-
公开(公告)号:CN101887574A
公开(公告)日:2010-11-17
申请号:CN201010219157.5
申请日:2010-07-08
申请人: 华中科技大学
IPC分类号: G06T1/00
摘要: 本发明公开了一种抗几何攻击的鲁棒指纹嵌入与提取方法,结合空域和频域的优势,解决数字指纹实时嵌入与鲁棒性的问题,同时适用于图像和视频文件。该方法利用DCT变换的线性正交可逆特性,将指纹巧妙的做逆整体DCT变换,自适应的叠加在图像的空域,此过程达到将指纹信息嵌入到多媒体作品的整体DCT域的目的,并且较大幅度地降低了计算复杂度以满足实时嵌入的需求。在提取指纹时利用SIFT特征具有较强的抗几何攻击能力,提出基于SIFT特征点的几何校正方法,它能正确的校正多媒体作品,使得载体数据与指纹的同步恢复,从而达到抵抗几何攻击的目的。本发明中的数字指纹的嵌入方法对几何攻击具有很好的鲁棒性,同时具备实时性,满足图像和视频应用的需求。
-
公开(公告)号:CN101853486A
公开(公告)日:2010-10-06
申请号:CN201010194502.4
申请日:2010-06-08
申请人: 华中科技大学
摘要: 本发明公开了一种基于局部数字指纹的图像拷贝检测方法。该方法对测试图像库中的每幅图像提取局部SIFT特征,并将这些高维的SIFT特征向量进行局部数字指纹的转化以及统计指纹在每幅图像中出现的频率,以建立数字指纹数据库;在图像进行查询时,首先对查询图像提取SIFT特征,然后转化得到其数字指纹以及转化过程中不可靠位置的信息,再结合不可靠位置信息在测试指纹库的倒排索引结构中进行查询,从而快速得到与查询图像的局部数字指纹相关联的测试图像集合,为查询图像与相关联的测试图像进行相似性度量,以判断是否为拷贝。在检测拷贝的性能方面,本发明具有很好的查全率和查准率;在检测拷贝的效率方面,本发明也能够较快地进行查询图像的拷贝检测。
-
公开(公告)号:CN101814990A
公开(公告)日:2010-08-25
申请号:CN201010146701.8
申请日:2010-04-15
申请人: 华中科技大学 , 武汉烽火信息集成技术有限公司
摘要: 本发明公开一种面向家庭网络的数字版权证书管理系统。该系统中,家庭网络创建一个域并为所有设备分配一对公私钥,其中公钥包含在设备证书中对该设备进行标识。而基于所有设备的公钥可生成一个组密钥。家庭网关代表域内所有设备向数字版权服务器申请数字版权证书,该证书采用组密钥进行加密,可保证只有合法设备才能解密使用。本发明具有如下特点:(1)对同一数字内容只需进行一次数字版权证书的申请即可实现整个域内的共享,可减轻数字版权服务器的负载;(2)域内用户可通过超级分发方式实现数字内容的共享;(3)公钥可公开发布而无须担心密钥传输的安全性。
-
公开(公告)号:CN101394398A
公开(公告)日:2009-03-25
申请号:CN200810048824.0
申请日:2008-08-15
申请人: 华中科技大学
摘要: 本发明公开了一种面向终端数字接口的内容保护方法及其系统。本发明利用RSA算法为每个接口生成一对公、私钥对;再利用所有合法的接收器的多个公钥生成组密钥,发送器利用该组密钥对数字内容加密;合法的接收器利用拥有的私钥对已加密数字内容解密。系统包括注册与授权服务器,内容发送器和内容接收器。本发明基于RSA算法,RSA算法是目前使用最为广泛的密码算法,安全性较高。目前,世界上还没有任何可靠的攻击RSA算法的方式。只要其密钥的长度足够长,用RSA加密的信息是不能被解破的,本方法通过调整密钥长度就可以保证既具有较高的安全性又有较低的计算复杂性;本方法基于RSA的公钥生成加密密钥,由于RSA的公钥允许公开发布,使本方法具有很好的开放性。
-
公开(公告)号:CN100394796C
公开(公告)日:2008-06-11
申请号:CN200610018835.5
申请日:2006-04-19
申请人: 华中科技大学
摘要: 本发明公开了一种基于数字水印的数字电视审查及监测系统。节目信息管理子系统用于接收来自嵌入终端子系统的服务请求,通过与数据库服务器的数据交互,对服务请求进行处理,并将处理结果发送给嵌入终端子系统;嵌入终端子系统用于向节目信息管理子系统发送节目送审者的服务请求,并接收来自节目信息管理子系统的反馈结果;并从该反馈结果中提取调制加密后的电子许可证并嵌入到数字节目中,或将不允许信息提供给送审者;节目监测子系统用于对传送的电视节目进行监测,当未从传送的节目中检测到电子许可证时,把该节目的相关信息作为警报信息,发送至数据库服务器。本发明具有电子许可证不可伪造、监测实时和可行性高的特点。
-
公开(公告)号:CN110569725B
公开(公告)日:2022-05-20
申请号:CN201910718753.9
申请日:2019-08-05
