“互联网+”时代身份识别与认证安全问题研究

目前,我国是互联网发展的新时期,随着互联网技术的快速发展,互联网技术带动了我国科学技术的发展,文章对当前互联网用户的安全识别技术进行了简要的分析,阐述了用户身份认证所面临的一系列安全隐患,并对可能出现的问题进行了分析,根据发生的问题给出相关解决方案。     

304不锈钢与200系列不锈钢快速识别方法研究

304和201牌号的不锈钢仅从外观难以识别,本文介绍一种化学分析方法快速识别304和201不锈钢。将二水氯化铜、β-丙氨酸、浓盐酸按不同配比配制成不同识别剂,通过比较识别效果,最终确认以上三种试剂最佳物质的量之比为3:2:4.8。通过对实际产品进行验证,确认此识别剂是有效的。     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。     

基于人脸识别技术的人流智能分析系统

笔者提出了一种人流智能分析系统,其功能包括人脸检测、人脸性别年龄分析、人脸出现时长分析、人脸表情分析以及人脸总数统计。本研究基于机器学习的人脸开源库,采用多特征提取与卷积神经网络相结合,训练出可以同时进行人脸性别年龄分析、人脸出现时长分析和人脸表情分析的人流智能分析模型,再结合MySQL数据库进行有效统计并生成人流信息数据报表。该技术可被推广到各类经销商铺,来实现对客户特征信息的提取收集及人流动态数据统计。