基于互联网基础资源的IP地址关联分析方法和分析系统

    公开(公告)号:CN108566448A

    公开(公告)日:2018-09-21

    申请号:CN201810333342.3

    申请日:2018-04-13

    Abstract: 本发明属于互联网技术领域,具体而言,涉及一种基于互联网基础资源的IP地址关联分析方法和分析系统,分析方法包括步骤一,对IP地址属性数据建立自动化同步与隔离机制;步骤二,根据所述自动化同步与隔离机制对所述IP地址属性数据进行关联分析。分析系统包括任务管理系统,所述任务管理系统用于提供任务管理;数据采集汇入系统,所述数据采集汇入系统与所述任务管理系统相连;数据迁移系统,所述数据迁移系统与所述数据采集汇入系统相连;IP数据分析系统,所述IP数据分析系统与所述数据迁移系统相连;数据展示系统,所述数据展示系统与所述IP数据分析系统相连。本发明具有能够实现IP地址属性数据持续更新的特点。

    一种采用SURF特征和颜色特征相融合的刚体目标跟踪方法

    公开(公告)号:CN106934395A

    公开(公告)日:2017-07-07

    申请号:CN201710080987.6

    申请日:2017-02-15

    Abstract: 本发明涉及一种采用SURF特征和颜色特征相融合的刚体目标跟踪方法。该方法包括:1)在初始图像中选定目标区域,在目标区域内提取SURF特征并建立SURF特征描述;2)在每一个以SURF特征点为中心的局部邻域内构建颜色特征;3)在当前图像到来时,首先利用颜色特征寻找初步的目标区域,之后提取SURF特征并与初始图像建立基于特征的匹配,形成匹配点对;4)根据得到的匹配点对计算得出运动参数,从而确定当前图像的目标区域,实现目标跟踪。本发明能够对目标区域的局部特征实现准确的描述和匹配,进而保证目标跟踪效果的鲁棒性、稳定性。

    一种局部特征与词袋模型相结合的刚体目标跟踪方法

    公开(公告)号:CN106897721A

    公开(公告)日:2017-06-27

    申请号:CN201710058219.0

    申请日:2017-01-23

    CPC classification number: G06K9/3233 G06K9/4609 G06K9/6267

    Abstract: 本发明涉及一种局部特征与词袋模型相结合的刚体目标跟踪方法。该方法包括:1)在初始图像中选定感兴趣的目标区域,并在目标区域检测SURF特征;2)为SURF特征构建分类器;3)将词袋模型与局部特征结合,对每个SURF特征点用视觉单词来表达,形成2维尺度旋转不变空间;4)在当前图像到来时,基于SURF特征实现分类器的自适应匹配,并使用2维尺度旋转不变空间内的视觉单词进行协同匹配,形成匹配点对;5)根据得到的匹配点对计算得出运动参数,从而确定当前图像的目标区域,实现目标跟踪。本发明能够对目标区域的局部特征实现准确的描述和匹配,进而保证目标跟踪效果的鲁棒性、稳定性。

    一种确定IP地址责任主体的实现方法及系统

    公开(公告)号:CN110427540B

    公开(公告)日:2021-11-30

    申请号:CN201910692228.4

    申请日:2019-07-30

    Abstract: 本发明提出一种确定IP地址责任主体的实现方法及系统,涉及网络安全技术领域。本发明系统包括:前端引擎上布置IP WHIOS、域名WHIOS以及ASN三大数据的采集模块,后端服务器上布置有责任主体分析核验模块和质量评估模块。本发明方法利用三大数据采集模块采集IP地址的责任主体的相关固定属性,并利用统一格式的模板存储,然后通过责任主体分析核验模块分析出责任主体,更新和维护企业特征串表,利用质量评估模块计算IP责任主体的信誉度,形成基于主动探测数据的IP责任主体信息数据源,并存入数据库以供查询。本发明实现了基于企业特征串指纹的IP地址责任主体分析与发现,为企业网络安全防范提供了数据支持。

    基于高斯混合模型的刚体目标在线特征分类与跟踪方法

    公开(公告)号:CN106778831A

    公开(公告)日:2017-05-31

    申请号:CN201611064798.1

    申请日:2016-11-28

    Abstract: 本发明涉及一种基于高斯混合模型的刚体目标在线特征分类与跟踪方法。该方法包括以下步骤:1)在初始图像中选定感兴趣的目标区域,并在目标区域检测SURF特征;2)为每个SURF特征创建分类器;3)在新图像到来时,利用分类器对初始图像中的SURF特征与新图像检测到的SURF特征进行匹配,形成匹配点对;在分类器的匹配过程中,采用基于高斯混合模型的在线分类机制判别正样本和负样本;4)根据匹配点对,采用随机采样一致性算法计算得出运动参数,从而确定当前图像的目标区域,实现目标跟踪。本发明能够应对视频中复杂的场景变化,保证跟踪的自适应能力,实现稳定连续、现实可用的目标跟踪。

    基于高斯混合模型的刚体目标在线特征分类与跟踪方法

    公开(公告)号:CN106778831B

    公开(公告)日:2020-04-24

    申请号:CN201611064798.1

    申请日:2016-11-28

    Abstract: 本发明涉及一种基于高斯混合模型的刚体目标在线特征分类与跟踪方法。该方法包括以下步骤:1)在初始图像中选定感兴趣的目标区域,并在目标区域检测SURF特征;2)为每个SURF特征创建分类器;3)在新图像到来时,利用分类器对初始图像中的SURF特征与新图像检测到的SURF特征进行匹配,形成匹配点对;在分类器的匹配过程中,采用基于高斯混合模型的在线分类机制判别正样本和负样本;4)根据匹配点对,采用随机采样一致性算法计算得出运动参数,从而确定当前图像的目标区域,实现目标跟踪。本发明能够应对视频中复杂的场景变化,保证跟踪的自适应能力,实现稳定连续、现实可用的目标跟踪。

Patent Agency Ranking