融合高精度地图的多激光雷达路侧智能感知方法

在车路协同路侧感知研究中,由于点云数据量庞大且存在着不可避免的目标遮挡情况,导致检测效率低、目标轨迹不稳定和跟踪精度低的问题。针对上述问题,提出了1种融合高精度地图的多激光雷达路侧智能感知方法,通过融合高精度地图信息,提高感知结果的准确性和可靠性。该方法分为3个部分:①通过多激光雷达的标定结果,利用高精度地图完成三维点云区域中感兴趣区域的提取,从而有效减少待处理点云的数量,提升计算效率;②基于极化图高斯混合背景模型的背景建模方法,利用极化图完成运动目标快速检测,避免大规模激光点云的直接处理,有效提升检测效率;③利用车辆航向与车道线方向一致性约束,将高精度地图中的车道方向转化为卡尔曼滤波框架下的车辆状态线性约束,改善车辆检测与轨迹跟踪的性能。实验中,分别在仿真交叉路口与实车实验道路双T形路口对算法与模型进行测试验证。相比于其他方法,所提出的方法数据量减少了55%,目标检测准确率提高了12%,耗时减少了56%,目标跟踪的误差极值、误差均值以及均方根误差均有所降低。实验结果表明:所提的方法能有效融合高精度地图信息,在大范围道路场景下实现对道路运动目标的快速检测与稳定跟踪。

伪三维激发的全局去噪研究

纳米材料的三维原子结构是影响其功能特性的重要因素,电子显微三维重构技术已成为研究纳米材料和生物大分子三维结构的重要手段.由于高能电子会破坏样品结构,导致重构图像中会出现伪影,因此对重构图像进行去噪处理是十分必要的.针对现有三维图像去噪方法采用分块局部处理,忽略空间邻域信息问题,提出了一种基于伪三维激发的全局去噪网络P3E-Net.针对网络中三维卷积会带来巨大开销,设计了一种伪三维激发模块来降低网络参数量.首先将带噪声的重构图像送入P3E-Net,利用编码器提取图像特征,然后通过伪三维激发模块保存空间信息,最后利用解码器得到去噪后的三维图像.在FCCPt和STEMPt两个数据集上与多个模型进行对比,实验结果表明,与现有模型相比,峰值信噪比提升了3.3dB,原子识别正确率提升了5.6%,网络结构参数量降低了8.7M.

基于固定/PTZ摄像机系统的开阔水域小目标船舶主动式跟踪方法

仅依靠当前的闭路电视(closed-circuit television,CCTV)系统,往往难以主动跟踪并拍摄内河船舶清晰的图像。针对上述问题,研究了基于固定/平移-倾斜-对焦(pan-tilt-zoom,PTZ)摄像机系统的开阔水域小目标船舶主动式跟踪方法。采用基于虚拟四边形的三层联合标定模型对固定摄像机和PTZ摄像机进行联合标定,将虚拟四边形内的图像坐标与PTZ摄像机的平移角和倾斜角一一对应;引入虚拟四边形的概念,有效过滤虚拟四边形外目标的干扰,提高小目标船舶的检测准确率;利用透视n点(perspective-n-point, PnP)问题算法和虚拟四边形顶点的图像坐标,得到图像坐标与世界坐标间的映射关系,再利用Pan-Tilt-Height(PTH)模型将虚拟四边形中目标的世界坐标转化为PTH坐标;在小目标跟踪过程中,通过连续检测虚拟四边形中船舶边框质心的图像坐标,即可计算得到PTZ摄像机的平移角与倾斜角,从而实现实时主动跟踪的目的,并尽最大限度的保持船舶目标处于PTZ摄像机图像的中心位置。选取湖北省孝感市春晖湖和武汉市汉江中法桥段这2处真实场景,进行可靠性和有效性验证,实验结果表明:①利用改进的目标检测方法对固定摄像机图像中的船舶进行检测,F1-Score分别为96.82%和97.62%;②利用研究的主动式跟踪方法跟踪运动船舶时,PTZ摄像机的跟踪失败率为4.63%。本文研究的主动式跟踪方法的跟踪速率可以达到18.55 fps。

