发布时间:2021-10-20
|
杂志分类:其他
粉丝:{{bookData.followerCount}}
{{!bookData.isSubscribed?'关注':'取消关注'}}
= 4 G$H,h:L; YOLOv3F=óûMZk0Âü 447 \\, IOUV & ' Q。YOLOⅡ b SSD; D 2§Á; YOLOⅡ OPí9»DuF=úûÓ\\ Æ,YOLOⅡmÄ%,³l½p< FhdÔ¾Q â«)î0¶9;úû©,W§©k0y\" » SSD,\\]<«¹Æ ) E d ¾ R » SSD。 ;MZ,#§y DE;ÿvZ。 `HÔZd9 D»3ZOPgk0OPL9; Qxm#OPZWÅ\"ó¯I。 !\"#$: ¡ó 7
ûË,MZk00P2
YËM [1] ã.¤ F = û ... [收起]
[展开]
{{!bookData.isSubscribed?'关注':'已关注'}}
粉丝: {{bookData.followerCount}}
文本内容
第101页
= 4 G$H,h:L; YOLOv3F=óûMZk0Âü 447 \\, IOUV & ' Q。YOLOⅡ b SSD; D 2§Á; YOLOⅡ OPí9»DuF=úûÓ\\ Æ,YOLOⅡmÄ%,³l½p< FhdÔ¾Q â«)î0¶9;úû©,W§©k0y\" » SSD,\\]<«¹Æ ) E d ¾ R » SSD。 ;MZ,#§y DE;ÿvZ。 `HÔZd9 D»3ZOPgk0OPL9; Qxm#OPZWÅ\"ó¯I。 !\"#$: ¡ó 7
ûË,MZk00P2
YËM [1] ã.¤ F = û Ù ; í 9 ´ u g × Ø á [J].2 ¼ ÿ Zk0;½p,òó 8ôB。 Þ,2014(12):90-93. - 8 pÔP ¡¢ [2] CarloC,SalvettiO.Infrared:akeytechnologyforsecuritysystems Fig.8 Precisionofpedestriandetection [J].AdvancesinOpticalTechnologies,2012,20(12):37-42. fó 8
È,³ 1Z=1µMZk0;³l½p [3] ë ®,!p,ë].L; SSDF=óûMZk0Âü UÁ 83%。1Zk0½pR;3¾Õg
Wu [J].s(báF,2020,27(1):42-46. mZSdQÕn`;no,qfk0y½p,F= óû2;SÈ%bSÈ;!\"T%óñ,MZ/ [4] ViolaP,JonesM J,SnowD.Detectingpedestriansusingpatterns n,b,qfk0mk0Ëâ1^SÈ ofmotionandappearance[J].InternationalJournalofComputer fâZ。F=óûóe%&)p,#C;¬; Vision,2005,63(2):153-61. ª,¹F=óûó9R、SÈm/n、 ó{|、DÆ%¦Rh~,¶F=óû2W¹#ð [5] DalalN,TriggsB.Histogramsoforientedgradientsforhumande ;á<¬;çª[16]。mLMcdk0Ñ,cd tection[C]//InternationalConferenceoncomputervision& Pat y0ów£h}ýá<,¡¢qfk0y½p,âk ternRecognition(CVPR'05),IEEEComputerSociety,2005,1: 0;MZcdmóû2ûvu,yÒok0。 886-893. 4 ! [6] FelzenzwalbPF,GrishickRB,McallisterD,etal.Objectdetec tionwithdiscriminativelytrainedpartbasedmodels[J].IEEE #Ëe¨L; YOLOv3F=óûMZk0 TransactionsonPatternAnalysisandMachineIntelligence,2010, Âü YOLOⅡ。Qx0; YOLOⅡ D%óg 32(9):1627-1645. cd;k0WórA#,#§F=k0;/ 9Z。