-
公开(公告)号：CN113791240A
公开(公告)日：2021-12-14
申请号：CN202111003208.5
申请日：2021-08-30
Applicant: 暨南大学
Abstract: 本发明公开了一种基于高阶滑膜跟踪微分器的加速度估计方法、系统、设备和介质，所述方法包括：利用增广最小二乘法对速度进行参数辨识，得到速度估计的最大测量噪声幅值；根据所述速度估计的最大测量噪声幅值，使用一阶滑膜跟踪微分器精确估计目标的速度，得到目标速度的估计值；根据所述目标速度的估计值，得到加速度估计的最大测量噪声幅值；根据所述加速度估计的最大测量噪声幅值，使用高阶滑膜跟踪微分器精确估计目标的加速度，得到目标加速度的估计值。本发明使用增广最小二乘法进行参数辨识，分别获得速度和加速度估计的最大测量噪声幅值；同时使用高阶滑膜跟踪微分器，保证了加速度估计值能够达到要求的精度。
-
公开(公告)号：CN113848704A
公开(公告)日：2021-12-28
申请号：CN202111004343.1
申请日：2021-08-30
Applicant: 暨南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于二阶滑膜跟踪微分器的加速度估计方法、系统、设备和介质，所述方法包括：利用增广最小二乘法对速度进行参数辨识，得到速度估计的最大测量噪声幅值；根据所述速度估计的最大测量噪声幅值，使用一阶滑膜跟踪微分器精确估计目标的速度，计算目标速度的估计值；根据所述目标速度的估计值，计算加速度估计的最大测量噪声幅值；根据所述加速度估计的最大测量噪声幅值，使用二阶滑膜跟踪微分器精确估计目标的加速度，得到目标加速度的估计值。本发明使用增广最小二乘法进行参数辨识，获得速度和加速度估计的最大测量噪声幅值；同时使用二阶滑膜跟踪微分器，保证了加速度估计值能够达到要求的精度。
-
公开(公告)号：CN113848704B
公开(公告)日：2023-06-02
申请号：CN202111004343.1
申请日：2021-08-30
Applicant: 暨南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于二阶滑膜跟踪微分器的加速度估计方法、系统、设备和介质，所述方法包括：利用增广最小二乘法对速度进行参数辨识，得到速度估计的最大测量噪声幅值；根据所述速度估计的最大测量噪声幅值，使用一阶滑膜跟踪微分器精确估计目标的速度，计算目标速度的估计值；根据所述目标速度的估计值，计算加速度估计的最大测量噪声幅值；根据所述加速度估计的最大测量噪声幅值，使用二阶滑膜跟踪微分器精确估计目标的加速度，得到目标加速度的估计值。本发明使用增广最小二乘法进行参数辨识，获得速度和加速度估计的最大测量噪声幅值；同时使用二阶滑膜跟踪微分器，保证了加速度估计值能够达到要求的精度。
-
公开(公告)号：CN113920156A
公开(公告)日：2022-01-11
申请号：CN202111004320.0
申请日：2021-08-30
Applicant: 暨南大学
Abstract: 本发明公开了一种基于视频目标跟踪的加速度估计方法、系统、设备及介质，所述方法包括：对第一帧视频帧中的目标进行抓取，识别出目标物体；并使用核相关滤波算法进行跟踪，获得目标物体的运动轨迹；根据目标物体的运动轨迹，利用增广最小二乘法对速度进行参数辨识，得到速度估计的最大测量噪声幅值；根据速度估计的最大测量噪声幅值，通过使用一阶滑膜跟踪微分器和高阶滑膜跟踪微分器，从而计算出精确估计目标的加速度。本发明通过人工抓取视频中的第一帧图像中的目标，保证了核相关滤波算法能够准确找到目标并进行跟踪，同时使用增广最小二乘法进行参数辨识，保证了高阶滑膜跟踪微分器估计目标的加速度，可以达到要求的精度。
-
公开(公告)号：CN112651007A
公开(公告)日：2021-04-13
申请号：CN202011634886.7
申请日：2020-12-31
Applicant: 暨南大学
Abstract: 本发明公开的一种基于数字水印的阈值谓词加密生物特征认证方法，包括以下步骤，获取用户的生物特征，对每个用户的生物特征生成参考模板并存储在服务端；用户发起认证请求；服务端收到认证请求，将向用户发送挑战；客户端收到挑战后将采集客户端新的生物特征样本，并得到生物特性向量，经过嵌入水印信息操作，进而得到质询模板并发送至服务端；服务端收到质询模板，进行每个片段中检测向量的信号计算，判断水印信息是否正确，根据水印信息的判断结果得到第一步认证结果；进行总相关值计算，根据总相关值和第一步认证结果得出最终认证结果；本申请可以防止系统受到欺骗攻击，且计算简单、效率高，可以使生物特征认证工作安全高效的进行。
-
Patent Agency Ranking
公开(公告)号：CN113920156B