基于缓存访问模式的C-AMAT测量方法及其在图计算中的应用

图应用是大数据领域的一个重要分支,尽管图分析在显示表示实体之间关系的能力相比传统的关系数据库具有更显著的性能优势,但图处理中大量的随机访问所导致的不规则访存模式破坏了访存的时间和空间局部性,从而对片外内存系统造成了很大的性能压力.因此如何正确度量图应用在内存系统中的性能,对于高效的图应用体系结构优化设计至关重要.并发式平均存储访问时间(concurrent average memory access time,C-AMAT)模型作为平均存储访问时间(average memory access time,AMAT)的扩展,同时考虑了存储器访问的局部性和并发性,能够更准确地对现代处理器下图应用在存储系统中的性能进行评估分析.但C-AMAT模型忽略了处理器下级cache层串行访问的事实,这会导致计算的不准确性,同时由于计算所需参数纯粹缺失周期等难以获取的原因,也使得C-AMAT难以进行实际应用.为了使CAMAT的计算模型与现代计算机中的存储器访问模式相匹配,基于C-AMAT提出了PC-AMAT(parallel CAMAT),SC-AMAT(serial C-AMAT),其中PC-AMAT,SC-AMAT分别从cache的并行和串行访问模式对C-AMAT的计算模型进行了细粒度的扩展和表征,并在此基础上设计并实现了纯粹缺失周期的提取算法,避免直接测量带来的巨大硬件开销.实验结果表明,在单核和多核模式下,PC-AMAT和SC-AMAT与IPC之间的相关性比C-AMAT更强,最终利用PC-AMAT和SC-AMAT度量和分析了图应用的存储器性能并据此提出图应用访存优化策略.

城市隧道交通大数据分析及应用

随着云计算、物联网技术等相关信息技术的发展,针对城市交通与物联网应用结合的相关研究正如火如荼进行,同时也促进了城市智慧交通网络朝着更为高科技、信息化、智能化的方向发展。本文提出城市隧道交通的大数据平台体系结构,并针对其交通大数据进行关联分析方法研究。首先通过分析各类多源交通大数据获得表现交通拥堵的相关因素,然后通过大量相关样本数据训练获得预测模型,最后通过模型预测是否发生交通拥堵并分析交通网络中各隧道的交通拥堵关联性。分组实验及相关结果分析表明,本文提出的方法能实现多个隧道发生交通拥堵情况的关联分析,取得了交通大数据分析应用的良好效果。

基于区域道路实况数据的交通行为谱分析方法

针对国内外有关交通行为谱研究的特征指标和评价指标不完善,且不能定量分析等问题,设计并定义了相应的特征指标和评价指标以建立完整的、能够定量化的分析区域交通行为数据的交通行为谱体系。首先基于交通行为特征,采用改进的层次分析法(AHP)对交通秩序类型进行了分类;其次采用多数据融合的实时系统集成(RTSI)算法对某路段交通安全性进行综合评判。最后开发了交通行为谱分析工具,该工具能根据交通实况数据计算区域路段的交通安全指数,较为完备地分析该路段内的交通行为。

基于工业互联网的隧道监控视频语义分析

近年来,移动终端、监控设备等多媒体数据的海量增长推动了互联网服务的巨量交互。隧道视频监控是城市交通的重要组成部分,其与工业互联网的结合是实现城市交通产业高质量发展的重要前提和保障,也是建设网络强国和制造强国的重要支撑。为此,提出基于工业互联网技术的城市隧道视频监控信息采集与语义分析框架,同时结合语义分析的城市隧道视频监控深度学习方法,解决隧道监控系统在实际应用场景下的安全隐患问题,减少因突发故障导致的损失。实验结果表明,框架中的视频图像场景分割算法在Cityscapes数据集上的均交并比(mIoU)达到82.9%,行人搜索算法在CUHK-SYSU数据集上的Top-1准确率达到95.7%,视频图像异常事件识别算法在WIDER数据集上的平均准确率(mAP)达到75.3%。所提框架使隧道视频监控系统实现了数据共享与信息网络化,提高了城市隧道的运行性能及在紧急情况下的事故处理能力,实现了人工智能与工业互联网的融合创新,有助于城市隧道的智能化管理。

