本发明公开了一种基于标识密码技术的电子护照扩展访问控制系统及鉴权方法。密钥服务中心提供密钥服务；护照验证中心提出阅读敏感生物特征信息权限的申请，密钥服务中心颁发授权智能卡进行授权，护照验证中心将授权智能卡分发给所管辖的验证终端；护照发放中心向密钥服务中心申请鉴权的认证密钥及公开参数，并将认证密钥及公开参数写入到电子护照的护照智能卡中。在验证护照时，授权智能卡和护照智能卡之间进行基于标识密码算法的鉴权协议，判断验证终端是否有权阅读敏感生物特征数据。本发明能克服欧盟方案中授权信任传递的漏洞，不需建设复杂

本发明公开一种基于鸽群智能反向学习的无人机集群多目标控制优化方法，其实现步骤为：步骤一：搭建无人机动力学模型；步骤二：搭建具有感知能力无人机传感器模型；步骤三：搭建无人机目标搜索图模型；步骤四：建立无人机目标搜索代价函数模型；步骤五：设计多目标鸽群优化算法；步骤六：设计基于鸽群智能反向学习的多目标鸽群优化算法；步骤七：输出无人机目标搜索仿真轨迹图。

一、 项目简介本项目通过仿生学方法模拟生物听觉系统，建立机器人实时性、鲁棒性强，并具有较高适用性的环境感知新方法，充分利用机器人感知信息，实现其在复杂环境下基于听觉的目标定位。二、 技术指标（包括鉴定、知识产权专利、获奖等情况）已授权发明专利1项:《一种声源定位装置》（201010191634.1）三、 市场前景（应用领域、市场分析等）听觉感知机器人技术可在军事上和民用上得到十分广泛的应用，例如：智能雷弹系统对目标的定位与跟踪；护理机器人可通过语音识别完成患者指定的任务；地震救灾任务中利用被困者发出的声音来判断其具体位置的；在危险气（液）体泄漏时，可通过听觉传感器对声音场强度大小的判断找到其泄漏源，从而避免搜索人员的伤亡。四、 项目具体联系人及联系方式（包括电子邮箱）联系人：杨鹏 教授/博导，控制科学与工程学院 院长通讯地址：天津市红桥区河北工业大学东院358信箱办公地址：河北工业大学东院七教1024电子邮箱：yphebut@aliyun.com手机：13602051146五、高清成果图片2-3张

本发明公开了一种城市轨道交通层级救援站多目标选址方法，该方法通过构建救援站网络?脆弱性评价?脆弱度分级?确定覆盖度函数?建立适用于城市轨道交通层级救援站规划决策的多目标选址模型?算法设计，从经济性、高效性、覆盖全面性三方面出发，提升救援站选址方法的准确性和合理性，最终实现快速救援响应、高效物资供应，不仅能有效降低救援网络的建设维护成本，同时能保证突发事件的高效及时救援，可为轨道交通企业提供具有不同决策偏好的选址决策方案，满足实际选址工作的需要。

本发明公开了一种卫星序列图像中点目标实时检测与跟踪系统及方法，该系统包括：图像数据接收模块、图像帧头检测模块、单帧图像目标检测模块、序列图像关联检测模块；图像数据接收模块，每次从卫星红外图像生成系统接收预设 N 字节长度的数据包，并缓存到环形缓冲区中；图像帧头检测模块在环形缓冲区中对图像的起始位置与结束位置进行位置检测，并将帧图像数据缓存到图像缓存区中；单帧图像目标检测模块，用于处理图像缓存区的图像数据，获取疑似目

本发明公开了一种跨太空和大气层的动目标红外辐射特性反演方法及系统，其中，方法的实现包括：首先确定测量系统与被观测动目标之间的路径类型，然后计算当前路径类型下的红外辐射传输特性参数，最后根据多次测量的被观测动目标像方的红外辐射亮度平均值和红外辐射传输特性参数进行被观测动目标物方红外辐射亮度的反演计算。实施本发明可以解决跨太空和大气层红外辐射传输特性参数计算和物方红外辐射亮度反演计算的技术难题。

本发明公开了一种人流量统计中最优目标检测尺度的生成方法，包括以下步骤：获取视频源，并初始化统计目标队列 people_list 为空；读取视频源当前帧图像，将该图像转化为灰度图像 Gk，并初始化检测目标队列 head_list 为空，将灰度图像 Gk 划分为 n 个区域；对灰度图像 Gk 进行目标检测，利用检测目标和跟踪信息更新 people_list 队列，并将新出现没有关联的检测目标作为新目标加入 people_list 中；

本发明公开了一种通过检测山地环境中山脊位置并进行能量校正来提高对山地环境中带状地下目标的探测、识别、定位方法。该方法属于模式识别、遥感技术、地形分析的交叉领域。带状地下目标的·758·热场与山体的热场不同能产生能量异常，而山脊的热岛效应也会造成山体能量异常，但该异常本质上与带状地下目标的能量异常模式不同，所以本发明意在通过消除地形中的山脊所产生的热体效应对带状地下目标表现出的微弱能量异常模式的影响，达到

主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。 红细胞 白细胞 霉菌 虫卵

本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。