轻量级摄像头与监控系统的设计实现

本研究以中小型企事业单位或家庭日常生活的监控需求为背景,设计实现一种轻量级摄像头与监控系统。该系统由数据采集子系统、流媒体转发子系统和手机端APP3个部分组成。系统以Darwin的流媒体转发为核心,设计摄像头的数据采集层嵌入式程序;在MSTAR-AIT8328平台上,开发推模式的RTSP数据包发送工具软件,实现对流媒体的高效分发和实时传输;基于BANDOTT平台,实现Android手机APP视频监控系统。所设计系统的数据采集集成在嵌入式单板内,流媒体转发运行在云端,手机APP作为监控用户端,从而实现一种轻量级、较高分辨率、多功能、易安装、易配置的摄像头和监控系统。     

面向命名数据网络的安全通信机制及其优化

NDN网络架构的安全机制构建在信息本身,因此NDN中对传输的数据必须采取有效的签名和加密措施,否则攻击者可以随意获取数据或发送虚假内容,这将成为NDN网络的最大安全隐患。文中针对NDN的安全隐患,设计出一种轻量级加密算法来解决NDN网络架构的安全问题,详细分析了该算法每个步骤的含义和目的,以及它在各种攻击方式下的安全性,同时对算法进行了优化,提高了算法的运行效率。并且在ndnSIM下嵌入该算法进行仿真,验证了数据从发布者开始是以密文方式进行传输,具有机密性;收到数据后能正确地验证发布者的身份,具有认证性;并正确地解出明文和验证数据是否有改动,具有完整性;再分别对攻击方式中的数据内容篡改和身份伪装进行了仿真,验证了对传统网络攻击防范的有效性。     

基于MGSW15方案的分组密码电路的同态运算

全同态加密(FHE)允许在不知道秘密信息的前提下对密文进行任意运算,已成为大数据和云安全背景下的热门研究方向,近年来取得了重大进展.但在实际应用中全同态加密仍面临诸多问题,其中严重的密文扩张给密文传输带来了巨大压力,通过将全同态加密方案与对称密码相融合可以有效解决这一问题.GSW类型的全同态加密方案效率较高,且进行同态计算不需要再线性化技术,本文选取了支持并行操作的MGSW15方案,其密文可以转化为任意基于LWE的FHE方案的密文.给出了在云计算背景下基于MGSW15方案实现密文压缩的基本框架,并利用该方案分别同态计算实现了分组密码AES-128、PRINCE、SIMON-64/128电路,根据每种分组密码的结构特点对其明文分组采用多种切割方式以提高同态运算效率,最后对效率和安全性进行了分析.结合AES算法的安全性、通用性以及轻量级分组密码算法PRINCE和SIMON的高效性,本文的工作在实际应用中效率更高、应用范围更广,密文传输量与明文规模的比值趋近于1,且传输1比特明文只需进行O(1)次同态乘法.     

一种基于双分支改良编解码器的图像去噪算法

针对传统图像去噪算法多噪声去除难,深层卷积神经网络去噪模型网络复杂、训练时间长等问题,提出一种基于自编码器结构的双分支改良编解码网络,实现高效图像去噪。双分支结构之一采用降-升采样实现点噪声消除,另一分支专注于宏观的图像修复和伪像去除,后端利用残差结构进行整合,实现数字图像混合噪声去噪。实验结果显示:对于含有标准差为15,均值为0的高斯噪声、噪声密度为5%的椒盐噪声和散粒噪声的混合噪声图像测试集,实验去噪效果相较于输入混合噪声图像峰值信噪比,平均提升了5.3%。与12层全卷积神经网络相比,去噪效果相当,训练速度提升了25.4%,体现了其轻量级的优点。实验表明:该方法相较于深层卷积神经网络,训练速度快,网络简单;相较于传统图像去噪算法,噪声去除效果也较为明显。该算法可应用于轻量级视觉平台后端去噪。     

多尺度融合超分辨率算法在无人机探测中的应用

基于光电传感器的低慢小无人机探测系统能够快速准确地发现并识别无人机目标,但远距离非合作无人机目标在图像中像素比重过小,特征退化较明显,使识别率大大降低.图像超分辨技术能够从低分辨率目标图像区域中获得高分辨率图像并恢复更多的细节特征,现有超分辨技术很难在保证推理速度的前提下兼容图像的高低频特征,因此为了满足探测系统的需求...     

