公开(公告)号：CN109255318A

公开(公告)日：2019-01-22

申请号：CN201811017018.7

申请日：2018-08-31

Applicant: 南京信息工程大学

Inventor： 袁程胜 ,  余佩鹏 ,  夏志华 ,  付章杰 ,  孙星明

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及基于多尺度和多卷积层特征融合的指纹活性检测方法，包括：步骤1）多尺度特征提取训练：对原图做提取感兴趣区域处理，并训练网络的参数；步骤2）主成分分析各层特征：根据训练好的网络结构，提取每层计算后得到的结果，接着对提取到的特征分别做主成分分析处理；步骤3）多卷积层特征融合：将卷积神经网络和经过主成分分析得到的各层特征连接融合后，再将各尺度提取到的特征进行连接；步骤4）支持向量机模型训练和测试：通过选择使用支持向量机作为特征的分类器进行真假指纹图像鉴别。该方法通过图像多尺度的生成、图像感兴趣区域的构建，利用卷积神经网络技术自动的从带有标签的大量指纹图像中学习到富有代表性的真假指纹特征。

公开(公告)号：CN114648436A

公开(公告)日：2022-06-21

申请号：CN202210256878.6

申请日：2022-03-16

Applicant: 南京信息工程大学

Inventor： 夏志华 ,  葛苏龙 ,  徐勇 ,  余佩鹏

IPC: G06T1/00 ,  G06F21/16 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06V10/774

Abstract: 本发明公开了一种基于深度学习的抗屏摄文本图像水印嵌入和提取方法，该方法具体为：步骤1：准备训练集与测试集；步骤2：建立抗屏摄文本图像水印模型，步骤3：对抗屏摄文本图像水印模型进行训练；步骤4：将测试集中的图像按张输入至步骤3中训练好的抗屏摄文本图像水印模型中，检测模型的正确率；步骤5：将需要进行水印嵌入的载体图像输入至训练好的抗屏摄文本图像水印模型中，得到水印嵌入后的载体图像，和水印信息。本发明的方法具有水印容量高、鲁棒性高和实用性强的特点。在实际使用过程中，成本更低、检测精度更高、耗时更短。

公开(公告)号：CN111967344A

公开(公告)日：2020-11-20

申请号：CN202010736565.1

申请日：2020-07-28

Applicant: 南京信息工程大学

Inventor： 夏志华 ,  费建伟 ,  顾飞 ,  余佩鹏

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种面向人脸伪造视频检测的精细化特征融合方法，涉及模式识别领域，方法包括：对真假人脸视频进行帧分解，将视频格式文件转化为连续的图像帧序列；对连续图像帧序列进行人脸位置检测，调整检测结果使人脸框中包含背景；对每一帧图像剪裁人脸框，得到人脸图像训练集，训练EfficientNet B0模型；从人脸图像序列中随机选取连续的N帧，输入EfficientNet B0模型得到特征图组；将特征图组分解为独立的特征图，将相同通道的特征图按照原序列顺序重新堆叠得到新的特征图组并进行二次特征提取，得到特征向量，连接到单个神经元，以sigmoid为激活函数进行最终的视频片段真假分类。本发明既保留了空域信息，又充分提取时域信息，有效地提高伪造检测精度。

公开(公告)号：CN111915891A

公开(公告)日：2020-11-10

申请号：CN202010727842.2

申请日：2020-07-23

Applicant: 南京信息工程大学

Inventor： 夏志华 ,  沈子璇 ,  余佩鹏

IPC: G08G1/01 ,  G08G1/065 ,  G08G1/0967 ,  G06F16/29

Abstract: 本发明公开了一种基于本地差分隐私的实时路况检测方法，属于信息安全技术领域。该检测方法包括对车辆位置数据的扰动、服务器统计并校正扰动数据、构造实时路况网络三个部分。本发明通过优化一元编码算法，对车辆的真实位置数据进行了ε-本地差分隐私保护，即对车辆位置数据进行扰动，使得服务器无法得知该车辆的真实位置，但依旧能构建出实时路况图，对外提供准确的实时路况。利用该实时路况检测方法，不仅保护了提供数据者的隐私，也对路况查询者提供了精准的实时路况，方便了人们的出行规划。

公开(公告)号：CN108520225A

公开(公告)日：2018-09-11

申请号：CN201810287218.8

申请日：2018-03-30

Applicant: 南京信息工程大学

Inventor： 夏志华 ,  余佩鹏 ,  沈子璇 ,  钱嘉楠

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/40 ,  G06K9/44 ,  G06K9/46 ,  G06T3/00 ,  G06T5/10 ,  G06T5/30 ,  G06T7/13

Abstract: 本发明公开了一种基于空间变换卷积神经网络的指纹检测分类方法，该指纹检测分类方包括指纹图像提取感兴趣区域预处理、图像高频区域提取，图像空间变换处理以及卷积神经网络分类训练和测试。其中，指纹图像提取感兴趣区域预处理通过提取图像中指纹部分，去除空白区域；高频区域提取是通过高斯高通滤波器提取图像高频特征；图像空间变换处理是使用空间变换神经网络对输入图像做平移、裁剪、旋转操作，从而实现对图像数据的扩充；卷积神经网络采用多层卷积池化，并使用了不同大小的卷积核提取图像特征，在测试集上得到了很好的分类检测效果。本发明提供了一种成本低、检测精度高、耗时短的指纹检测方法。