公开(公告)日：2024-08-09
申请号：CN202111004320.0
申请日：2021-08-30
Applicant: 暨南大学
IPC: G06T7/246 , G06T5/70 , G06V10/25 , G06V10/764 , G06N20/00
Abstract: 本发明公开了一种基于视频目标跟踪的加速度估计方法、系统、设备及介质，所述方法包括：对第一帧视频帧中的目标进行抓取，识别出目标物体；并使用核相关滤波算法进行跟踪，获得目标物体的运动轨迹；根据目标物体的运动轨迹，利用增广最小二乘法对速度进行参数辨识，得到速度估计的最大测量噪声幅值；根据速度估计的最大测量噪声幅值，通过使用一阶滑膜跟踪微分器和高阶滑膜跟踪微分器，从而计算出精确估计目标的加速度。本发明通过人工抓取视频中的第一帧图像中的目标，保证了核相关滤波算法能够准确找到目标并进行跟踪，同时使用增广最小二乘法进行参数辨识，保证了高阶滑膜跟踪微分器估计目标的加速度，可以达到要求的精度。
-
公开(公告)号：CN113791240B
公开(公告)日：2023-07-25
申请号：CN202111003208.5
申请日：2021-08-30
Applicant: 暨南大学
Abstract: 本发明公开了一种基于高阶滑膜跟踪微分器的加速度估计方法、系统、设备和介质，所述方法包括：利用增广最小二乘法对速度进行参数辨识，得到速度估计的最大测量噪声幅值；根据所述速度估计的最大测量噪声幅值，使用一阶滑膜跟踪微分器精确估计目标的速度，得到目标速度的估计值；根据所述目标速度的估计值，得到加速度估计的最大测量噪声幅值；根据所述加速度估计的最大测量噪声幅值，使用高阶滑膜跟踪微分器精确估计目标的加速度，得到目标加速度的估计值。本发明使用增广最小二乘法进行参数辨识，分别获得速度和加速度估计的最大测量噪声幅值；同时使用高阶滑膜跟踪微分器，保证了加速度估计值能够达到要求的精度。
-
公开(公告)号：CN112733111B
公开(公告)日：2023-05-23
申请号：CN202011634843.9
申请日：2020-12-31
Applicant: 暨南大学
Abstract: 本发明公开的一种基于片段分割的阈值谓词加密生物特征认证方法，包括以下步骤：获取用户的生物特征，对每个用户的生物特征生成参考模板并存储在服务端；用户发起认证请求；服务端收认证请求，将向用户发送挑战；客户端收到挑战后将采集客户端新的生物特征样本，并得到生物特性向量，通过嵌入模块和质询模块计算处理，得到质询的生物特性向量，进而得到质询模板并发送至服务端；服务端收到质询模板，进行每个片段中检测向量的信号计算，运行提取模块进行验证，根据验证结果得到第一步认证结果；进行总相关值计算，得出最终认证结果；本申请不仅可以防止生物特征认证设备受到随机攻击，还可降低计算开销，实现便捷方便的生物特征认证。
-
公开(公告)号：CN112651007B
公开(公告)日：2023-05-23
申请号：CN202011634886.7
申请日：2020-12-31
Applicant: 暨南大学
Abstract: 本发明公开的一种基于数字水印的阈值谓词加密生物特征认证方法，包括以下步骤，获取用户的生物特征，对每个用户的生物特征生成参考模板并存储在服务端；用户发起认证请求；服务端收到认证请求，将向用户发送挑战；客户端收到挑战后将采集客户端新的生物特征样本，并得到生物特性向量，经过嵌入水印信息操作，进而得到质询模板并发送至服务端；服务端收到质询模板，进行每个片段中检测向量的信号计算，判断水印信息是否正确，根据水印信息的判断结果得到第一步认证结果；进行总相关值计算，根据总相关值和第一步认证结果得出最终认证结果；本申请可以防止系统受到欺骗攻击，且计算简单、效率高，可以使生物特征认证工作安全高效的进行。
-
公开(公告)号：CN112733111A
公开(公告)日：2021-04-30
申请号：CN202011634843.9
申请日：2020-12-31
Applicant: 暨南大学
Abstract: 本发明公开的一种基于片段分割的阈值谓词加密生物特征认证方法，包括以下步骤：获取用户的生物特征，对每个用户的生物特征生成参考模板并存储在服务端；用户发起认证请求；服务端收认证请求，将向用户发送挑战；客户端收到挑战后将采集客户端新的生物特征样本，并得到生物特性向量，通过嵌入模块和质询模块计算处理，得到质询的生物特性向量，进而得到质询模板并发送至服务端；服务端收到质询模板，进行每个片段中检测向量的信号计算，运行提取模块进行验证，根据验证结果得到第一步认证结果；进行总相关值计算，得出最终认证结果；本申请不仅可以防止生物特征认证设备受到随机攻击，还可降低计算开销，实现便捷方便的生物特征认证。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
