一种彩色激光打印文件暗记识别方法和系统

    公开(公告)号:CN110991318A

    公开(公告)日:2020-04-10

    申请号:CN201911198214.3

    申请日:2019-11-29

    Abstract: 本发明涉及一种彩色激光打印文件暗记识别方法,并基于此方法设计了一套暗记识别比较系统。该方法的特征在于,提取预处理后的图像中暗黄色小点的位置信息,并标定最小可重复部分为暗记,并比较暗记相似度、确定其是否属于同一类暗记。该系统包含四个模块,输入模块,图像预处理模块,暗记识别模块,暗记比较模块;输入模块读取来源于本地的图像;图像预处理模块确认最佳参数,去除干扰信息;暗记识别模块提取暗记特征;暗记比较模块对比较提取到的暗记,并给出相似度判断两个暗记是否属于同一类。目前计算机视觉和图像处理技术发展迅速,提供了实验条件,目前实验也证明提取、识别并比较纸张的暗记特征是完全可行的,达到了较高的识别精度。

    基于定理证明的形式化验证方法

    公开(公告)号:CN110989997A

    公开(公告)日:2020-04-10

    申请号:CN201911225125.3

    申请日:2019-12-04

    Abstract: 本发明公开一种基于定理证明的形式化验证方法,应用于安全操作系统领域,针对现有的操作系统存在的安全性问题,本发明基于定理证明的形式化验证方法,包括:对源代码重构、对函数进行形式化建模、对函数进行定理描述、最后进行形式化证明;本发明采用人机交互的半自动化证明,利用类型系统和逻辑之间的同构关系,将构造证明的过程转化为编写程序的过程,而证明的正确性检查也变成了类型检查问题,尽管需要大量手工劳动来构造证明,但是本发明提出的方法无需牺牲规约和代码的表达能力,特别是程序中可以使用表达能力很强的逻辑来表示,且证明自身在机器中都有显示表示,其正确性可以被自动检查,验证的结论也就更加可信。

    一种基于静态优先级的多核VCPU调度方法

    公开(公告)号:CN110333950A

    公开(公告)日:2019-10-15

    申请号:CN201910586000.7

    申请日:2019-07-01

    Abstract: 本发明公开一种基于静态优先级的多核VCPU调度方法,应用于嵌入式系统VCPU调度领域,针对现有的Xen在实时性方面存在的问题,本发明为每个域提供一个静态优先级,同一个域中的VCPU具有相同优先级;仅维护一个全局VCPU就绪队列,就绪队列按照优先级划分为64个子队列,优先级相同的VCPU放在同一子队列中,VCPU优先级与子队列优先级一致;调度时,按优先级由高到低依次扫描各个子队列,当子队列非空时,按照先来先服务原则选取第一个可运行的VCPU,该VCPU即为当前就绪队列中优先级最高的VCPU;保证在最坏情况下,处于最高优先级的域也能满足强实时性的需求。

    基于MILS的策略配置管理工具

    公开(公告)号:CN110321709A

    公开(公告)日:2019-10-11

    申请号:CN201910586629.1

    申请日:2019-07-01

    Abstract: 本发明公开一种基于MILS的策略配置管理工具,针对现有的MILS架构中,如何实现真正的可修改的多级安全的问题,本发明的策略配置管理工具包括:策略配置工具、分区管理工具以及安全审计工具;策略配置工具主要是要实现对安全策略的查找和修改功能,分区管理工具的主要功能包括:创建或删除分区、启动或关闭分区、挂起或激活分区、查看或更改分区参数、以及分区资源监控;安全审计工具嵌入到分区管理工具中的,主要用途是在发生安全事件后,能够查看各个分区的安全日志,对安全审计信息进行筛选查看,以找到引发安全事件的操作;采用本发明的基于MILS的策略配置管理工具,能够提高基于MILS架构的安全操作系统的安全性。

    一种基于深度学习的手持人证比对系统及方法

    公开(公告)号:CN106991390A

    公开(公告)日:2017-07-28

    申请号:CN201710201258.1

    申请日:2017-03-30

    Abstract: 本发明涉及一种基于深度学习的手持人证比对系统及方法,该系统包括身份证信息读取模块,用于采集持证人现场照片的图像采集模块,人脸识别模块,人证比对模块和显示模块。系统通过身份证信息读取模块读取证件信息,读取到身份证证件信息后调用图像采集模块对持证人的脸部进行抓拍,人脸识别模块用于对照片进行图像预处理,人脸检测和人脸对齐,人证比对模块用于提取人脸特征并比对特征值,显示模块用于显示采集的持证人照片,身份证信息,操作提醒以及比对结果。本发明内置的人脸检测和识别模块拟采用基于深度学习的算法。目前,基于深度学习的人脸识别算法已经被证明在人脸识别领域比传统的人脸识别算法具有更高的精度。

Patent Agency Ranking