-
公开(公告)号：CN113160061B
公开(公告)日：2022-04-19
申请号：CN202110539509.3
申请日：2021-05-18
Applicant: 浙江大学
Abstract: 本发明公开了一种由模糊监控视频重建高分辨率人脸图像的方法与系统，具体过程包括：1、采用人脸检测技术提取监控视频中人脸图像，并对图像进行直方图均衡、尺寸调整等预处理；2、构建级联生成式对抗网络模型，实现了端到端的模糊人脸重建功能，该模型包含1个图像增强模块、2个图像放大模块和1个图像优化模块，分别实现了模糊人脸图像的增强、图像放大功能和图像优化功能；3、基于编解码网络结构构建了级联生成式对抗网络模型中的功能模块，实现在人脸图像各层次特征中填充特征细节，并通过正反馈结构保留模糊人脸图像中原始特征。
-
公开(公告)号：CN111626182B
公开(公告)日：2021-03-26
申请号：CN202010448368.X
申请日：2020-05-25
Applicant: 浙江大学
Abstract: 本发明公开了一种基于视频的心率及脸部血液容积精确检测方法和系统，首先，对包含人面部的视频帧图像进行人脸检测，并提取时间维度上的人脸图像序列以及面部关键位置点，得到时间维度上面部总体信号和面部roi信号集合；其次，构建并训练心率预测模型，并根据所提取的面部关键位置点，定位并提取额头、面颊位置的数据，得到时间维度上面部关键位置图像序列，对该序列进行压缩得到时间维度上的面部信号，将该信号作为心率预测模型的输入样本；再次，基于面部总体信号和面部roi信号集合，检测面部血液容积分布；最后，分别采用心率预测模型和频谱分析方法检测心率值，融合检测结果，使检测方法具备了很强的鲁棒性，适用于较为复杂的应用场景。
-
公开(公告)号：CN108717550A
公开(公告)日：2018-10-30
申请号：CN201810407183.7
申请日：2018-04-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于对抗学习的图像对抗验证码生成方法，包括以下步骤：(1)选择一个图像识别神经网络A和攻击算法a；(2)根据训练的图像识别模型A和攻击算法a，基于对抗学习方法生成图像对抗验证码；(3)选择一个或多个图像识别模型B，选择一个或多个攻击算法b，根据图像识别模型B和攻击算法b，对步骤(2)中生成的图像对抗验证码进行破解；根据破解结果，调整图像对抗验证码的生成策略；(4)根据调整好的图像对抗验证码生成策略生成图像对抗验证码。本发明图像对抗验证码生成系统。本发明通过对抗学习在图像验证码中添加少量特殊噪音来攻击深度图像识别模型，以削弱验证码破解者攻击能力的方式来保护图像验证码的安全性。
-
公开(公告)号：CN103390061A
公开(公告)日：2013-11-13
申请号：CN201310328432.0
申请日：2013-07-31
Applicant: 浙江大学
IPC: G06F17/30
Abstract: 本发明公开了一种以用户为中心且基于多级缓存的海洋时空数据访问方法，进行海洋时空数据访问的步骤为：（1）用户通过客户端指定查询条件，客户端向中间服务器发出查询请求；（2）中间服务器接收查询请求，根据请求数据的位置，为该用户指定数据服务器，被指定的数据服务器根据缓存列表判断该用户的请求数据是否有访问记录；如果有访问记录，则从缓存池中读取该数据并返回给用户；否则，则跳转至第（3）步，并更新缓存列表；（3）检查缓存池中是否存在请求数据；如果缓存池中有请求数据，则将该请求数据返回给用户；否则，从该数据服务器的数据库中读取请求数据并返回给用户，同时更新缓存池。本发明以用户为中心，提高数据访问的效率。
-
公开(公告)号：CN113160061A
公开(公告)日：2021-07-23
申请号：CN202110539509.3
申请日：2021-05-18
Applicant: 浙江大学
Abstract: 本发明公开了一种由模糊监控视频重建高分辨率人脸图像的方法与系统，具体过程包括：1、采用人脸检测技术提取监控视频中人脸图像，并对图像进行直方图均衡、尺寸调整等预处理；2、构建级联生成式对抗网络模型，实现了端到端的模糊人脸重建功能，该模型包含1个图像增强模块、2个图像放大模块和1个图像优化模块，分别实现了模糊人脸图像的增强、图像放大功能和图像优化功能；3、基于编解码网络结构构建了级联生成式对抗网络模型中的功能模块，实现在人脸图像各层次特征中填充特征细节，并通过正反馈结构保留模糊人脸图像中原始特征。
-
Patent Agency Ranking
公开(公告)号：CN103413341B
