【摘 要】
：
目前的银行运钞安全管理系统在身份识别模块仅依靠人脸识别进行认证,但是由于人的外貌会随着时间变化,通过拍照录像等技术手段可以准确获得一个人的脸部特征并进行刻录。皮肤过敏、受损、整容等都可能引起脸部的较大改变,从而导致了人脸识别的误判,程度严重时甚至可能导致系统根本检测不到人脸。所以仅依靠单特征的人脸识别技术,在现实场景中已经不能满足银行业对运营安全指数的要求。为了解决以上问题,论文通过对银行渠道的应
【机 构】
：
公安部第三研究所,东华大学信息科学与技术学院
论文部分内容阅读
目前的银行运钞安全管理系统在身份识别模块仅依靠人脸识别进行认证,但是由于人的外貌会随着时间变化,通过拍照录像等技术手段可以准确获得一个人的脸部特征并进行刻录。皮肤过敏、受损、整容等都可能引起脸部的较大改变,从而导致了人脸识别的误判,程度严重时甚至可能导致系统根本检测不到人脸。所以仅依靠单特征的人脸识别技术,在现实场景中已经不能满足银行业对运营安全指数的要求。为了解决以上问题,论文通过对银行渠道的应用安全性进行分析,引入多生物识别策略,搭建一个将指纹识别与人脸识别技术相结合的双因子认证的身份识别平台。
其他文献
针对多控制器SDN网络环境下的负载均衡问题,论文提出了一种基于交换机迁移的动态负载均衡策略,共分为三个实施阶段:首先通过动态信息采集算法(DIA)收集各控制器间的负载信息,以决定需要实施交换机迁移算法的过载控制器;随后依据论文定义的迁移域及迁移交换机选取算法(MSS)决定迁移目标控制器以及需要迁移的交换机;最后依据交换机迁移协议完成交换机迁移,实现多控制器下的负载均衡。仿真实验结果表明负载均衡后SDN网络中交换机的吞吐率显著提升,且各控制器负载逐渐趋于均衡。
对于自然场景中拍摄的汉字图像,现有的汉字识别算法出现了很多问题,如传统的BP神经网络算法识别效率低下,传统的RBF神经网络算法识别准确率不高等,针对这些问题,论文提出了融合K-means和RBF神经网络的汉字识别算法。该算法通过引入减聚类算法,来计算出K-means算法的初始聚类中心及其个数,接着用K-means算法计算出RBF神经网络算法的径向基函数的中心,最后确定径向基函数的宽度以及隐含层到输
学术论文的评审工作大多采用同行评审的方法完成,但庞大的稿件数量给人工评审带来了过重的负担,审稿人的主观偏好对结果的影响也不容忽视。基于此,提出一种基于类概率的多分类器加权投票模型来预测论文评审结果,协助人工评审。该模型采用基于集成学习的投票法,根据文本的词汇特征和评审准则的统计特征对样本进行分类。并充分考虑各分类器的性能差异,通过融合类概率进一步调整和优化权重系数,从而使投票模型的性能得到提升。实验证明,论文所提出的方法有效地提高了模型的性能,预测结果的准确率更高。
动态视觉传感器生成的图片中冗余信息较少,能降低对后端处理器的要求。然而,其成像与一般深度学习所用图像大有不同,现有的深度学习算法在该类图片上还有一定的提升空间。为此,针对其成像特点,提出了一个在该类图像上表现良好的深度学习算法。首先,选用Mobilenet-YOLOv3算法,并对其网络进行剪枝。其次,在网络中加入ResNet结构。通过在采集的数据集上实验对比,证明该方案大大地减少了对计算机算力的要
工作环境为两台处理速度相同的平行机M1,M2,工件具有两种不同的等级gj=1或2,等级gj=1的工件只能在第1台机器上处理,等级gj=2的工件两台机都能处理。已知等级gj=1的工件的处理时间之和,目标是最小化最大完工时间。主要思路为第一台机器预留出等级gj=1的工件的总处理时间,分析过程中只对等级gj=2的工件进行讨论。文章的三种半
近年来,随着互联网的普及和大数据分析等技术的发展,人们对移动医疗服务的需求越来越迫切,具体表现为根据症状确定自己患有的疾病以及根据疾病选择服务质量较好的医院及医生。为了解决上述问题,基于知识图谱和深度学习技术设计并实现了一种问诊推荐系统。基于互联网开放的医疗数据,构建了“疾病-症状”知识图谱,帮助用户根据症状自查,并以知识图谱嵌入模型训练知识图谱中实体的嵌入向量表示,根据向量的欧式距离相似度选取最相近的疾病实体丰富推荐选项,两者结合实现疾病诊断服务。同时,基于社交媒体的评论数据,结合现有的医疗服务质量评价
论文拟采用无源标签对物体进行定位,基于多跳邻域定位的思想对传统无线射频识别定位算法进行优化,提出的优化算法仅需考虑无线射频识别系统的最基础功能,无需考虑阅读器和标签之间的信号传输强度,极大地简化了定位识别系统的成本,并增加其鲁棒性和抗干扰特性。然后分析了影响算法性能的主要因素,介绍了系统结构和参数选择。最后,将优化算法的仿真结果与试验结果进行了对比。对比表明,该定位系统具有较高的定位精度和抗环境干
在关系抽取任务中,单一的长短期记忆模型只能学习到某个特定维度的特征,而卷积神经网络可以利用多个卷积核学习不同维度特征。基于上述两个特点,该文提出了一种多层双向长短期记忆-注意力模型,该方法通过给长短期记忆模型设置不同大小的隐藏层,使其能自动从原始输入中抽取不同维度的、带依赖信息的抽象特征,并利用注意力机制捕获全局信息。实验显示,该方法能显著提高中文关系抽取效果,在ACE RDC 2005中文数据集上取得71.6%的F值。
在医学上,人上皮2型(HEp-2)细胞的间接免疫荧光检测在自身免疫性疾病的诊断中起着决定性的作用,而自身免疫性疾病的诊断,往往受到人力物力的限制。鉴于神经网络在图像分类任务中的优异性能,提出了一种基于聚类算法的粗-细两阶段卷积神经网络算法(CTFTCNN),并应用到HEp-2细胞分类中。在所提出的方法中,有两种类型的分类任务:粗粒度分类和细粒度分类。粗粒度分类是指,采用聚类算法从原始数据集中生成一个粗粒度数据集,用多尺度卷积神经网络(MSCNN)去处理该粗粒度数据集。然后在一定条件下进行细粒度分类。在细粒
现有航班延误预测方法大多是对航班延误进行非动态预测,不能随着航班数据的不断增加而有效更新,进而使得预测结果的实时性较差。因此,提出一种基于时间序列的航班延误动态预测方法。首先,利用小波分解技术对延误时间序列进行平稳化处理;然后,采用自回归滑动平均(ARMA)模型对离港航班延误进行预测;最后,利用支持向量机模型对预测结果进行修正,得到最终的离港航班延误预测值。结果表明,该动态预测方法能较好地提高预测精度。