-
公开(公告)号：CN117202180A
公开(公告)日：2023-12-08
申请号：CN202311279817.2
申请日：2023-09-28
Applicant: 大连海事大学 , 国网辽宁省电力有限公司信息通信分公司
IPC: H04W12/041 , H04W12/0431 , H04W4/44 , H04W4/46 , H04L9/00 , H04L9/32 , H04L9/30
Abstract: 本发明公开了一种车联网中基于区块链分片的高效安全数据共享方法，包括以下步骤：为参与者生成可靠、安全的公钥与私钥对，并将参与者的公钥作为车联网中的身份标识。将参与者安全地分配到各个分片中，并在每个分片中成立共识组，选出可靠性较高的主节点发起共识。将本地链与主链独立存储维护，并采用有向无环图的形式代替传统的链状数据结构。本发明在实用拜占庭容错共识的基础上，通过分片提升吞吐量与效率，选择可靠性更高的节点组成共识组，有效地提高共识的成功率，弱化拜占庭节点的影响，从而保障链上数据的准确性与安全性。
-
公开(公告)号：CN104811933B
公开(公告)日：2019-01-15
申请号：CN201510263001.X
申请日：2015-05-22
Applicant: 大连海事大学
Abstract: 本发明公开了一种无线传感器网络中增强源节点安全性的方法，所述方法包括如下步骤：S101：将距离监测目标最近的节点确定为源节点；S102：所述源节点从网络中的节点中选出对应的代理源节点和伪源节点；S103：所述源节点通知所述伪源节点发送假消息；S104：所述源节点将事件消息周期性的发送给基站；所述伪源节点将假消息周期性的发送给基站；S105：若所述被监测的目标离开所述源节点监测范围，执行步骤S106，否则执行步骤S104；S106：所述源节点和所述伪源节点分别停止发送所述事件消息和所述假消息。该方法能够增加攻击者被假消息诱导至伪源节点的概率，使得攻击者远离源节点，增强源节点的安全性。
-
公开(公告)号：CN108665712A
公开(公告)日：2018-10-16
申请号：CN201810750995.1
申请日：2018-07-02
Applicant: 大连海事大学
CPC classification number: G08G1/0175 , G06K9/00718 , G06K9/00771 , G06K9/00798 , G06K9/342 , G06K9/344 , G06K9/4604 , G06K2209/15 , G06K2209/23
Abstract: 本发明公开一种车辆越线违章行为监测方法及系统。所述方法包括：获取车辆进入监测路段的视频图像；抽取视频图像，得到抽样图像；对抽样图像进行预处理，得到处理图像；对处理图像进行判断，判断处理图像中是否包含车辆；若处理图像中包含车辆，则获取处理图像；对处理图像进行车牌提取，找到具体车辆的监控图像；根据监控图像判断车辆是否违章越线；若是，则将车辆的违章信息发送至违章服务器；若否，则删除监控图像；若处理图像中不包含车辆，则删除处理图像。本发明提供的方法或系统能够对所有可能发生越线违章的路段进行监测，极大的提高对车辆越线违章行为的监测成功率。
-
公开(公告)号：CN117495902A
公开(公告)日：2024-02-02
申请号：CN202310941903.9
申请日：2023-07-28
Applicant: 大连海事大学
IPC: G06T7/246 , G06V10/764 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/084
Abstract: 本发明公开了一种基于局部匿名时空自注意力网络的船舶轨迹预测方法，包括步骤如下：数据处理；构建船舶交互网络；建立基于局部匿名时空自注意力网络的船舶轨迹预测模型。本发明将AIS船舶历史轨迹处理为船舶轨迹交互图。使用局部匿名聚合局部信息特征的同时，保护船舶隐私，得到初始化特征。之后利用结构自注意力卷积层学习船舶之间的结构特征。然后将结构自注意力层的输出作为时序自注意力层的输入，使用时序自注意力在时间维度上学习时序特征，该特征既囊括了船舶之间的交互信息，又体现了船舶轨迹在时间维度上的变化规律，最后使用聚合了结构与时序信息的特征对船舶航行轨迹进行预测，使得预测结果逐步接近真实船舶航行轨迹。
-
公开(公告)号：CN110781838B
公开(公告)日：2023-05-26
申请号：CN201911033767.3
申请日：2019-10-28
Applicant: 大连海事大学
IPC: G06V40/10 , G06T7/246 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种复杂场景下行人的多模态轨迹预测方法，包括以下步骤：使用视觉几何组16层卷积神经网络进行图片特征提取；使用全连接层对轨迹数据进行特征处理；输入轨迹数据特征向量VS进入生成对抗网络完成编码解码网络功能；输入图片特征数据及轨迹特征数据至物理、社会注意力模块考虑地形限制及行人交互；通过更新完的生成器部分得到更好的轨迹生成预测结果；得到的稳定轨迹预测模型SPM。本发明可以有效的提高预测的精度，并且可以生成多条合理的预测轨迹，不仅能根据原始图片的特征信息提取到相关地形限制信息，而且能够考虑到同一复杂场景下不同行人之间的社交交互情况。本发明能够更加快速和准确地预测行人未来轨迹。
