在信息时代，机器视觉在实现智能社会方面发挥着重要作用。视觉特征提取是机器视觉的一项关键技术，该技术可以提取图像中具有鲜明特征的信息，诸如边缘、角点、圆以及图像形状等特征，这些特征是标定机器视觉系统模型参数和运用机器视觉技术进行实际应用的前提和基础。视觉特征提取技术广泛应用于自主移动智能机器人、无人驾驶和无人机等场景，这些应用场景对视觉特征提取算法的鲁棒性和帧率提出了巨大挑战。 具体来说，视觉特征提取算法包括SIFT（Scale-Invariant Feature Transform，尺度不变特征转换算法）、SURF（Speeded-Up Robust Features，加速稳健特征）、ORB（Oriented FAST and Rotated BRIEF，快速特征点提取描述）、HOG（Histogram of Oriented Gradient，方向梯度直方图）、LBP（Local Binary Patterns，局部二值模式）等。在SURF、ORB、HOG、LBP这些经典的特征提取算法中，SURF的鲁棒性相对较高，但是过于依赖主方向的选取，使得其方向变化鲁棒性不足。SIFT算法可以从图像中提取具有不变性的鲁棒局部特征，对方向变化、光照变化、噪声、杂物场景及遮挡影响等方面的鲁棒性最强，满足无人驾驶技术的需求。SIFT算法的运算量大从而导致的系统帧率低、功耗高的问题可以通过设计具有高并行度的专用硬件加速器芯片来解决。

成果简介现代物流中货物传输登记的现代化具有非常重要的现实意义。 目前， 物流货物的登记主要依靠人工实现， 具有费时、 繁琐、 容易出错等缺点。 货物标签制作和识别系统的应用可以解决这些问题。 该系统可以实现货物信息的标签（自动化）制作、 货物识别信息的远距离传输、 货物信息的集中式管理、 货物信息的汉字化写入和识别， 降低对人员的要求， 以及提高货物传输的效率， 降低劳动强度以及信息登记的繁琐性等优点。成熟程度和所需建设条件本项目的产业化需结合具体需求进行定

本成果为获得省部（或学会）级三等以上奖励的重点纵向成果。

1．本外观设计产品的名称：带树叶识别 APP 界面的手机。2．本外观设计产品的用途：本外观设 计产品用于运行程序及通讯。3．本外观设计产品的设计要点：主视图和使用状态图 1-9 的用户界面内 动态展示的树叶识别的界面内容。4．最能表明本外观设计设计要点的图片或照片：主视图。 

产品详细介绍1.可识别非带电电缆和带电电缆；2.独创柔性卡钳，不受电缆线径和位置约束；3.按键简单，易操作。

研究背景及挑战:高精度无缝位置服务是智慧生活的关键技术之一, 也是实现以人为中心的智能情境感知技术基础。然而, 复杂城市峡谷(高楼、天桥、隧道)地区连续导航、室内外高精度无缝定位由于卫星信号频繁受到阻隔、室内布局动态变化等因素,实现连续高精度全空间定位存在诸多挑战。本科研团队研究内容:基于团队在 Wi-Fi, ZigBee, INS、图像、超声波、声音、RFID 等多种定位技术科研成果,研发高精度、低功耗、低成本、易部署的多源融合定位云平台,提供全时空位置服务及用户行为挖掘服务平台。融合定位云平台体系框架全时空定位服务平台上下文突破弹性导航软硬件架构及理论体系基于因子图多源融合定位算法科研基础:国家重点研发计划项目“自适应导航软硬件技术”、高精度高鲁棒性室内定位关键技术及装置研究(863)、无线传感网络定位技术研究(NSFC)、基于众包和群智计算的室内无线定位理论和方法 (NSFC)、自适应室内无线信号变化的低代价高精度定位技术研究(NSFC)等项目的支持下,已完成全时空融合定位云平台,以及用户行为挖掘大数据平台建设。 科研成果:1中国卫星导航定位科技进步一等奖2 获UbiComp交通模式识别比赛冠军3获阿里巴巴天池世界比赛冠军4 制定国家实时定位标准6项5 发表中科院一区顶级SCI期刊论文 10 篇6 获得国家发明专利授权 20项,申请国家发明专利 32项7 国际 IPIN2016 室内定位比赛第3名 成果应用案例:华为、三星、中国电信集成、华大电子、22所等

