手势识别是人机交互中的关键技术。传统实时手势识别模型对光照变化、复杂背景等干扰因素适应性不强，所用分类数据集仅包含特定手势，在实际应用中泛化能力不足。针对以上问题，提出背景优化的二阶段静态手势识别算法。在检测阶段，采用YOLOv5s(You Only Look Once version 5 small)作为检测网络，利用其定位能力快速检测手部位置。在识别阶段，首先，利用背景与传感器热噪声对分类数据集进行增强，设计背景优化预处理算法，提升模型对复杂背景的适应性；然后，将VGG-16(Visual Geometry Group-16)作为识别网络的原型，增加归一化层并替换激活函数以加速收敛并防止过拟合。实验中，模型可以在多种干扰下提取图像特征，准确率达到97.9%,F1值达到92.3%。实验结果表明，模型对复杂场景的适应能力高于经原始分类数据集训练后的传统模型，具有更高的实际应用价值。
针对车联网(Vehicular Ad Hoc Networks,VANETs)匿名认证的安全与效率问题,利用区块链技术,提出基于区块链的群密钥分发的安全认证(Blockchain-based Group Key Distribution for Secure Authentication,BGSA)算法。BGSA算法利用路侧单...
详细信息
针对车联网(Vehicular Ad Hoc Networks,VANETs)匿名认证的安全与效率问题,利用区块链技术,提出基于区块链的群密钥分发的安全认证(Blockchain-based Group Key Distribution for Secure Authentication,BGSA)算法。BGSA算法利用路侧单元(Road-Side Units,RSU)作群管理员,利用区块链的不可更改性,通过智能合约(Smart Contract,SC)在群成员间分为群密钥。SC中携带的函数确保能以安全方式分发和更新群密钥。同时BGSA算法采用了轻量级群签名(Group Signature,GS)的消息认证策略。性能分析表明,所提BGSA算法能够防御典型的攻击。相比于同类认证算法,BGSA算法降低了认证消息、传输消息计算、通信开销。
暂无评论