Û2DRûgcd;k0,Ö×/ [7] LecunY,BottouL,BengioY,etal.Gradientbasedlearningap k0¤¥m YOLOv3;A|ÔLMQx, pliedtodocumentrecognition[J]. ProceedingsoftheIEEE, DenseNet :] ¡ ; L Å ,Q x 3 Z O P,. 1998,86(11):2278-2324. ²/Äb/Ä;á<o。DOPk0L96 ~QxiÀ<²ÀnH0;á<¬;,|h¬; [8] P,3 ,ö (,h.²%9OPâãg1mWP ;Z[%,7²á<¬;;oW,ó©#§ ¯îá*+2;í9[J].s(báF,2015,22(9):77-82. k0Ä%。L0P,Qx0; YOLOⅡmF= cd;k0CM,k0Ä%órA;#§。AÈ [9] D ,ñå6,3è&h.A»L FastRCNN;F=ó ½p# 1.17%,³l½pÉ 83.21%。Û ûMZk0âã[J].F=×Ø,2018,40(6):70-76. [10] JensenMB,NasrollahiK,MoeslundTB.Evaluatingstateofthe artobjectdetectoronchallengingtrafficlightdata[C]//Proceed ingsoftheIEEEConferenceonComputerVisionandPatternRec ognitionWorkshops,IEEE,Honolulu,HI,USA,2017:9-15. [11] GirshickR.Fastrcnn[C]//ProceedingsoftheIEEEinterna tionalconferenceoncomputervision,2015:1440-1448. [12] RenS,HeK,GirshickR,etal.Fasterrcnn:Towardsreal timeobjectdetectionwithregionproposalnetworks[C]//Ad vancesinneuralinformationprocessingsystems,NeuralInforma tionProcessingSystemsFoundation, Inc, Montreal, Canada, 2015:91-99. [13] LiuW,AnguelovD,ErhandD,etal.Ssd:Singleshotmultibox detector[C]//Europeanconferenceoncomputervision,Spring er,Cham,MarseilleFrance,Palais,2016:21-37. [14] RedmonJ,DivvalaS,GirshickR,etal.Youonlylookonce:U nified,realtimeobjectdetection[C]//ProceedingsoftheIEEE conferenceoncomputervisionandpatternrecognition,IEEE, LasVegas,NV,USA,2016:779-788. [15] RedmonJ,FarhadiA.Yolov3:Anincrementalimprovement [J].arXivpreprintarXiv,2018:180402767. [16] !,Å 6,Û,h.A» YOLOv3;F=MZ cdk0×Øâã[J].F=×Ø,2020(2):176-182. (%& )
第102页
= 30> = 4 : ; < æ × ¯ ® ® Ù Vol.30 No.4 JournalofHeilongjiangUniversityofScience& Technology 2020? 07@ July2020 SSD¬LOP;Zk0Åü lmn, opq (:;<æׯ® ÁÂÓb¬;SÖ®ÿ,?Ü@ 150022) ' (:,-XJ_rEFZs¶tnR、67;9=>?,½¾B¿ÀÁÂ= SSDu vìíîï_rEFny。jw= VGG16WXîïxyPz{îï mobilenet_v3,½Ú²³ Ó<]|},$V²³]=],.·~.~M=EF5_rá:-EFZs=P Q。),ÁÂ= SSDìíîï45
