-
公开(公告)号：CN108447080B
公开(公告)日：2023-05-23
申请号：CN201810175534.6
申请日：2018-03-02
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T7/277 , G06N3/0464
Abstract: 本发明公开了一种基于分层数据关联和卷积神经网络的目标跟踪方法、系统和存储介质，其方法包括：获取跟踪目标的当前视频帧的检测响应以及当前视频帧之前的所有视频帧的跟踪片段；为每一条跟踪片段计算其置信度，其中，跟踪片段置信度是指当前已经完成部分连接的跟踪片段的可信赖程度；根据置信度的大小，将所有的跟踪片段分为高可靠度跟踪片段和低可靠度跟踪片段两部分，并以当前视频帧的检测响应为关联对象，为高可靠度跟踪片段进行局部数据关联处理，为低可靠度跟踪片段进行全局数据关联处理。本发明可以有效降低关联算法的时间复杂度，能够有效缓解在跟踪的过程中出现的局部遮挡问题，同时可以实现算法的鲁棒性和实时性的均衡。
-
公开(公告)号：CN108510559B
公开(公告)日：2022-03-08
申请号：CN201810288688.6
申请日：2018-03-30
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T9/00
Abstract: 本发明涉及一种基于有监督多视角离散化的多媒体二值编码方法。该方法包括：S1.假设一个由n幅图像组成训练集，通过学习得到包含一系列子函数的哈希函数，将样本的两种不同模态的特征映射到经过优化的特征空间中，得到的一系列与哈希子函数对应的哈希值，然后通过二值量化将哈希值转化为二值化哈希码：S2.基于有监督训练的哈希函数：定义一个线性多分类模型并对模型函数进行优化，采用最小平方损失作为目标函数；S3.基于最小量化损失的哈希函数：假设一种模态的特征，通过哈希函数优化至量化损失最小；S4.基于多视角锚图的哈希函数：构造锚图，并采用锚图正则化哈希函数；S5.优化算法。本发明既可以保持数据在原始空间相似性，又能提高检索的准确率。
-
公开(公告)号：CN107784663B
公开(公告)日：2020-10-20
申请号：CN201711124878.6
申请日：2017-11-14
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明公开了一种基于深度信息的相关滤波跟踪方法及装置，其方法包括：基于深度图的图像分割技术，自适应性量化深度信息，得到深度图像分割结果；利用深度图像分割结果，根据不同场景构建相应的三维空间模型的分层结构；利用分层结构，并结合核相关滤波跟踪算法处理目标尺度变化及检测遮挡。本发明一方面过滤前景和背景信息减少跟踪的干扰因素，结合成熟的图像特征提取技术；另一方面这样的分层结构简化了深度信息的使用方法，使得处理目标尺度变化以及检测遮挡更为容易。结合核相关滤波跟踪算法实现了使用二维表观模型在空间结构下的跟踪方法，能够有效应对遮挡和处理目标尺度变化，提高视觉跟踪效果。
-
公开(公告)号：CN108447080A
公开(公告)日：2018-08-24
申请号：CN201810175534.6
申请日：2018-03-02
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明公开了一种基于分层数据关联和卷积神经网络的目标跟踪方法、系统和存储介质，其方法包括：获取跟踪目标的当前视频帧的检测响应以及当前视频帧之前的所有视频帧的跟踪片段；为每一条跟踪片段计算其置信度，其中，跟踪片段置信度是指当前已经完成部分连接的跟踪片段的可信赖程度；根据置信度的大小，将所有的跟踪片段分为高可靠度跟踪片段和低可靠度跟踪片段两部分，并以当前视频帧的检测响应为关联对象，为高可靠度跟踪片段进行局部数据关联处理，为低可靠度跟踪片段进行全局数据关联处理。本发明可以有效降低关联算法的时间复杂度，能够有效缓解在跟踪的过程中出现的局部遮挡问题，同时可以实现算法的鲁棒性和实时性的均衡。
-
公开(公告)号：CN103310152B
公开(公告)日：2016-12-28
申请号：CN201310138433.9
申请日：2013-04-19
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F21/56
Abstract: 本发明提供了一种基于系统虚拟化技术的内核态Rootkit检测方法，本发明通过对Rootkit原理与系统调用和LKM进行深入分析，得到内核态Rootkit隐藏自身模块信息这一行为特点。并针对这一特点，利用设计了基于视图交叉验证的Rootkit检测方法。本发明通过对Xen内核进行更改以截获系统调用，从而构建可信视图。利用目标客户机的用户态工具构建被感染视图。通过对比可信视图和被感染视图发现隐藏的模块。
