日益... 详细信息

在监控设备中进行人流量统计可以完成合理分配资源与优化资源调度、收集商业信息等任务,近年来,人工智能技术的快速更新极大地促进了人流量统计技术的研究。同时,随着新冠疫情的到来,人流量统计在公共卫生安全、安防领域内的重要性日益凸显出来。在视频设备中嵌入人流量统计算法,实现实时监控,将极大地节省人力物力,在防止人群聚集、拥堵方面起到良好效果。传统的人流量统计存在计数不准确,部署困难等问题。而深度学习方法通过在监控设备中嵌入软件算法来进行计数,解决部署问题。同时,强大的计算机视觉技术能准确识别行人并进行持续跟踪,即使在密集状态下也能准确的进行计数。本文主要解决现有模型方法体积过大、不便于部署和运算速度慢等问题,主要工作包括以下几个方面: (1)目前的VOC和COCO数据集包含多个类别的识别对象,为了制作专门的行人检测模型,本文提取了两个数据集中类别为行人的数据集,选择三种目标检测领域代表方法进行检测实验。结果显示,YOLOv4的模型检测精度最高,但是由于体积较大,导致检测速率较慢。同时增大了部署的难度。针对此问题,本文基于深度学习网络剪枝的原理,对YOLOv4模型的主干网络进行大幅压缩,同时在网络的BN层添加稀疏训练,剪枝不重要的通道表达。加入模拟人类视觉系统的RFB模块,保证压缩后的精度不会有较大损失。实验结果显示,改进后的R-YOLOv4模型行人的准确率基本保持不变,FPS由原先的32提高到41,模型体积由原先的223MB降为90.7MB。在保持精度基础上实现了对行人检测模型的压缩。 (2)Deep-SORT方法针对于外观信息的匹配采取的是单帧跟踪的方式,同时内存中存储了大量的外观特征。这样会使跟踪的鲁棒性以及追踪精度降低,同时模型的运算速度减慢。本文基于指数平滑法的原理,将存储的特征信息转化为一个融合特征,既节省了空间,也将跟踪策略转变为多帧跟踪。同时,将原先提取外观信息特征的WRN网络更换为DLA融合特征网络,提取到了融合度更高的外观信息,提高了匹配的准确性。改进后的Ex-Deep-SORT方法在MOT16上的实验结果表明,跟踪精度相比于之前有一定的提升,尤其是减少了ID变换次数,强化了REID模块的跟踪能力。 (3)目前的人流量统计在精度和速度上难以达到同时最佳,在两段实际行人场景数据集上进行最后的人流量统计实验后发现,经过优化过后的行人检测方法R-YOLOv4搭配优化后的追踪方法Ex-Deep-SORT方法由于在增强性能同时减少模型体积,在精度和FPS指标上表现最优。在工业中达到了实时应用的标准。依据此数据,可以实时监控重点区域内的滞留人数,达到防止公共卫生、公共安防事件发生的效果。同时也可应用在商场的客流量统计计数,交通路口的指挥调度等领域,为决策提供有力支持,具有实际应用意义。

关键词：深度学习卷积网络行人检测行人跟踪人流量统计

来源：评论

学校读者我要写书评

暂无评论

基于计算机视觉的人流量统计技术研究

基于计算机视觉的人流量统计技术研究

引用

作者：李航解放军信息工程大学

学位级别：硕士

在计算机视觉的各种应用中,人流量统计一直是一个研究热点。它除了能获得监控区域内人流量的基本信息,还可以获得多项与行人相关的信息(比如:行人轨迹、行人滞留时间等),这为公共场所的管理,特别是为公共安全提供了有力的保障,并且还可... 详细信息