W=_rEFny,4=*¦EFA :ýþ¿½h, WIDERFACE/¥=Û>þB 94.261%。K)BÁÂ= y-;/п6=。 )*+:_rEF;ìíîï;SSDny;°± doi:10.3969/j.issn.2095-7262.2020.04.018 ,-./0:TP391.4 #1%0:2095-7262(2020)04-0448-07 #$234:A FacedetectionmethodbasedonSSD neuralnetwork ZhaoYanqin, ChenZhenpeng (SchoolofComputer&InformationEngineering,HeilongjiangUniversityofScience&Technology,Harbin150022,China) Abstract:ThispaperproposesanimprovedmethodbasedonSSD convolutionalneuralnetwork, whichisdesignedtoovercomealargercomputationalloadandaninaccuratefacelocationinherentinthe existingfacedetectionmodel.ThismethodinvolvesreplacingtheoriginalVGG16backbonenetworkwith alightweightnetworkmobilenet_v3,andextractinghigherlevelfeaturesandsimplifyingthenumberof scalelayers,andeliminatingtheeffectoffacescaleonthedetectionmodelbyclusteringtheproportionof manuallylabeleddetectionframes.Theresultsshowthattheproposedapproachexhibitsanimprovedde tectionspeedwhencomparedwithothermainstream facedetectionalgorithmsinthesameexperimental environmentandenablestherecallrateof94.261% ontheWIDERFACEverificationset.Theresearch provesthatthemethodisrobusttodifferentdatasets. Keywords:facedetection;neuralnetworks;SSDalgorithm;imageprocessing 0 \" # x8Ê` a L è ¯ P Á,¹ z X ð ê Z S Å Æ。 Z;W»>4'12¾e'oç_¶9m ±,5G×Ø<ZSWê-,D¨W dò î á * +、 ¡ « )、Æ È k 0 h D ´ u[1]。 Zk04'\"L»>;¾ÞNL9,1k0Z 5678:2020-06-21 :2¼SþàEc(MTKJ2014-275);:;<XXô§MAzæâþDEc(Hkdqg201911) 9:;<=>:÷(1975-),I,:;<XϦZ,KMN,O],âãÅñ:óûü£,ZSW,Email:982764511@qq.com。
第103页
= 4 ÷,h:SSD¬LOP;Zk0Åü 449 W;\\¢º¡»>;?@。gh,#§Zk üG; SSDOP/Gô»v>r¬LOP; 0Âü;Ä%DZ»>0óò9¾;ï,。 e¨,f 11% blockÞN,bèóûij' 300× +;Zk0Åüâ¡V×:2®S#ðá 300,¶9 VGG16[11]4'3ZOP,ê=(9Ä <,½#ð;á<cèZ9LM。c _,L ü ; + Z k 0 Å ü 3 ¾ ó ) ¨:A » ;=nÀ>r,h§v]¡À,Conv8_20;>r Adaboost;Zk0Åü<A» DPM;Zk0Å ü。A» Adaboost; VJÂüâf Violah[2]#Ë, Àâm VGG1607.;。SSDOP9>myY; ¼Âüf Haará<!BZ,;9 AdaboostÂü Z 9 , 0 ) Á £ ^ { ¸ # ð Z v u。 á<óÔY#ðá<,¹m#ðá<óÔ§Í M.Mathiash[3]#Ëe¨