基于可见光谱与轻量级卷积神经网络的冬小麦分蘖数估算

分蘖数是表征冬小麦生长的关键性参数,对于冬小麦苗情监测、产量预估具有重要意义。针对目前冬小麦分蘖数估算方法存在的数据获取繁复和估算模型体量大的问题,提出一种基于可见光图像和轻量级卷积神经网络的冬小麦分蘖数估算方法,以期实现冬小麦分蘖数无损快速估算,并且可嵌入移动终端设备。可见光图像具有获取便捷,处理简单的特点,利用数码相机连续采集2017年—2018年和2018年—2019年两个生长季的冬小麦冠层可见光图像。利用该数据图像,分别构建基于轻量级卷积神经网络MobileNetV2,SqueezeNett,ShuffleNet的冬小麦分蘖数估算模型进行比较试验,并与基于非轻量级卷积神经网络AlexNet和ResNet系列构建的估算模型进行对比试验。开展冬小麦分蘖数估算模型针对不同植株密度数据的鲁棒性以及针对不同生长季数据的泛化能力的验证试验。结果表明,基于MobileNetV2构建的冬小麦分蘖数估算模型的决定系数（R2）为0.7,归一化均方根误差（NRMSE）为0.2,在三个轻量级卷积神经网络中具有最优表现;基于非轻量级卷积神经网络构建的冬小麦分蘖数估算模型体积是基于MobileNetV2构建的冬小麦分蘖数估算模型的2.3~16.1倍。与非轻量级卷积神经网络相比较,基于MobileNetV2构建的估算模型在具有较好R2的同时有较小的体量,适宜嵌入移动终端设备;针对120,270和420 株·m-2三个不同植株密度的可见光图像数据集,基于MobileNetV2构建的冬小麦分蘖数估算模型的R2分别为0.8,0.8和0.7,表现鲁棒;针对两个生长季的可见光图像,基于MobileNetV2构建的冬小麦分蘖数估算模型通过迁移学习将R2提升了2倍,NRMSE下降了7.6%,表现出对数据季节性差异较好的适应性,体现了模型的泛化能力。利用可见光图像,基于MobileNetV2构建的估算模型能够满足冬小麦分蘖数估算需求,为冬小麦生长观测以及田间农艺措施管理决策提供了一个准确、鲁棒、可嵌入移动终端设备的工具。     

基于农田墒情监测的轻量级语义传感网络

针对现有农田传感节点信息化查询和本体知识构建的问题,分析农田墒情监测系统,提出了轻量级语义传感网络本体.从农田信息数据中抽取关系,设计FSSN本体注释方法,使用Tf-Idf算法分析农田本体语义权重,提出FSSN-SDRM算法构建农田墒情轻量级本体模型,对农作物生长环境进行分析,设定适宜性推理规则,使用Jena API对注释本体模型推理.根据农田传感节点采集的墒情信息,在轻量级中间件NVIDIA TX2平台上进行实验,查询数据库中推理信息的正确性,比较设备的响应时间.实验结果表明,轻量级FSSN注释本体将平均响应时间压缩至81 ms,相较于未注释本体缩短了41.4%的响应时间,TX2中时间比主机端缩短了12.81%,能够迅速并准确地进行农作物生长环境的适宜性判断,为农业信息化采集提供新的思路.     

基于JavaScript和SVG的WebGIS实现方案

基于JSF/ADF框架的WEBGIS实现方案,由于框架本身的繁琐和笨重性,使得客户端用户操作效率有所降低;SVG做为一种客户端浏览器可显示的空间数据存储格式,加之其基于XML的天生优势,使得在客户端应用JavaScript操作SVG DOM对象构建WEBGIS系统成为可能;本文实现了一种基于SVG的轻量级WEBGIS解决方案。     

基于迁移学习的小数据集命名实体识别研究

针对军事重要目标实体自动获取的问题,提出一种将基于转换器的轻量级双向编码表征(a lite BERT,ALBERT)、双向门控循环单元(Bi-Gated recurrent unit,BiGRU)、条件随机场(conditional random field,CRF)相结合的小样本数据集命名实体识别方法.考虑到军事重要...