基于视频的复杂场景下手势密码轨迹还原系统

    公开(公告)号:CN112926518A

    公开(公告)日:2021-06-08

    申请号:CN202110330034.7

    申请日:2021-03-29

    Abstract: 一种基于视频的复杂场景下手势密码轨迹还原系统,包括:目标检测模块、多关键点追踪模块和轨迹处理模块,目标检测模块从输入的视频中识别手部关键点以及智能终端关键点,并输出各目标的位置、大小并生成关键点候选集;多关键点追踪模块循环更新关键电脑候选集的同时追踪视频中的设备和手部关键点,以生成相对轨迹,从而判断是否成功追踪到轨迹;轨迹处理模块将追踪到的轨迹进行滤波、关键点检测处理,生成还原后的手势密码轨迹。本发明在遮挡、非遮挡及运动的复杂场景下情况下,通过分析视频中的手部特征以及智能终端特征,对手部关键点和智能终端进行识别与跟踪,和轨迹处理,全自动化地还原出用户使用智能终端等智能设备过程中的轨迹。

    基于语义结构的口令分词系统及方法

    公开(公告)号:CN111553155A

    公开(公告)日:2020-08-18

    申请号:CN202010356699.0

    申请日:2020-04-29

    Abstract: 一种基于语义结构的口令分词系统及方法,包括:预处理模块、NLP语义提取模块和non-NLP语义标注模块,其中:预处理模块接收待分词口令,提取口令中无法在之后的步骤中被识别的特殊语义因子并将其余部分按照字符类型进行预分词,将字母部分输出至NLP语义提取模块,将非字母部分输出至non-NLP语义标注模块;NLP语义提取模块利用NLP工具从对口令的字母部分进行分词,得到多种语义因子;non-NLP语义标注模块对口令中无法用NLP工具进行分词的部分进行语义标注。本发明根据语料库对口令按照其中蕴含的语义信息进行分词,识别口令的语义结构,对中文用户和英文用户设定的口令都能进行准确的分词。

    基于深度学习的抗老年痴呆药物有效性预测系统

    公开(公告)号:CN111540419A

    公开(公告)日:2020-08-14

    申请号:CN202010347311.0

    申请日:2020-04-28

    Abstract: 一种基于深度学习的抗老年痴呆药物有效性预测系统,包括:基于方剂属性的抗老年痴呆中药有效性预测模块和基于分子化合物特征的抗老年痴呆药物有效性预测模块,其中:抗老年痴呆中药有效性预测模块进行中药方剂中药物属性训练处理并输出中药方剂预测模型;抗老年痴呆药物有效性预测模块进行分子化合物特征值训练处理并输出分子化合物预测模型。本发明以中药方剂中的药物属性以及分子化合物的特征作为训练数据来训练深度学习模型,并使用模型对药物有效性进行精确预测。

    云环境下搜索引擎的访问控制方法及系统

    公开(公告)号:CN102945356A

    公开(公告)日:2013-02-27

    申请号:CN201210537398.3

    申请日:2012-12-12

    Abstract: 本发明提供一种云环境下搜索引擎的访问控制方法及系统,所述云环境下搜索引擎的访问控制方法包括:S1.处理接收的新文件,为新文件生成索引,指定访问结构并为新文件加密,并存储已加密的新文件;S2.发出检索所需文件的请求,获取密钥后开始检索文件,并过滤检索结果;S3.选择下载文件,为文件刻上水印,最后将所述文件传给用户。本发明所述的云环境下搜索引擎的访问控制方法及系统利用属性加密具有访问控制粒度细、数据保护安全性强、运算速度可接受的特点,将其结合到云环境下的高效搜索引擎中可以同时实现加密操作和访问控制,并保持搜索引擎的高效性。

    多媒体产品中面向对象的自同步水印检测方法

    公开(公告)号:CN1241389C

    公开(公告)日:2006-02-08

    申请号:CN03151038.8

    申请日:2003-09-18

    Inventor: 施鹏飞 郭捷

    Abstract: 一种多媒体产品中面向对象的自同步水印检测方法,利用主轴变换构造了描述任意形状对象方位和大小信息的惯量椭圆,分别在对象嵌入水印前和遭受攻击后分析、预测对象在传输信道中经历的几何攻击,实现对象的快速自同步校准,获得水印检测的自同步性;形状自适应余弦变换结合人类视觉遮蔽模型,将置乱的水印信息嵌入到任意形状的对象中,在不可见的前提下,最大强度嵌入水印;维纳滤波用来预测目标对象的初始数值,因此水印检测不需要原始图像的参与。本发明改进了面向对象的数字水印方法对几何攻击的鲁棒性,即使在对象遭受了缩放、旋转、移位等几何攻击后,仍然可以实现水印信息的自同步检测,可应用于视频对象的版权保护。

    基于深度度量学习的跨模态素描人脸识别方法

    公开(公告)号:CN116416654A

    公开(公告)日:2023-07-11

    申请号:CN202111625747.2

    申请日:2021-12-28

    Abstract: 一种基于深度度量学习的跨模态素描人脸识别方法,包括:使用StyleGAN的数据集扩展阶段、基于双向加速三元模态间损失函数的模型预训练阶段、基于度量学习模态间模态内损失的再次训练阶段和模型效果测试阶段使用生成对抗神经网络对素描人脸数据集进行扩展,能够生成不同表情的人脸,考虑到模态间差异,提出双向加速中心三元损失来减小模态间差异的影响,并融入中心损失思想,是同类样本更加聚拢,异类样本更加分散,在此基础上本发明的准确率达到91.56%。

    基于图卷积神经网络的双注意力机制的文本隐私检测系统

    公开(公告)号:CN116305284A

    公开(公告)日:2023-06-23

    申请号:CN202310309903.7

    申请日:2023-03-28

    Abstract: 一种基于图卷积神经网络的双注意力机制的文本隐私检测系统,包括:预处理模块、自注意力机制模块、标签注意力机制模块、图卷积神经网络模块以及基于补偿系数的特征融合结果输出模块。本发明通过特征向量的归一化并利用图卷积神经网络获得的标签间的关系矩阵作为自注意力机制和标签注意力机制的融合参考向量,通过注意力机制的方式获取补偿系数,实现基于标签关系的新型特征融合机制并改善了隐私种类的覆盖性问题以及实现向量处理过程的文本隐私标签的信息融合问题,从而改善原有的文本隐私检测的准确率。

Patent Agency Ranking