k0´ÿ%Z; L DPMÂü,)Á#ðZyYÅñ; HOGá< yY;£^{¸\"k0¥í;cd。Ö× SSDO ]8Zk0/G,¼Âü-Åû¯&¤F; ¾Zó©#§Zk0Ä%。«t+Zk0 P?]Wû,SSD¶9 6%yYi%;á<ó ÅümeJÖ%WÅ°k0~,âm)e; <ó¸-.Uoyà;¤¥,k0Ö%stÇ7。 k0yYi%cd,¯i%á<ó\"0cd, ²%®³×Ø<r^;yo-,;9> i%;á<ó\"0¦¯cd。 r¬LOP[4]
Å°k0~。YinSunh[5]# ËA»¬LOP; CNNFacialPointDetection 1.2 SSD£¤®¯« ü,¼Âü3¾â/\"Lñ[;k0,ÑM% ±、M©§¹
k0I。c_,A»²% SSDOP/Gm1(%k0À09)4 3×3 ®³;3Zk0Åü3¾ó R-CNN*åk 0 ü l m R-CNN[6]、Fast-RCNN[7]、Faster- >r_9>9\"ecd;9<]x,12e%b RCNN[8]Âü<A»º¡]x; YOLO[9]、SSD[10]* åÂü。R-CNN*åk0Âü½k0ÁÖ9'` Ë(%k0
; K Í (x,y,w,h)n % &,i e % > ÑRv、ÑRv9})%å¥LM,7¯ ,¦。¢ SSDk0Âü$9ÊÊ;Åƺ¡] rÀ9\"bË(%k0
k0yY>cd;o xcdKÍ,¥D» YOLO*åÂü,SSD
my Y¯;á<óÔYLMcd;k0。gh, ,bË%Vëâ0;>%V。9>ÁÂôó ½+; SSDcdk0Âü9mZk02¹ L3ZOP?],h\"#§DR9;c k0
KÍ<>bcd;}/KÍ>no,Þ dk0Ä%。 Nñ.,]8NÇÝÕsV。gh,Ç;ÝÕsVë 1 SSD01()*+ â9<]xno;.<。 1.1 SSD£¤fÀ^Û SSDOP/G4'e¨cdk0´uç_¶9 SSDÇ;ÝÕsV' ;OP?],1Õl SSDOP?]òó 1ôB。 N - 1 SSD£¤fÀ]^ ∑ ∑L=N1(- lgc^0i Fig.1 SSD netmodelstructure xpijlgc^ip- i∈e + i∈s N ∑ ∑ α xpijSL(lip-g^pj)), i∈sp∈{xp,yp,w,h} (1) Æ2:N———=k0
;V.; i———k0
j; j———}/
;j; i∈s———¡= ; ¤ z 2 ð ; k 0
j; xpij———= i%k0
b= j%}/
âOñ» > p=,=N=,xipjð&' 1;=Õ¨, xipjð&' 0; lgc^ip———k 0
iD = ; > p; Í ¬%; i∈e———¡1z2ðk0
j; lgc^0i———k0
iD=;[M;ͬ%; α———9n o < ] x n o D Ç Ý Õ s V ; ,)]§' 1; xp、yp、w、h———=;k0
'> p; 2¥KÍtdgk0
;i、§; lip———k0
i'> p;2¥KÍ¥D»ó û8ÔÕ;/&;
第104页
450 : ; < æ × ¯ ® ® Ù = 30> g^jp———}/
j'> p;2¥KÍ¥D» 2.2 pÝ-ÞßÐD óû8ÔÕ;/&; Zóûf»Z¨、«&、(、i%hg SL———soomthL1sV,Eê.ÌD&» 1 ,D<k0?@j0ó。$9Zóû ,SoomthL1sV ð & ' E ê . ; 6 ~ ³ Å &; V×:â WIDERFACEZV×:,Ç,ó 32203 Eê.ÌD&'1^&,soomthL1sVð&'E ÅdQóû,dQ¬;'ZVc<}/k0
t ê.<J& 0.5;o&。 d。V× : 2 Z ; ¬ î、¨ 、® ¯ 0 ó § %
êZ。 =e%/.!Bk0
ib}/
jñ»> p=,ò@ p;o¡§,{ÝÕ¡,=6%/ V×:2óûm_¾LMd½xü£,d .!Bk0
2óSÈ,0'[M;o¡§, ½xâ½ûhl&/2¥x;ü£,d½x ÝÕ¡。¶9 softmaxÁÂo,)Á¯x/. HV×9¦zÝ,ûÒðYð0;_x©@。 <Éxͬ%ÝÕsV;c;。 óûm$:bÁÖ2ǧÝ<,à` 1.3 SSD£¤ÎÜ {|,ü£2B¾½óû2;{|°h³,çª Dk0?@;。óûijye,B¾+e ¡ SSD;OP/G?]