软件可信性与供应链安全前沿进展专题前言

随着计算机应用的不断发展,软件已经渗透到国民经济和国防建设的各个领域,在信息社会中发挥着至关重要的作用.同时,各行各业依赖各类软件,软件的可信性与供应链安全已成为学术界和工业届不可忽视的根本性问题.一方面,人们对软件的可靠性、安全性、防危性等传统可信性质以及可解释性、隐私性和公平性等新兴可信性质提出了更多和更高的要求;另一方面,复杂的软件供应链引入的一系列安全问题,导致信息系统的整体安全防护难度也越来越大.保证软件供应链安全是一项宏大的系统化工程,包含软件供应链上软件设计与开发的各个阶段中来自本身的编码过程、工具、设备或供应链上游的代码、模块和服务的安全,以及软件交付渠道安全.

可更新属性的链上数据访问控制方法

区块链中节点数据保持同步更新,使得链上数据公开透明.因此保护链上交易数据的隐私安全是必不可缺的,访问控制是保护隐私安全的重要手段之一.针对区块链中数据的隐私安全问题提出了一种属性基加密访问控制方法.首先将访问策略与节点属性通过智能合约部署到区块链当中,保证当前策略与节点属性相对应并且不可篡改;其次利用密文-策略属性基加密(Ciphertext-Policy Attribute-Based Encryption,CP-ABE)方法对数据加密上链,使得链上数据在密文状态下进行存储.最后通过访问控制合约,对访问请求节点属性与区块应用的访问策略自动判定授权,实现链上数据访问控制.安全性分析及实验表明,该方法实现在访问策略更新、节点属性改变的条件下,实现对链上数据细粒度的访问控制.

保护用户数量信息的安全虹膜识别方案

由于传统密码认证方式的不便,生物特征识别技术凭借其便捷、可靠、安全可溯源等特性脱颖而出。在不同的生物特征识别技术中,虹膜识别已被证明能提供较高的识别性能和稳定性,常被用于一些安全性要求较高的领域(如机密组织的认证管理等)。在这些领域中,合法用户数量信息往往也属于机密信息,是不能泄露的,近年来针对虹膜识别的攻击手段也越加先进,通过获得的数量信息可能推测出更多的其他信息,造成更大的安全隐患。但是现有的安全虹膜识别方案仅考虑满足可撤销性、不可逆性和不可连接性,未考虑保护用户数量信息。本文提出一种保护用户数量信息的安全虹膜识别方案,每个用户通过自身虹膜特征随机选择的结果及系统参数共同决定该用户的注册模板数量,攻击者难以根据服务器中存储的虹膜模板数量推测出合法用户数量。该方案能够有效地与现有的安全虹膜识别方案进行结合。理论分析结果表明,本文方案能够保护合法用户数量信息、保护新增用户数量信息、预防关联攻击、并且除了能够保持原始安全虹膜识别方案的可撤销性和不可连接性之外,还能进一步提升原始安全虹膜识别方案的不可逆性。实验结果表明,攻击者准确猜对合法用户数量信息的概率不足15%,且相对误差以及相对期望误差均超过10%,因此本文方案能有效保护用户数量信息,并且不会对原始安全虹膜识别方案的识别精度的影响造成较大影响,差异在0.55%之内。

基于多层次CNN特征融合的深度估计算法

由于在深度卷积网络中,深度估计的最终结果往往只利用到了网络的高层特征信息,对于底层特征的信息难以利用。为了解决这个问题,提出融合多层次特征的CNN(Convolutional Neural Network)深度估计方法。高层特征一般包含了图像整体的空间结构信息,而底层特征往往会包含大量的物体细节信息。网络对于底层特征的信息利用不足,造成深度估计的效果比较模糊。为了解决这一问题,采用融合多层次特征的方法,通过设定特定的网络结构,结合反卷积和池化方法,融合不同层次的CNN特征,使得网络能够同时利用底层与高层信息进行深度估计。通过在KITTI与ApolloScape数据集上的实验证明,该方法有效地提高了深度估计的精度。