申请人: 华中科技大学
IPC分类号: G06V10/764 , G06V40/20 , G06K9/62 , G06N3/08
摘要: 本发明公开了一种基于自注意力机制的深度学习的步态识别系统与方法,属于步态识别领域。本发明提出使用注意力机制作用于原始的特征图上,通过学习到一个与原始特征相同大小的0~1之间的矩阵,对原始特征进行降噪,挑选图片中的显著特征,减少特征中的噪音;将分类损失和对比验证损失有机结合,以结合损失函数对特征进行惩罚,不仅利用了目标的身份信息,同时利用了目标之间的不同关系,增加了不同特征之间的区分度;将步态中最重要的四肢特征作为先验知识加入原始深度特征中,这种结合不仅能利用目的全局体型特征,校正全局特征学习到的关于衣服变换带来的不利于分类的特征,增强原始深度特征的表达能力,从不同维度上增强特征的表达能力。
-
公开(公告)号:CN107506786B
公开(公告)日:2020-06-02
申请号:CN201710599506.2
申请日:2017-07-21
申请人: 华中科技大学
摘要: 本发明公开了一种基于深度学习的属性分类识别方法,对于不同的深度学习模型,提出一种融合方法,探索了行人属性之间的上下文关系。首先输入的图像数据经过卷积神经网络,生成特征图,然后把属性向量化。设置一个权值参数,把融合之后的向量带入到权值函数进行迭代训练。通过调整权值参数的值,对两种模型的比重进行平衡。本发明的特点是考虑了行人属性之间的上下文关系,提高了分类的准确率,避免了行人属性分类准确率的两极分化。主要应用在监控摄像头中,对于过滤掉监控视频中的无用信息,快速识别出目标行人有着比较广泛的应用前景。
-
公开(公告)号:CN110609920A
公开(公告)日:2019-12-24
申请号:CN201910716258.4
申请日:2019-08-05
申请人: 华中科技大学
IPC分类号: G06F16/783 , G06F16/71 , G06K9/00
摘要: 本发明公开了一种视频监控场景下的行人混合搜索方法及系统,属于视频内容搜索领域,包括:视频解码得到帧图像;对帧图像分别进行人脸目标检测和行人目标检测,以分别得到行人目标的人脸快照和行人快照;识别同一帧中属于同一行人目标的人脸快照和行人快照,关联到一起;根据人脸快照提取人脸特征,并根据行人快照提取行人重识别特征,以通过特征匹配将当前帧中的行人目标与已处理完成的帧图像中的行人目标进行匹配,以获取到同一行人目标的轨迹;将行人目标ID连同该行人目标的人脸快照、行人快照、人脸特征、行人重识别特征以及轨迹信息均存储至数据库中,从而得到搜索数据库。本发明能够提供行人目标的多角度特征描述,为应用提供可靠的支持。
-
公开(公告)号:CN110570012A
公开(公告)日:2019-12-13
申请号:CN201910716065.9
申请日:2019-08-05
申请人: 华中科技大学
摘要: 本发明公开了一种基于Storm的电厂生产设备故障预警方法及系统,属于电厂设备监测领域,包括:实时采集测点数据并按主题存储到分布式消息队列中;按照主题从分布式消息队列中拉取测点数据进行过滤和验证,实时存储到HBase中,同时,将同时被采集、主题相同且相互关联的每一组测点数据分别作为一个预测目标向量;对于每一个预测目标向量Tj,利用对应的预测模型获得K个聚类,若至少存在一个聚类,其类均值与预测目标向量Tj在各维度的差值均在预警范围内,则判定正常;否则,获得类权重最大的聚类,获得不在预警范围内的差值所对应的测点并判定为异常测点,生成预警信息并存储到数据库中。本发明能够提高电厂生产设备故障预警的适应性、实时性以及可扩展性。
-
公开(公告)号:CN109146921A
公开(公告)日:2019-01-04
申请号:CN201810708758.9
申请日:2018-07-02
申请人: 华中科技大学
CPC分类号: G06T7/251 , G06K9/6256 , G06K9/6268 , G06T2207/10016 , G06T2207/20081 , G06T2207/20084 , G06T2207/30196
摘要: 本发明公开一种基于深度学习的行人目标跟踪方法,将深度学习与相关滤波相结合进行目标跟踪,在保证实时跟踪的前提下,有效提高跟踪的准确性。针对跟踪过程中目标姿态变化大的问题,将基于行人属性的深层卷积特征应用到跟踪中;针对遮挡问题,使用余弦相似度的方法进行遮挡的判断,以有效避免因遮挡带来的脏数据引入;为了提高效率、解决深层卷积特征在相关滤波器中的使用问题,提出双线性插值的方法,在去除量化误差的同时又能避免特征的重复提取,大幅度提高效率;针对目标高速运动的问题,提出将预选框策略融入到跟踪算法中,不仅能对全局图像进行搜索,同时预选框能够作为强负样本加入训练,提高相关滤波器的区分能力。
-
-
-
-
-
-
-
-
-