ûË1óJ%á resize 300×300,'YÃóûZyà-±| :eâ SSDf3ZOP<IÀ©OP]N,3Z êO/Â?@,B¾LMYÆ5²b,:sL9 OP' VGG16;_nÀOP,IÀ©OPâá<ó LM²{。ó 3a'V×:Õlóû,ó 3bâLÁ zªê;зOP,SSDOP½i%¯yY; ü£ð0Y;óû。 á<óº¡490ÀLM?@0。
½ p;0yY¯;cd;6â SSDOPô»Ê Ê;ÅÆ,decddQº¡móûÔN¤ 1z¹$9 hardnegativemining×ØáF¤1 zV.LM,¯¯#§%;Jâ SSD O P m R À 0 c d,¢ R ; 0 À ô ó VGG162 38×38>rÀ。gh,Dcd;k0 ©@y²。 2 SSDBCJK8LMG. 2.1 ÔPÃs - 3 pÝ-ÞßÐD] Û2;Zk0b+;cdk0Öe, Fig.3 Comparisonoffaceimagepreprocessingresults Æ+;92´Ëe%9:9»LMcdKÍ 2.3 SSD pÝÔPfÀ ;no。Ö×:Z;dQ,º¡m:á ;9 SSDOPLMZóû;bk0B <óÔN¯Æ5yY; defaultboxcd
LM ZJK]x,QxÝÕsV,ËZk0/ ¾DOP?]LMQx<L,SSD;L3¾ó G,0¶90;k0/Gº¡LMZk0。 )Å\":eâÕl; SSD;3ZOPf VGG16;_ k0ÁÖòó 2ôB。 (À>r³¢N,¶9+; 3×3;>r_LM á<;#ð。UV.¯´ß,zÛDÆP¨ - 2 SSD£¤LpÝÔPxs 3; A | O P, 8 R J mobilenet_v3[12]4 ' Fig.2 Flow offacedetectionbasedonSSD net SSD;3ZOP,¼A|OP¶9 3×3;²%>r < 1×1;y)>r]N²%
9ø>rçªÁÂ
第105页
W 4X YZ[,O:SSD\\]åæ%WX=>T% 451 !\"#$%&'()*+,-()./。0123 2000~9,; < ñ U V,0 ) m n A ò ó ô õ ö 456 38×38% 7 8 9 : ; < = > ? @ A B C ÷åæàÐ。 128×128DE=>%345789,FGHIJK %=>LM。NO AnchorPQRST。6UVW 2 m{øk,jk batch_sizeE 5, XYZ[,E\\]^WXP_`%abc,defg 2000~9ùúû epochëçüý 400À,ÜÝ 0=>P%QRhijkE 1∶1,lOH)mne þrjkE 0.01,ÜÝÿ!þjkE 0.97。Å %op W X P ; < K q r s t,u v s t w x ÆI\"!#@$%&$,-()。 y@: 3 § 400Àüý,0ÜÝþ、,-()、 1 z{|} 2000~9,0eopP ËÌ[`µ,'(,-()O¯./。 %\"GK},0G\";<
T, 。 4 ¼½:¾º»,0)mn9 epoch 100À。0ËÌ)%àÐ,6 WIDERFACE>ßn 2 )m`ez{}HDE \" FDDB)mn:;<>ß。 ste。 3.2 3 He%)mH,m p¿ËÌû[`E 38h,E;º>ßp¿ ste%, 3¡%¢£ àÐ%cL,HJ*Ò+%WX=>¬% MTCNN、 0¤C3¡%ste¥H¦%t。 Faster-RCNN、YOLOv36aÈ%p¿,-@,HQ p¿¶·。 4 0§t¨e¥©H¥H¦%qr DEªt¨%ste,«¬JK()%r。 ¢.þê/He¥©¤H%,0Æ 212åæàÐ#3¢.%x,f4567, 5 ®ste\"JK()%rO¯° fL#819àÐcL。p¿ÅÆØq:. ±²³,´ f ³,£ µ ¶ ·,´ ² ³,£ ¸ ¹ º \"=>;2<=>!åæàÐ%)?。¢.þ ε » 3。 «¬@ôE ¼½:¾p¿º» 5À,H¥©¶·}qr。 ÁC=>PÂQ3ö·E:1∶1、1∶1.6、1∶2、1∶ ε=(nTP nTP +nTN +nFN), (2) 2.5、1∶3、2∶1Ä,ÅÆÇ:ÄfÈQR% de +nTN +nFP faultboxÉÊIfÈ%789eHopP;<ËÌ =>。 ôe:nTP———0WXA.