-
Patent Agency Ranking
公开(公告)号：CN110503073B
公开(公告)日：2023-04-18
申请号：CN201910807587.X
申请日：2019-08-29
Applicant: 大连海事大学
IPC: G06V20/52 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种第三视角下动态链接的密集多智能体轨迹预测方法，利用变分自编码器视觉组件进行数据压缩；输入轨迹帧X进入动态循环单元完成编码网络功能；对于编码的数据进行解码。本发明不仅能根据卷积核采样点的动态变化模拟到多智能体流体时空运动，而且能够提取多智能体所处位置的空间特征，并能根据数据学习到具体在特征图上采样那些像素点，减少了空间特征冗余。本发明采用数据驱动的方式根据固定卷积核在特征图上学习到权重，然后采用sigmoid函数对学习到的权重值操作，得到时空数据的采样幅度，更加符合客观采样规律，提高模型泛化能力。本发明无需采用智能体轨迹点，可以实现多步预测、提高模型泛化能力，减少了计算复杂度。
-
公开(公告)号：CN104811933A
公开(公告)日：2015-07-29
申请号：CN201510263001.X
申请日：2015-05-22
Applicant: 大连海事大学
Abstract: 本发明公开了一种无线传感器网络中增强源节点安全性的方法，所述方法包括如下步骤：S101：将距离监测目标最近的节点确定为源节点；S102：所述源节点从网络中的节点中选出对应的代理源节点和伪源节点；S103：所述源节点通知所述伪源节点发送假消息；S104：所述源节点将事件消息周期性的发送给基站；所述伪源节点将假消息周期性的发送给基站；S105：若所述被监测的目标离开所述源节点监测范围，执行步骤S106，否则执行步骤S104；S106：所述源节点和所述伪源节点分别停止发送所述事件消息和所述假消息。该方法能够增加攻击者被假消息诱导至伪源节点的概率，使得攻击者远离源节点，增强源节点的安全性。
-
公开(公告)号：CN111179345B
公开(公告)日：2024-01-23
申请号：CN201911381134.1
申请日：2019-12-27
Applicant: 大连海事大学
Abstract: 本发明公开了一种车载式车辆越线违章行为两阶段智能视觉检测方法及系统，其中方法包括如下步骤：通过车载摄像头参数建立成像的几何模型，采用LaneNet对车道线进行预测和拟合获取车道线信息；采用深度残差网络提取车辆特征，利用锚点机制预测车辆边界框信息获取车辆轮廓范围；将获取的交通场景重构图像、车道线以及车辆边界信息传送至云端，在云端采用几何坐标判定法判断车辆是否越线违章。该方法车载端基于机器视觉的智能场景重构；图像数据加密传输；云端车辆越线违章行为智能检测，从而判断车辆是否越线违章，该方法获取交通场景重构图像、车道线以及车辆边界信息具有实时性和准确性。
-
公开(公告)号：CN110797123A
公开(公告)日：2020-02-14
申请号：CN201911033766.9
申请日：2019-10-28
Applicant: 大连海事大学
Abstract: 本发明公开了一种动态脑结构的图卷积神经网络演化方法，采用图卷积神经网络来模拟正常人脑结构网络演变为抑郁症的演化过程。演化过程中引入了方向向量，该向量既包含了正常人的脑结构网络信息，又包含了抑郁症患者脑结构网络的信息，通过图卷积操作可以同时提取两者的特征，而且可以控制演化的方向以及演化的程度。本发明提出了脑结构网络演化的图卷积神经网络模型，利用基于tensorflow框架下的深度学习方法，通过计算第一次演化结果与真实的抑郁症患者脑网络的交叉熵，利用梯度下降的优化方法使网络的演化始终朝着抑郁症患者脑网络的方向进行。最终输出接近于真实抑郁症患者的脑结构网络，并得到更接近于真实的网络的演化模型。
-
公开(公告)号：CN110781838A
公开(公告)日：2020-02-11
申请号：CN201911033767.3
申请日：2019-10-28
Applicant: 大连海事大学
Abstract: 本发明公开了一种复杂场景下行人的多模态轨迹预测方法，包括以下步骤：使用视觉几何组16层卷积神经网络进行图片特征提取；使用全连接层对轨迹数据进行特征处理；输入轨迹数据特征向量VS进入生成对抗网络完成编码解码网络功能；输入图片特征数据及轨迹特征数据至物理、社会注意力模块考虑地形限制及行人交互；通过更新完的生成器部分得到更好的轨迹生成预测结果；得到的稳定轨迹预测模型SPM。本发明可以有效的提高预测的精度，并且可以生成多条合理的预测轨迹，不仅能根据原始图片的特征信息提取到相关地形限制信息，而且能够考虑到同一复杂场景下不同行人之间的社交交互情况。本发明能够更加快速和准确地预测行人未来轨迹。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.015 seconds)
