多目标跨摄像头跟踪技术

多目标跨摄像头跟踪,指的是对于多个被寻目标,在不同场景的摄像头中找到他们出现的时间和空间信息并加以关联。算法综合利用人脸检测、行人检测、目标跟踪、人脸识别和行人再识别等技术,形成一个统一的技术框架。无论是在实现框架上,还是在准确率上都能达到商用水平。在南京市举办的全球人工智能应用大赛中获得了二等奖。     

基于K_L变换与SVM的硬件木马检测新方法

针对基于旁路分析的硬件木马检测,旁路信号数据在空间中呈现高维分布、非线性的问题,探究在降低信号维数方面核函数的可行性,提出了一种基于K_L变换与支持向量机(Support Vector Machine,SVM)的硬件木马检测模型。在FPGA加密芯片中植入所设计的硬件木马进行实验,实验结果对比表明,利用主特征向量构建的SVM模型在检测占电路2%的硬件木马时,测试准确率达到了98.1%,为规模更小的木马检测提供了新思路。     

基于扩展标记变迁模型的时钟同步协议正确性验证

时钟同步协议是时间触发网络的一个重要组成部分,是时间触发网络实时性和确定性的关键。本文基于扩展标记变迁模型对时钟同步协议进行建模,基于模型检测方法对协议是否满足正确性属性进行验证。验证结果证明了在不同启动场景下时钟同步网络协议的正确性,也表明了扩展标记变迁模型对于协议验证的有效性。     

基于动态行为监测的木马检测系统设计

首先介绍了特洛伊木马的基本概念及常用的木马检测方法,然后在分析传统的基于静态特征的木马检测技术缺点的基础上,结合基于动态行为监测的木马检测思想,研究以木马植入、隐蔽和恶意操作所需资源的控制和动态可疑行为监测相结合的隐藏木马检测技术,并提出了基于动态行为监测的木马检测系统的基本框架,给出了动态行为监测的相关策略和可疑行为的分析与判定的方法。     

基于云-神经网络的液体火箭发动机故障检测方法

根据故障检测原理,研究和实现了基于云-神经网络的液体火箭发动机故障检测方法。根据训练结果、测试结果和故障检测结果可以看出,云-神经网络用于液体火箭发动机的故障检测是可行的,经过历次试车数据验证,该方法没有误报警和漏报警。     

一种基于最大选择的Switching-CFAR检测器

针对传统CFAR(Constant False Alarm Rate)检测器不能同时适应于均匀和非均匀杂波背景的问题,提出了一种改进的CFAR检测器,即IEGOS(Iterative Excision Greatest of Switching)-CFAR检测器。在迭代删除的基础上,采用Switching方法,利用检测单元幅度自适应选择参考单元,得到前后滑窗的局部杂波功率估计,然后取二者中的最大值作为总的杂波功率估计,实现恒虚警检测。在SwerlingⅡ型目标和瑞利包络杂波分布的假设下,推导证明了IEGOS的恒虚警性,与CA、GO、SO、OS和EXS算法的对比分析表明IEGOS在均匀杂波、多目标干扰和杂波边缘中均拥有较好的性能,且该算法无需排序,便于工程实现。     

201O年8月强化系统安全从应对木马开始

在互联网盛行的今天,“木马”一词可以说是无人不知、无人不晓。但是且不说普通用户的个人电脑能否抵御木马入侵,就连美国国防部也少不了被黑客的木马频繁光顾。     

毫米波主被动阵列探测技术

针对单通道探测的不足,提出了毫米波主被动阵列探测技术,为导引头提供更加真实详细的目标信息。主被动复合探测体制可以结合雷达和辐射计的优点,远程时使用主动探测,可以增加探测距离,近程时使用被动探测,可以避免角闪烁。当弹丸以一定转速垂直下落时,毫米波波束和弹轴成特定角度对地面作螺旋圆锥扫描,当波束扫描过目标时,探测器阵列输出与目标相对应的信号,通过对各个通道信号作相关处理判断即可确定目标的精确方位,此时输出修正或起爆信号。试验表明该技术能够精确探测目标中心。     

干涉仪测向中相位差精确测量技术研究

相位差的精确测量在以相位为参考信息的测向体制中十分重要,直接影响了测向的精度。重点研究了相位差精确测量技术。在详细分析3种有效的测量方法基本原理基础上,比较精确地获取了信号的相位差,并通过大量的仿真实验比较3种方法在不同情况下的性能,为实际应用中选择合适的方法提供了依据。     

一种综合颜色、纹理信息的皮肤检测方法

针对目前许多皮肤检测方法只考虑了像素级别上的颜色信息,未较好地利用图像空间上的其他信息,如纹理信息以及光照条件对成像颜色所造成的影响,在SPM方法的基础上提出了改进。首先引入“灰色世界”算法对因非标准光照所产生的颜色改变进行校正,有效提高了正检率。对SPM方法的输出部分通过灰度共生矩阵提取图像的纹理信息,过滤颜色信息为皮肤而纹理信息为非皮肤的像素区域,有效降低了误检率。实验结果表明,该方法取得了较好的效果。