=>úWX%); 3 nTN———0íî=>Eíî%); p¿6 win1064ÍÎDÏ@;<,CPUÐÑ nFP———0íîB=úWX%); E i5-8400,ÒÓE 2.81GHz,GPUÐÑE NVIDIA GeForceGTX1060,ÔÕÊIE 16G,ÅÆ pythonÖ nFN———0WXB=Eíî%CD)。 ×6 Pycharm Ø Ù : Ú x p ¿,Û Ü Ý P Þ E caffe。 :.EF%OG¤úARepHEAR%QR p¿¥Æ%ËÌnE WIDERFACEËÌn,Æ φ=(nTPn+TPnFP)。 (3) WIDERFACE>ßn\" FDDB)mnDEdep¿ >ßn。>ßde¥FàÐ6)mn%áâc H¿+)mne%§~9I%:.;<Øq ãä。 3.1 ÁCØq: SSDåæ Ò ç Æ U V è J K è t ¨ = > Y ∑φ (4) Z,6WX=>e,éêëç=>Ät¨,¥Ç êëçUVª=>JKOWXìOíî。p¿º» φe= N , y@: ôe,N———J)。 1 WIDERFACEË Ì n e ï ð | } 0J * Ò + % K Ä W X = > ¬ % ¤ ¨ 6 WIDERFACE)mn%¿+neKÄL@;<H Qp¿,¤¨ « ¬ M N ¿ + n % Ø q : (φe)、e O¿+n%Øq:(φm)、PL¿+n%Øq: (φh)。p¿¶·yE 1¥F。 QwHQp¿RÇS,deT%6¿+nK L:%:qGÒ+T%,6PL¿+Un :%Øq:FGC\\ 91.890%。p¿¶·EV,
第106页
452 Ê Ü Ü D W 30 deT%6WX=>:çGJ*Ò+%T%。 ' 3 (2345+,-.67%& Table3 Comparisontableoffacedetectionaccuracy ' 1 ()*+,-./0#$%& Table1 Comparisontableoffacedetectionaccuracy resultsofeachmethod resultsofeachmethod Òwåæ φe/% εC/~·s-1 VGG16 87.367 12 T% φe/% φm/% φh/% ResNet 89.234 16 MTCNN 95.693 93.254 85.950 Inception_v3 90.128 24 FasterRCNN 96.721 94.635 90.253 Xception 92.468 26 YOLOv3 96.956 95.629 91.280 mobilenet_v3 94.261 31 deT% 97.982 96.035 91.890 WX=>àÐf^ëçb:._K,`ë p¿6 WIDERFACE¿+ne;<,}KÄL çb;_KÇabp[c%çc,d6JK= %Øq:\"aÈ[`%Øq FPS¶·,QwH >àÐefghi!TT?²;,E\\¿+dep QfÈ%Òwåæ,RÇ°daQÅÆ1Òwå ¿àÐ6=>;T8O¯abp[c%çc,0 æ,{òú|}~ÄtuåæqHàÐcL©fÈ àЧj=>9I%~) (FPS)DE;19_ ÊI%F,e{òú mobilenet_v3åæz1 K,¤¨«¬\\6 CPU@=>~)(εC)\" GPU@ % VGG166¿ + n : % Ø q : F 7%,6 %=>~)(εG)。:¾àÐ;<p¿HQ,p¿ CPU:§j=>9I)!\\ 19~。é,mo ¶·yE 2¥F。 bilenet_v3H SSDåæ%Øq:\"=>;qQ tuåæFÊ。 ' 2 ()*+,-.10#$%& Table2 Comparisontableoffacedetectionaccuracy ÅÆ n Ä f È % W X = > à Ð,H WIDER FACE¿+ne9;<=>,=>¶·y9 4¥ resultsofeachmethod F。¤¨H~ÄàÐ;<aÈû)%ËÌõ;< =>,