移动边缘计算中资源受限的串行任务卸载策略

云计算和移动互联网的不断融合,促进了移动云计算的产生和发展,但是其难以满足终端应用对带宽和延迟的需求.移动边缘计算在靠近用户的网络边缘提供计算和存储能力,通过计算卸载,将终端任务迁移至边缘服务器上面执行,能够有效降低应用延迟和节约终端能耗.然而,目前针对移动边缘环境任务卸载的主要工作大多考虑单个移动终端和边缘服务器资源无限的场景,这在实际应用中存在一定的局限性.因此,针对边缘服务器资源受限下的任务卸载问题,提出了一种面向多用户的串行任务动态卸载策略(multi-user serial task dynamic offloading strategy,简称MSTDOS).该策略以应用的完成时间和移动终端的能量消耗作为评价指标,遵循先来先服务的原则,采用化学反应优化算法求解,充分考虑多用户请求对服务器资源的竞争关系,动态调整选择策略,为应用做出近似最优的卸载决策.仿真结果表明,MSTDOS策略比已有算法能够取得更好的应用性能.

船舶异常行为研究进展及发展趋势

对船舶异常行为的研究进展、存在的问题及未来发展趋势进行总结和分析。对船舶行为及其异常识别的基本概念和分类进行介绍,提出船舶异常行为识别过程;对船舶异常行为的检测方法进行归纳分类,分述各类方法的研究现状,并剖析存在的问题;针对航运大数据及云计算的利用,阐述船舶异常行为研究面临的机遇和挑战,说明其未来发展方向。

动态主机配置协议泛洪攻击在软件定义网络中的实时防御

在软件定义网络(SDN)中,动态主机配置协议(DHCP)泛洪攻击报文通常能通过reactive方式主动地进入控制器,对SDN危害巨大。针对传统的DHCP泛洪攻击防御方法无法阻止SDN中该攻击带来的控制链路阻塞这一问题,提出一种DHCP泛洪攻击的动态防御机制(DDM)。DDM包含检测模型和缓解模型。在检测模型中,不同于他人提出的静态阈值检测方法,采用DHCP流量均速和IP池余量两个关键参数建立动态峰值估计模型来评估端口是否受到攻击,若受到攻击则交由缓解模型进行防御。在缓解模型中,利用地址解析协议(ARP)的应答特点进行IP池清洗,并设计了周期内分时段拦截机制对攻击源进行截流,在缓解阻塞的同时,最大限度减少拦截对用户正常使用的影响。仿真实验结果表明,相对静态阈值检测,DDM检测误差平均降低18.75%。DDM缓解模型能高效地拦截流量,同时将用户在拦截期正常接入网络的等待时间平均缩短81.45%。

混沌背景下非平稳谐波信号的自适应同步挤压小波变换提取

针对同步挤压小波变换(SST)在提取混沌背景下非平稳谐波信号时的不足,提出一种改进的自适应最优累加频率范围的SST非平稳谐波信号提取方法.首先根据非平稳谐波信号小波系数与小波基支撑区间的关系,推导非平稳谐波SST提取时自适应累加频率范围的计算公式;然后,利用最小能量误差准则确定自适应累加频率范围公式中参数的最优值,从而实现非平稳谐波信号的SST自适应提取.分别在Lorenz混沌背景和Duffing混沌背景下对不同类型的非平稳谐波信号进行了实验分析,实验结果表明,该方法能有效地从含噪混沌背景中提取非平稳谐波信号,与经典的单一累加频率范围的SST方法相比,提取结果在均方误差和相关系数两方面都有较好的提高.

