基于敏感区域的盲水印防伪系统

数字水印防伪技术是实现版权保护的重要手段.基于特征区域的盲水印技术将水印信号只叠加在人们感兴趣的部分.首先通过曲线跟踪算法选择特征物体,根据人眼对亮度信息的变化最为敏感性特点,利用盲水印算法将水印信息加入图像的亮度信息中.水印提取时不需要原始载体图像.因此除了具有现有数字水印系统的优点以外,还具有更高的鲁棒性和抗裁剪、抗旋转攻击等特殊功效.     

一种高性能多媒体对象存储系统的研究

通过对多媒体应用中多用户并发访问的特点和性能进行分析,提出一种高性能多媒体对象存储系统MOSS(Multime-dia Object Storage System)的对象数据组织结构.MOSS结构采用两层结构,下层采用RAID5的方式组织数据,这样可以利用RAID5磁盘利用率高的优势.上层放常用的热点数据,通过将不同对象存放在不同磁盘,从而将不同用户的请求尽量分散到不同的磁盘上,可以提高多用户的并发访问性能.通过仿真测试,在4用户情况下,MOSS的性能平均比RAID高90%,随着用户数的增加,传统RAID方式的性能下降明显,而MOSS的性能下降很少,在16用户情况下,MOSS的性能平均比RAID高550%.     

最优算法组合在目标检测图像信号处理中的应用

针对网域内简单背景下目标感知识别处理速度慢、准确率低的问题,提出了基于最优算法组合的目标检测方法;该方法将多种图像处理方法融入目标识别算法中,在采用不同算法对采集到的图像进行预处理、分割和特征提取效果比较的基础上,确定出最优算法组合并设计实验验证其可靠性和鲁棒性;试验结果表明该方法能够快速有效的判别行人目标,识别率达到96.67%,解决了网域内目标检测问题;与其他单一算法相比具有处理速度更快、判别更加有效,实时性高等特点,明显优于一般算法。     

网络安全等级保护测评中测评结论的度量方法优化

文章分析了网络安全等级保护2.0时期国家标准的新变化对等级测评结论可能产生的影响,并用实际案例和数据论述了以往描述的基于测评指标和基于测评对象的定量分析方法存在的局限性。根据网络安全等级保护国家标准结构和内容的新特点,结合新的等级测评结论表述方法,文章提出了调整和优化定量计算产生等级测评结论的思路,给出了缺陷扣分的原理和缺陷扣分的定量计算方法,并比较了各种定量计算方法在计算结果上的差异,提出了适合新标准的测评结论定量计算公式。     

结合目标检测的人体行为识别

人体行为识别领域的研究方法大多数是从原始视频帧中提取相关特征, 这些方法或多或少地引入了多余的背景信息, 从而给神经网络带来了较大的噪声. 为了解决背景信息干扰、视频帧存在的大量冗余信息、样本分类不均衡及个别类分类难的问题, 本文提出一种新的结合目标检测的人体行为识别的算法. 首先, 在人体行为识别的过程中增加目标检测机制, 使神经网络有侧重地学习人体的动作信息; 其次, 对视频进行分段随机采样, 建立跨越整个视频段的长时时域建模; 最后, 通过改进的神经网络损失函数再进行行为识别. 本文方法在常见的人体行为识别数据集UCF101和HMDB51上进行了大量的实验分析, 人体行为识别的准确率(仅RGB图像)分别可达96.0%和75.3%, 明显高于当今主流人体行为识别算法.     

基于卷积神经网络的铁轨路牌识别方法

轨道交通在我国综合交通运输体系中占有重要的地位, 随着人工智能的发展, 智能感知轨道交通周围环境的信息也变得越来越引人注目. 本文结合深度学习与图像处理的方法, 设计并实现了一种基于卷积神经网络的高铁轨道周边路牌数字识别的智能系统, 该系统通过在高铁驾驶室内安装摄像头的方式采集运行前方的视频, 并通过目标识别、语义分割等深度学习算法自动定位并识别路牌内的数字, 从而解决了之前人工处理的繁琐和低效率.本算法整体系统由三个子模块构成, 分别为目标检测模块、语义分割模块以及数字识别模块, 其中目标检测模块基于SSD (Single shot MultiBox dector)模型, 并对其进行了改进, 使其更适用于轨道交通中的小目标识别; 语义分割模块使用了全卷积的方式, 对目标检测的结果进一步处理, 准确得到路牌中的数字区域; 数字识别模块的设计参考了著名的识别MNIST数据集的手写体识别系统, 并针对路牌中数字的特点做了相应的改进, 实现了对每个数字的准确识别. 实验结果表明, 本系统可适应白天、夜间情况下轨道交通的路况, 识别的综合准确率为80.45 %, 其中, 白天的平均识别准确率为87.98 %, 夜间的平均识别准确率为72.92 %.     

遮挡对于目标检测的影响分析

摘 要：当前目标检测任务中遮挡问题是一项具有挑战性的工作,由于存在遮挡导致物体 的整体特征结构遭到破坏,在检测过程中容易发生漏检、误检等问题。常见遮挡处理方法在很 大程度上提高了遮挡检测效果,然而对遮挡构成因素和不同遮挡比例对于检测性能的影响情况, 目前并没有具体量化分析。对此,从数据驱动方法出发,通过仿真方式构建生成大量均匀分布 的遮挡数据集(MOCOD),在此数据集上分析不同遮挡比例下的检测性能,量化分析了不同遮挡 对于检测性能的影响情况,在分析的基础上,通过按遮挡比例引入衰减权重方式来筛选高质量 的正样本参与模型训练,有效提升了遮挡情况下的检测性能。     

深度学习识别光网络单元故障的设计与应用

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。     

基于GPU的动态地形实时可视化

针对动态地形中车辙实时可视化的要求,利用OpenGL帧缓冲区对象（framebuffer object）和顶点纹理拾取（vertex texture fetch）功能,提出了一种基于GPU的动态地形可视化算法。首先利用高程图（heightmap）直接产生初始的地形深度纹理,然后通过配置渲染状态生成车辆深度纹理,接着生成表示地表顶点下陷位移的地形深度偏移纹理,最后利用顶点纹理拾取实现了连续更新的车辙效果。给出了完整的动态地形可视化算法,最后通过实验证明该方法是可行的、有效的。     

对象角色模型局部语义冲突即时检查方法研究

现有的ORM模型语义冲突检查方法针对的是全局模型,检查时间长,不能支持建模工具即时检查的需要。为满足即时检查ORM模型的要求,提出了10种局部语义冲突检查模式和算法。基本思想是：通过限定语义冲突检查范围,将局部模型结构抽象为各种模式来检查新增模型元素可能引起的局部语义冲突。该方法能有效提升建模工具的可用性和模型质量。