一种结合多模态帧间运动和共享注意力权重的动态手势识别方法

    公开(公告)号:CN118072395A

    公开(公告)日:2024-05-24

    申请号:CN202410253805.0

    申请日:2024-03-06

    摘要: 本发明公开了一种结合多模态帧间运动和共享注意力权重的动态手势识别方法,旨在解决现有技术中视频存在冗余信息,对运动手部特征难以进行准确捕捉等问题,其包括获取动态手势视频;对动态手势视频进行预处理,得到动态手势视频帧序列;根据动态手势视频帧序列,基于预训练的动态手势识别模型,对动态手势进行识别,得到动态手势含义类别等步骤,所述动态手势识别模型包括依次连接的嵌入模块、特征提取模块、帧间运动注意力模块、自适应融合下采样模块以及全连接层。本发明能够将时空维度的搜索区域减少为与手部相关的区域,在减少计算量的同时可以提升动态手势识别精度。

    一种基于文件分割的信息隐藏方法及系统

    公开(公告)号:CN115134142A

    公开(公告)日:2022-09-30

    申请号:CN202210740832.1

    申请日:2022-06-28

    IPC分类号: H04L9/40 G06F16/172 G06F16/16

    摘要: 本发明公开了一种基于文件分割的信息隐藏方法及系统,属于数字取证技术领域,包括:获取映射序列、载体文件和秘密信息;根据映射序列的长度将载体文件平均分割,得到文件片段;对文件片段每次扫描预设数量的字节得到字节码,将字节码排列组成文件片段矩阵;对文件片段矩阵中的字节码进行概率统计得到各字节码出现的概率;根据字节码及其出现的概率计算文件信息序列;对映射序列进行预处理使其长度达到秘密信息的长度,得到判定序列,根据判定序列将秘密信息和文件信息序列进行比对生成对比序列,完成信息隐藏;降低寻找载体文件的难度,提高实用性。

    一种基于文件分割的信息隐藏方法及系统

    公开(公告)号:CN115134142B

    公开(公告)日:2023-09-22

    申请号:CN202210740832.1

    申请日:2022-06-28

    IPC分类号: H04L9/40 G06F16/172 G06F16/16

    摘要: 本发明公开了一种基于文件分割的信息隐藏方法及系统,属于数字取证技术领域,包括:获取映射序列、载体文件和秘密信息;根据映射序列的长度将载体文件平均分割,得到文件片段;对文件片段每次扫描预设数量的字节得到字节码,将字节码排列组成文件片段矩阵;对文件片段矩阵中的字节码进行概率统计得到各字节码出现的概率;根据字节码及其出现的概率计算文件信息序列;对映射序列进行预处理使其长度达到秘密信息的长度,得到判定序列,根据判定序列将秘密信息和文件信息序列进行比对生成对比序列,完成信息隐藏;降低寻找载体文件的难度,提高实用性。

    使用重建信息归属的无载体图像隐写方法、存储介质及电子装置

    公开(公告)号:CN117808656A

    公开(公告)日:2024-04-02

    申请号:CN202311855021.7

    申请日:2023-12-29

    IPC分类号: G06T1/00 G06F21/60 G06N3/0464

    摘要: 本申请提供了一种使用重建信息归属的无载体图像隐写方法、存储介质及电子装置,主要包括以下步骤:对目标图片进行预处理,采用识别算法基于语义特征检测数据集中的所有图像,通过检测到的标签列表逐一获得其原生特征值Ki,并形成所述目标图片的原生特征集合K;确定所述目标图片的归属重建算法,将所述秘密信息嵌入所述目标图片,得到含秘图片,并传送给接收方;所述接受方接收到所述含秘图片,将所述含秘图片代入所述识别模型进行所述秘密信息的提取。在图像本身特征的基础上重新归属,建立新的映射规则,在保证不同特征的基础上能够包含所需要的特征数量,将图片本身的高级语义特征通过归属信息重新分配的映射规则,更易构建全覆盖的CID。

    一种图像隐写分析方法、装置、介质及设备

    公开(公告)号:CN118018657A

    公开(公告)日:2024-05-10

    申请号:CN202410150495.X

    申请日:2024-02-02

    IPC分类号: H04N1/32 G06V10/80

    摘要: 本发明公开了隐写分析技术领域的一种图像隐写分析方法、装置、介质及设备,旨在解决现有技术检测性能存在局限的问题。包括:使用隐写术将秘密信息嵌入获取到的载体图像C中,生成隐写图像S;对载体图像C和隐写图像S进行离散小波变换,得到小波载体图像DC和小波隐写图像DS;将载体图像C、隐写图像S、小波载体图像DC和小波隐写图像DS,分别输入到孪生隐写分析子网络,并进行划分,得到四组域特征;使用注意力机制生成四组域特征的域差异特征D;将载体图像C和隐写图像S输入到统计特征子网络,得到统计分布差异J;使用注意力机制生成域差异特征D和统计分布差异J的融合特征R;将融合特征R输入到分类器中,得到隐写分析结果#imgabs0#