在计算机视觉的各种应用中,人流量统计一直是一个研究热点。它除了能获得监控区域内人流量的基本信息,还可以获得多项与行人相关的信息(比如:行人轨迹、行人滞留时间等),这为公共场所的管理,特别是为公共安全提供了有力的保障,并且还可以为旅游景区、购物中心等商业机构提供业绩评估参考。但是,目前人流量统计技术的研究还存在一些短板:比如行人检测中行人特征维度较高;滑动窗口法检测效率较低;此外,在多行人跟踪过程中,当目标轨迹交叉时会出现错误跟踪等,因此影响了人流量统计的准确性;并且由于行人行为的随意性、背景的复杂性和视频处理的实时性要求,使得快速准确的人流量统计成为一个研究难点。因此,深化对基于计算机视觉的人流量统计技术的研究具有重要的理论意义和应用价值。本文在剖析现有行人检测和行人跟踪方法的长处和短板的前提下,对人流量统计技术的框架、行人特征描述子和多行人跟踪过程中的数据关联等问题进行了研究。论文的主要工作包括:1、简要介绍了计算机视觉、人流量统计的相关概念和基于计算机视觉的人流量统计技术的应用范围和研究意义。分别从理论研究和实践应用的角度,回顾了人流量统计技术的研究现状,并对基于计算机视觉的人流量统计技术的三个主要部分:行人检测、行人跟踪和行人计数,分别介绍了经典算法并总结了各自的长处和短板。2、针对利用滑动窗口法检测行人目标效率较低的情况,研究了基于运动分析的前景分割方法和候选区域生成方法。首先,对具有代表性的基于运动分析的前景分割方法的原理进行了研究,分别运用帧间差分法、光流法和背景差分法进行了前景分割实验,并对实验结果进行了剖析;然后,对具有代表性的候选区域生成方法的原理进行了研究,分别运用选择性搜索法、BING方法和边缘框法进行了候选区域生成实验,并对实验结果进行了剖析;最后,对三种候选区域生成方法的性能进行了对比。3、针对俯视视角下行人头部作为行人检测标志的情况,提出一种基于边缘连续性和轮廓紧致度的行人检测方法。首先,制作包含行人完整头部和不包含行人头部的样本库,提取所有样本的边缘连续性和轮廓紧致度,并组成一个二维特征,运用SVM训练行人头部分类器;然后,利用BING方法生成候选区域,在候选区域中利用结构化的边缘检测器,检测候选窗口中的边缘,分别提取每个候选窗口的边缘连续性和轮廓紧致度,组成一个二维特征;最后,用训练好的行人头部分类器来分类并定位行人目标。实验结果表明,所提方法能够有效检测行人,并且与基于区域对称的检测方法相比检测性能较好。4、针对传统HOG特征维度和计算复杂度均较高,以及多行人跟踪过程中当行人轨迹交叉时出现错误跟踪的情况,提出一种基于改进HOG和SVM的人流量统计方法。首先,通过分析俯视行人头部轮廓在检测窗口中的空间分布,对传统的HOG特征进行参数优化和结构改进,提出了俯视行人头部HOG特征;制作用于训练的正、负样本库,提取俯视行人头部HOG特征来训练一个行人分类器;然后,在BING方法生成的候选区域中,运用行人分类器进行分类与定位,从而得到行人目标;用Camshift跟踪算法对检测到的行人进行跟踪,并通过基于欧式距离和巴氏系数的数据关联算法建立相应的行人轨迹;最后,通过分析行人轨迹是否跨过计数线来实现行人计数。实验结果表明,所提方法有效降低了特征提取的计算复杂度,减少了计算时间,并且在多行人跟踪过程中减少了错误跟踪,与传统的人流量统计方法相比性能有所提升。最后,对所做的工作和成果进行了概括与归纳,并对基于计算机视觉的人流量统计技术的研究前景作出了展望。

关键词：计算机视觉人流量统计行人检测行人跟踪

来源：评论

学校读者我要写书评

暂无评论

通济桥西入口人流量统计研究

通济桥西入口人流量统计研究

引用

作者：丁睿中山大学

学位级别：硕士

由于人流量统计在安防，商业管理等方面有较大的实用价值，人流量统计在公共场所，购物中心，户外场所等地方的重要性慢慢凸显出来。精确的人流量统计不仅能方便对地区商业价值的评估，还能配合安防系统及时响应应急安防预案，保障行人... 详细信息

由于人流量统计在安防，商业管理等方面有较大的实用价值，人流量统计在公共场所，购物中心，户外场所等地方的重要性慢慢凸显出来。精确的人流量统计不仅能方便对地区商业价值的评估，还能配合安防系统及时响应应急安防预案，保障行人的安全。传统的人流量统计主要有三种方式：人工统计，红外线统计以及热成像统计，但是传统方法都有着成本较高，精度受环境影响较大的特点。近年来，随着计算机视觉领域中模式识别与图像处理技术的发展，基于计算机视觉的人流量统计以其成本优势以及广阔前景获得了人们的青睐。但由于不同场景的光照，遮挡及人流密度情况各不相同，摄像头的角度，成像质量也有较大区别，使得基于计算机视觉的人流量统计在实际应用中面对的挑战也很多。本文结合视频监控，对佛山通济桥的西入口进行了固定垂直视觉摄像头下的人流量统计。该统计场景的特点是：夜间统计，背景固定，但是不同时段人流区别较大。针对该场景特点，本文利用摄像头成像视角的特殊性采用检测识别人头而避开了人体识别这一难点，因为人头彼此之间遮挡的概率更小且更近似一个刚体。本文采用对光照变化不敏感的梯度直方图（HOG）作为人头特征描述算子，使用线性支持向量机（SVM）学习算法来建立人头的线性分类模型进行分类检测。由于HOG特征子检测的计算量较大，而该项目需求的实时性较高，为了提高检测实时性，本文设计了两种方法分别应对该场景较稀疏和较密集的人流量检测并使用自适应的思想自动更换当前最适合的检测方法。对于较稀疏的人流本文采用了对光照变化不敏感且计算量较小的三帧差分法提取运动区域，然后在提取的运动区域内检测轮廓并求其最小拟合矩形，只对拟合矩形中心点处于检测区域内的拟合矩形进行HOG特征子检测，有效减少了检测范围，大大提高了系统效率。同时，本文使用轮廓匹配的方法进行人流跟踪，依据轮廓的出现，合并，分裂与消失四个状态来进行人数的更新。但是在人流量较大时，此方法的效率开始降低，无法满足实时检测需要，因此对于较密集人流则在对检测区域使用HOG特征子检测的基础上，采用将Harris角点检测和金字塔LK光流法相结合的方法测出人流速度，从而利用检测区域的几何特征估计出检测区域内人流通过的区域的时间，认为该时间后检测区域内人流完全通过区域，进而对该时间后的视频帧进行HOG检测，循环该操作即可实时估计出人流量。实验证明，该程序对于该场景的人流量统计是行之有效的。

关键词：人流量统计 HOG特征金字塔LK光流法三帧差分法最小矩形拟合

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：