公开(公告)日：2015-12-09
申请号：CN201310335474.7
申请日：2013-08-02
Applicant: 浙江大学
IPC: G06T11/00
Abstract: 本发明公开了一种基于Gerstner模型的波浪折射模拟方法，包括：地形预处理，针对DEM地形数据，提取岸线点并计算地形点到岸线的方向和距离，再利用数据构建地形四叉树LOD层次结构；波浪折射的模拟绘制，在原始Gerstner理论模型的基础上，应用地形深度和地形点到岸线的距离模拟计算波浪波动高度，应用地形点到岸线的距离和方向模拟计算波浪的波动方向，最终得到实时高效的浅水域波浪折射的模拟绘制。本发明计算简单效率高，保证实时绘制的效率，同时保证了绘制真实感，非常适合应用于实时绘制系统。
-
公开(公告)号：CN103413341A
公开(公告)日：2013-11-27
申请号：CN201310335474.7
申请日：2013-08-02
Applicant: 浙江大学
IPC: G06T11/00
Abstract: 本发明公开了一种基于Gerstner模型的波浪折射模拟方法，包括：地形预处理，针对DEM地形数据，提取岸线点并计算地形点到岸线的方向和距离，再利用数据构建地形四叉树LOD层次结构；波浪折射的模拟绘制，在原始Gerstner理论模型的基础上，应用地形深度和地形点到岸线的距离模拟计算波浪波动高度，应用地形点到岸线的距离和方向模拟计算波浪的波动方向，最终得到实时高效的浅水域波浪折射的模拟绘制。本发明计算简单效率高，保证实时绘制的效率，同时保证了绘制真实感，非常适合应用于实时绘制系统。
-
公开(公告)号：CN108647683B
公开(公告)日：2021-08-17
申请号：CN201810407254.3
申请日：2018-04-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于频域加噪的字符对抗验证码的生成方法，包括以下步骤：由随机算法生成一串字符序列，按顺序将字符序列中的各个字符分别转换成含有单个相应字符的字符图像；将所述字符图像从空间域转换至频率域，根据对抗学习的方法对字符频率域图像添加对抗噪音，再将添加对抗噪音后的字符频率域图像从频率域转换至空间域；将各个添加对抗噪音后的字符图像按照验证码答案的顺序拼接在一起，形成字符对抗验证码。本发明还公开了一种基于频域加噪的字符对抗验证码的生成系统。本发明基于对抗学习方法，在频域率对字符图像添加对抗噪音，生成的字符对抗验证码可有效避开或减弱攻击者所采用的图像预处理，提升了字符验证码的安全性。
-
公开(公告)号：CN108647683A
公开(公告)日：2018-10-12
申请号：CN201810407254.3
申请日：2018-04-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于频域加噪的字符对抗验证码的生成方法，包括以下步骤：由随机算法生成一串字符序列，按顺序将字符序列中的各个字符分别转换成含有单个相应字符的字符图像；将所述字符图像从空间域转换至频率域，根据对抗学习的方法对字符频率域图像添加对抗噪音，再将添加对抗噪音后的字符频率域图像从频率域转换至空间域；将各个添加对抗噪音后的字符图像按照验证码答案的顺序拼接在一起，形成字符对抗验证码。本发明还公开了一种基于频域加噪的字符对抗验证码的生成系统。本发明基于对抗学习方法，在频域率对字符图像添加对抗噪音，生成的字符对抗验证码可有效避开或减弱攻击者所采用的图像预处理，提升了字符验证码的安全性。
-
公开(公告)号：CN108717550B
公开(公告)日：2021-06-22
申请号：CN201810407183.7
申请日：2018-04-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于对抗学习的图像对抗验证码生成方法，包括以下步骤：(1)选择一个图像识别神经网络A和攻击算法a；(2)根据训练的图像识别模型A和攻击算法a，基于对抗学习方法生成图像对抗验证码；(3)选择一个或多个图像识别模型B，选择一个或多个攻击算法b，根据图像识别模型B和攻击算法b，对步骤(2)中生成的图像对抗验证码进行破解；根据破解结果，调整图像对抗验证码的生成策略；(4)根据调整好的图像对抗验证码生成策略生成图像对抗验证码。本发明图像对抗验证码生成系统。本发明通过对抗学习在图像验证码中添加少量特殊噪音来攻击深度图像识别模型，以削弱验证码破解者攻击能力的方式来保护图像验证码的安全性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.018 seconds)
