基于HMM理论的身份认证应用研究

针对基于人体特征展开的身份认证还停留在静止认证的阶段,采用人体分割和状态预测的方法展开基于运动状态人体的身份认证.首先从静止状态下的人体分割方法进行研究,确定了研究的基础骨架;其次,对经典的HMM理论进行适当拓展使其适用于运动状态下的人体状态预测研究;最后,结合前述研究结果,完成了运动状态下的身份认证研究.通过一系列的实验验证了此次研究的真实性、可靠性和稳定性,从而为运动状态下的身份认证进行了有益的探索.

基于物联网技术的智能安防系统应用研究

物联网技术能够建立起物物相联、物物可管、资源统筹分配的应用系统,将物联网应用于智能安防系统,能够最大程度地降低系统内各节点的潜在危险,保障节点安全。文章通过基于物联网的智能安防系统的体系结构和应用平台设计,实现了智能安防系统的建立,为探索物联网技术和智能安防系统的更好结合提供了有益的借鉴。

某单位配电网络自动化升级改造研究

本文以某单位为实例,介绍了配电网络自动化升级改造的设计方案和提高配电系统可靠性的方法,为单位级配电网络的自动化设计,提高单位供配电的可靠性和安全性提供了借鉴。

安全可靠的视频监控系统的设计

本文针对传统远程视频监控系统在安全可靠性上存在的隐患提出了有效的解决方案,并且在大规模网络系统中具有良好的性能。首先本文基于SIP提出了大规模网络中的视频监控结构,然后在此基础上,进行了认证授权、媒体流私密方案和系统管理等方面的设计。通过本文的技术方案,远程视频监控系统中的音视频数据的安全可靠传输能够较好地得以实现。

去身份识别在安防监控中的应用仿真

去身份识别技术是在视频及图像数据中去除可以确定前景身份的相关信息以达到隐私保护的目的,但是要保留足够的信息去判断人物身份的行为。传统的模式识别算法需要固定的、具有统一形式的特征,但是去识别要求最大程度去除前景特征,而存留特征无统一形式,造成识别效果不理想。为了避免上述缺陷,提出了一种类模糊模式的去身份识别方法。利用主成分分析法,对采集的安防监控图像进行特征提取。利用学习集训练方法,获取初步选取的人脸中心,根据人脸特征计算人脸中心与所在类均值的误差,利用迭代处理,使误差达到极小值,从而确定人脸中心,识别对象的身份。实验结果表明,改进算法能够提高安防监控过程中去身份识别的准确性。

基于数据融合技术的封闭鸡舍环境中多气体的检测

封闭鸡舍环境中存在多种有毒气体,常用的半导体气体传感器选择性差、受气体交叉干扰的影响大,导致测量误差大,不能满足检测需求。针对这个问题,采用经典数据融合方式中的最小二乘法和现代数据融合方式中的BP神经网络的4种训练函数,分别对多气体传感器输出信号进行仿真训练分析,并利用均方误差和迭代次数来评价仿真的性能。仿真和实验结果表明,有弹回的BP算法训练的网络性能最优,可有效地降低测量误差,平均相对误差和最大相对误差均在1%以内,满足封闭鸡舍环境检测需求。

面向调制识别的对抗样本研究综述

调制方式识别是认知无线电、电磁对抗等领域中的关键一环,也是进行接收机高效信号处理的重要前提。深度学习具有自主分析、自动特征提取和非线性拟合等传统手段无法比拟的独特优势,其在调制方式识别中表现出了具大潜力,但深度学习模型容易受到对抗样本的攻击,对调制识别任务造成严重影响。尽管对抗样本攻击在计算机视觉、自然语言处理等领域得到了广泛研究,但其在调制识别领域的研究成果较为零散。本文基于调制识别的独特特性,介绍了基于深度学习的调制识别技术,构建了调制识别的问题模型,阐述了目前常见的神经网络在调制识别中的应用现状并列举和对比了调制识别常用数据集及其仿真结果。通过回顾攻击类型、对抗样本生成和防御策略总结了最新的研究成果,建立了不同攻击和防御类别的分类法,并讨论了对抗样本在无线通信中的未来前景。

浅议网络视频监控技术发展现状及在各领域的应用

本文简要介绍了视频监控技术从模拟视频监控技术向网络视频监控技术发展演变过程中经历的几个阶段,着重探讨了网络视频监控技术的发展历程,提出了存在的问题,并通过分析网络视频监控技术的特点及其在各个领域的应用,指出了网络视频监控技术数字化、网络化、智能化和平台化的发展方向。