移动互联网将移动通信和互联网二者结合起来，成为当今世界发展最快、市场潜力最大、前景最诱人的产业发展方向。最新数据统计，中国移动互联网用户已达到 4.64 亿。各大应 用市场如 Google Play 有百万种应用，国内机锋市场、天翼等平台也具有大量的安卓应用。 这些应用在给人们带来巨大便利的同时，也带来巨大的信息安全隐患和风险。据统计，超过 九成的应用软件涉嫌窃取用户隐私、恶意扣费、恶意推广、恶意捆绑植入病毒/木马等恶意 行为。这些恶意行为不仅给用户带来经济损失，甚至涉及人身安全问题。因此迫切需要快速、 准确地自动化检测如此庞大的应用程序的恶意行为。传统手机杀毒软件基于 PC 时代检测特征序列的方式识别恶意软件/恶意行为，虽然这种 方式高效、易于同步检测，但是存在只能查杀已知威胁、反馈周期长、易于绕过等诸多问题。 为了解决上述问题，我们设计并实现一个 Android 应用恶意行为自动化检测系统。本系统提 供一个基于行为查杀的完整解决方案，可服务于第三方管控部门、高级大型企业(如电信运 营商)、Android 工程师与普通用户等三大类用户。本系统结合静态分析、动态追踪、网络 流量定位三种方法实现“数据流、控制流、网络流”三流融合分析技术，可提供自动化应用 软件爬取、自动化检测分析、自动化特征库更新、自动化恶意行为挖掘、恶意攻击训练、证 据留存等多项服务，达到爬取自动化、处理高效化、分析智能化、信息安全化的设计目标。 本系统主要的特点如下: 全平台部署更实用:跨平台语言设计，多重角度防护，可部署于 Windows XP/WIN7/WIN8 以及 Linux 主流版本。 自学习、更新更方便: 应用图论分析技术、自动化行为特征挖掘等技术，挖掘具有通用性的恶意行为链，无需频繁升级模型库。 智能网络爬虫更高效:针对第三方监控需求，本系统提供自动化网络爬取功能，可实现最优监控部署、最优更 新策略。 “3x3”立体更高维:“静态分析、动态追踪、网络流量三维度”，“数据流、控制流、网流”三层面，智能立 体分析模式，无懈可击的安全检测。 11类41种恶意行为检测更全面:可有效对隐私窃取、系统破坏、信息破坏等 41 种恶意行为进行检测，分类图如下图所示。 层级分析更迅速:系统依据层级分析结构，快速定位，快速甄别，快速分析。 “三流融合”更细致:本系统结合底层 API HOOK、动态污染分析、静态行为链识别、网络流量检测等方式，可分析恶意软件的函数调用关系、数据传播定位、恶意行为网络数据包。  恶意特征自动统计挖掘更可靠: 特征自动挖掘更节省人力与计算资源，标准处理流程无死角分析。  恶意攻击模拟更实战: 对官方发布系统与软件攻击模拟，自动化挖掘存在漏洞和风险。 分析数据更可观:行为统计、时间轴建模、应用权限分析、敏感函数展示、敏感数据分析、行为记录、运 行截图等多项数据展示，并支持数据导出功能。 测试项目更全面:课题组具有大量软件自动化测试经验，可支持适配测试、功能测试、可靠性测试、安全 性测试、环境测试、安全测试需求。性能参数: 准确性高，超过 97%的正确识别率; 完成一次普通测试任务不足30分钟，测量时间短，重现性好。

研究背景及挑战: 高精度无缝位置服务是智慧生活的关键技术之一, 也是实现以人为中心的智能情境感知技术基础。然而, 复杂城市峡谷(高楼、天桥、隧道)地区连续导航、室内外高精度无缝定位由于卫星信号频繁受到阻隔、室内布局动态变化等因素,实现连续高精度全空间定位存在诸多挑战。 本科研团队研究内容: 基于团队在 Wi-Fi, ZigBee, INS、图像、超声波、声音、RFID 等多种定位技术科研成果,研发高精度、低功耗、低成本、易部署的多源融合定位云平台,提供全时空位置服务及用户行为挖掘服务平台。 融合定位云平台体系框架 全时空定位服务平台上下文 突破弹性导航软硬件架构及理论体系 基于因子图多源融合定位算法 科研基础: 国家重点研发计划项目“自适应导航软硬件技术”、高精度高鲁棒性室内定位关键技术及装置研究(863)、无线传感网络定位技术研究(NSFC)、基于众包和群智计算的室内无线定位理论和方法 (NSFC)、自适应室内无线信号变化的低代价高精度定位技术研究(NSFC)等项目的支持下,已完成全时空融合定位云平台,以及用户行为挖掘大数据平台建设。   科研成果: 1中国卫星导航定位科技进步一等奖 2 获UbiComp交通模式识别比赛冠军 3获阿里巴巴天池世界比赛冠军 4 制定国家实时定位标准6项 5 发表中科院一区顶级SCI期刊论文 10 篇 6 获得国家发明专利授权 20项,申请国家发明专利 32项 7 国际 IPIN2016 室内定位比赛第3名   成果应用案例: 华为、三星、中国电信集成、华大电子、22所等

本发明公开了一种大规模行为模拟应用中的负载均衡方法，包 括以下步骤：建立两个哈希表，其中一个用于存放块中的所有模拟对 象，另一个用于存放域中的所有块信息，并对该哈希表进行初始化， 重复增量计算各域的负载，直到大规模行为模拟应用结束为止，以生 成增量计算负载后的域 D，对域 D 进行划分以生成域集合 Dset，其中 划分后的域集合 Dset 中每一个域 D2 的负载均为 T1，且其中的块都是 相互连接的，将域 D 和其

本发明公开了一种基于签到数据的用户行为轨迹聚类方法，所述方法包括：步骤1，获取用户签到数据；步骤2，对用户签到数据进行预处理；步骤3：在综合考虑了用户签到日期的边际效应和签到次数差异的影响的基础上，计算用户在签到位置上的签到值；步骤4，初始化聚类中心，采用余弦相似性方法分簇；步骤5，重新计算聚类中心，采用余弦相似性方法重新分簇；步骤6，重复步骤5，直到满足预设聚类精度的要求。