基于空间投影和关系路径的地理知识图谱表示学习

近年来,类人智能技术和相关产品飞速发展,这在很大程度上得益于完备知识图谱的构建,特别是以地理为代表的基础教育知识图谱。传统的知识图谱采用网络知识组织形式进行表示,计算复杂度较高,而且三元组的知识表示形式不能有效地度量和利用实体间语义关联关系。该文构建了基于空间投影和关系路径的知识表示学习算法—PTransW(Path-based TransE and Considering Relation Type by Weight)模型,该模型结合空间投影和关系路径来对翻译模型进行扩展,并加入关系类型的语义信息进行改进。最后,在FB15K数据集和GEOGRAPHY数据集上训练并做链接预测实验。实验结果表明,PTransW模型对复杂关系的建模能力取得了较大地提升;对于规模较小的数据集,复杂度低的TransE和TransR模型将会训练得更充分;但是PTransE和PTransW模型由于利用了关系路径和反向关系中的语义信息,在关系预测方面有很大的优势。

基于多特征组合的细粒度图像分类方法

针对单一特征表示的局限性会导致细粒度图像分类准确度不高的问题,提出了一种基于卷积神经网络(CNN)和尺度不变特征转换(SIFT)的多特征组合表示方法,综合考虑对目标整体、关键部位和关键点的特征提取。首先,分别以细粒度图像库中的目标整体和头部区域训练CNN得到两个网络模型,用来提取目标的整体和头部CNN特征;然后,对图像库中所有目标区域提取SIFT关键点并通过K均值(K-means)聚类生成码本,再将每个目标区域的SIFT描述子通过局部特征聚合描述符(VLAD)参照码本编码为特征向量;最后,组合多种特征作为最终的特征表示,采用支持向量机(SVM)对细粒度图像进行分类。使用该方法在CUB-200-2011数据库上进行实验,并与单一的特征表示方法进行了比较。实验结果表明,该方法与基于单一CNN特征的细粒度图像分类相比提升了13.31%的准确度,证明了多特征组合对细粒度图像分类的积极作用。

基于Greenplum数据库的查询优化

针对分布式数据库查询效率随着数据规模的增大而降低的问题,以Greenplum分布式数据库为研究对象,从优化查询路径的角度提出一个基于代价的最优查询计划生成方法。首先,该方法设计一种有效的代价模型来估算查询代价;然后,采用并行最大最小蚁群算法来搜索具有最小查询代价的连接顺序,即最优连接顺序;最后,根据Greenplum数据库对查询计划中不同操作的默认最优选择得到最优查询计划。采用该方法在自主生成的数据集与事务处理性能理事会测试基准(TPC-H)的标准数据集上进行了多组实验。实验结果表明,所提出的优化方法能有效地搜索出最优解,获得最优的查询计划,从而提升Greenplum数据库的查询效率。

移动云环境中数据流应用的Cloudlet选择策略研究

现有的Cloudlet选择策略大多只使用单个Cloudlet资源进行计算卸载,对于拥有较多可并行执行组件的移动数据流应用程序,性能提升有限。针对这一问题,提出一种基于化学反应优化算法的Cloudlet选择策略。该策略以减少应用的完成时间和移动设备能耗为目的,在满足应用程序组件间依赖关系的前提下,充分利用多Cloudlet的计算资源使移动数据流应用的并行组件同时执行,提升了应用执行效率的同时降低了移动设备能耗。仿真实验表明,在多Cloudlet环境中应用程序的性能相较于POCSS策略平均提升了18.2%。

支持结果排序的安全密文检索方法研究

越来越多的企业和个人用户将数据部署到低成本、高质量的云存储中。为了保护敏感数据,用户在部署前会对其进行加密处理,但海量的加密数据给检索工作带来很大挑战。文中将传统的倒排索引结构改造成密文倒排索引,并在密文倒排索引上构建计数布隆过滤器,进而提出了基于计数布隆过滤器的密文安全索引(SICBF),其在保证隐私安全的前提下实现了对密文的快速检索。为减少SICBF索引中的数据冗余,设计了计数布隆过滤器的剪枝算法。为保护密文倒排索引中相关分的隐私安全,采用一对多保序加密机制(OPME)对相关分进行加密,并在密文相关分上对检索结果直接进行排序,将最相关检索结果top-k返回给授权用户。安全分析表明,不同于原始数据分布,OPME算法加密后的相关分分布隐藏了数据的峰值,能防止针对相关分的统计攻击。实验结果表明,SICBF的检索效率高,计算量小,适用于海量加密数据文件的快速安全检索。