-
Patent Agency Ranking
公开(公告)号：CN103310152A
公开(公告)日：2013-09-18
申请号：CN201310138433.9
申请日：2013-04-19
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F21/56
Abstract: 本发明提供了一种基于系统虚拟化技术的内核态Rootkit检测方法，本发明通过对Rootkit原理与系统调用和LKM进行深入分析，得到内核态Rootkit隐藏自身模块信息这一行为特点。并针对这一特点，利用设计了基于视图交叉验证的Rootkit检测方法。本发明通过对Xen内核进行更改以截获系统调用，从而构建可信视图。利用目标客户机的用户态工具构建被感染视图。通过对比可信视图和被感染视图发现隐藏的模块。
-
公开(公告)号：CN103209189A
公开(公告)日：2013-07-17
申请号：CN201310139638.9
申请日：2013-04-22
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了基于分布式文件系统的移动云存储安全访问控制方法，步骤1：用户向云存储平台发出云存储的文件访问请求；步骤2：中间服务器载入用户安全策略配置信息；步骤3：中间服务器根据配置信息关联用户访问请求，生成权限表达式；步骤4：中间服务器使用权限判定方法对权限表达式进行求解；步骤5：存储服务器根据表达式求解结果处理用户对文件的操作请求。本发明针对权限判定方法对权限校验机制进行优化，通过对权限表达式进行分析求值，避免了遍历和递归带来的损耗，大幅提高了系统性能，从而提高了安全访问控制技术的易用性和高效性。
-
公开(公告)号：CN103020185A
公开(公告)日：2013-04-03
申请号：CN201210505053.X
申请日：2012-11-30
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种多序列标注问题的联合识别方法，包括以下步骤：步骤1：针对任务I，只采用基本特征生成分类器A，针对任务II，只采用基本特征生成分类器B；步骤2：针对任务I，采用任务I的基本特征和任务II的结果带来的特征生成分类器A2，针对任务II，采用任务II的基本特征和任务I的结果带来的特征生成分类器B2；步骤3：使用集成识别算法将分类器B和B2集成为CB,将分类器A和A2集成为CA；步骤4：重复步骤2和3，直到两个任务的准确率达到最大值。本发明弥补了序列标注任务单独识别时不能从其他任务得到有用信息的缺点，使得多个任务之间有效的交换信息，并通过分类器集成，提高整个任务的准确性。
-
公开(公告)号：CN109284411A
公开(公告)日：2019-01-29
申请号：CN201810402753.3
申请日：2018-04-28
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明涉及图像数据处理领域，特别涉及一种基于有监督超图离散化图像二值编码方法。该方法包括以下步骤：S1.假设一个由n幅图像组成训练集，将训练集所有样本通过学习哈希函数映射到汉明空间的二值化哈希码；S2.定义一个线性多分类模型，采用优化函数对离散化变量进行优化，得出第一目标函数；S3.采用超图对数据哈希码之间的距离度量一致性进行约束，得出第二目标函数；S4.整合第一目标函数和第二目标函数，得到完整的目标函数，采用“位循环坐标下降方法”学习哈希码矩阵，并通过迭代运算优化目标函数。本发明既可以保持数据在原始空间相似性，又能提高检索的准确率。
-
公开(公告)号：CN108510559A
公开(公告)日：2018-09-07
申请号：CN201810288688.6
申请日：2018-03-30
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T9/00
Abstract: 本发明涉及一种基于有监督多视角离散化的多媒体二值编码方法。该方法包括：S1. 假设一个由n幅图像组成训练集，通过学习得到包含一系列子函数的哈希函数，将样本的两种不同模态的特征映射到经过优化的特征空间中，得到的一系列与哈希子函数对应的哈希值，然后通过二值量化将哈希值转化为二值化哈希码：S2. 基于有监督训练的哈希函数：定义一个线性多分类模型并对模型函数进行优化，采用最小平方损失作为目标函数；S3. 基于最小量化损失的哈希函数：假设一种模态的特征，通过哈希函数优化至量化损失最小；S4. 基于多视角锚图的哈希函数：构造锚图，并采用锚图正则化哈希函数；S5. 优化算法。本发明既可以保持数据在原始空间相似性，又能提高检索的准确率。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.036 seconds)