9 4RÇS,MTCNN\" FasterRCNNH T% εC/n·s-1 εG/~·s-1 WX=>P © V B, = > f C J K z I % W X \" G % W X ,YOLOv3 d e T % L p = MTCNN 6 15 >CIJ K W X, YOLOv3H í î Õ 6 B = ,0 è í î B = E W X 。 < = H Q ,d e T % FasterRCNN 10 28 aQÒ+¬%&Lùú½,-@%WX= >YZ。 YOLOv3 22 45 Q IOUQRO>!àÐ=>)?%¼ç deT% 25 62 _K_,r6 0~1_`,«¬T%=>P\"o pPnn%Qr。IOU«¬%O“ñ p¿6Èklml@;<,6 WIDERFACE >%P”\"“op%P”%n\"n%Qr。 >ßn:}aÈ% 1000~9I,¤¨6:¾¬% QwHQè=>àÐ6aÈ)mn:%Øq IOU e;<=>,«¬nT%§j%Øqo)。¶·E QR,RÇ12=>s·。p¿¶·yE 4¥F。 V,deT%6 CPU@Lpabp[c%çc,6 GPU@LqC§j 62~%;。aQT% de0Ä=>àÐ6 WIDERFACEE¿+n Lp&r;%ùú=>9IYZ。<=:\"; ;< IOU«¬,0 IOU>0.5EA=,0 IOUH¿ _K,#8%12\\p¿T%%cL。deT%q +n}qr,
E 4RÇS,deT%%Øq IOU SJ*Ò+%T%,+V\\H SSDåæ%²;u çSÄ=>T%,`0deT%=>P ©©sc。 QRhijkú 1∶1% SSDT%HQp¿, Øq IOUF\\ 25.3%,+V\\mopWXPs 0 SSDåæ%tuåæòú\\ mobilenet_v3, tÄfÈÊI%=>P&L:¢%ùú=>P E\\¿+²;õ%åæ1åævÒwåæ Í。 %xy,dekòfÈ%Òwåæ;<p¿,6ÈO p¿ml@,QzfÈÒwåæ%:\"=>;, ¶·yE 3¥F。
第107页
W 4X YZ[,O:SSD\\]åæ%WX=>T% 453 ROCRÇ#812àФt %cL,Q wjkfÈ% IOU¡r,RÇÁCè¢% TPR\" FPR£H,0=> ¤¥ú ROCØ8:m, ROC¦§ ¡ ¨ : T £ E V ª = > à Ð ¤ t s ·¦)。Qwp¿©ªn=>àÐ ROCy9 5¥F。 8 5 (;< ROC=> Fig.5 Comparisonthedetectionresultsof differentmodels
9 5R Ç S ,MTCNN% = > s · 3 x, Faster-RCNN\" YOLOv3=>s·a«,deT% =>s·aQKÄT%3)。E\\;ºh' %«¬=> %cL,deÆ ROC@%8¬ (AUC)2 ! T à Ð = > c L。 AUCE F = > à Ð =>A.Q=>B%®þ`çÊ%RLc,Æ2 EFnT%6 ROC@%8¬¯Q γA。p¿¶ ·yE 5¥F。 8 4 9:;<-.#$%& ' 5 (;< AUC%& Fig.4 Comparisondetectionresultsofdifferentmodels Table5 Comparisontableoffacedetection accuracyresultsofeachmethod ' 4 (2345+,-.67%& T% γA/% Table4 Comparisonoffacedetectionaccuracy MTCNN 58.64 FasterRCNN 62.45 resultsofeachmethod YOLOv3 63.79 deT% 70.26 T% Q /% E12deT%%¢.c,6 WIDERFACE¿ MTCNN 0.931 +n:HQp¿\\ MTCNNO~ÄT%,RÇS, Faster-RCNN 0.862 dT%aQ MTCNN% AUCF\\ 11.62%, OéEdeT%6&°%785H=>P;<ñ YOLOv3 0.944 >,FG\\HIJK%=>LM。jk\\fÈQR SSD(1∶1) 0.725 deT% 0.978
第108页
454 Ê Ü Ü D W 30 %=>P,Å=>P\"opP%Q%rÁC; ÅÆ\\ mobilenet_v3ÏÐ&i!Ñ%åæàÐ,F ºF。 GàÐÒ¬sþ,0ñ>5?&°%789B,F G\\HIJK%=>LM。¤ÎopWXPQR, :¾p¿+V\\deT%6 WIDERFACE)m Hñ>P%QR;<st,ÅÁ=>P\"opP& n:%S¦cL,E\\;º\\±deT%6 Ó=。QwH)mn9;<ñUV,ö÷åæ )mn%²Æc,j«p¿;<HQ,yE 6¥F。 àÐËÌj«è¢HÃp¿。 ' 6 ?@)*A(BCDE67 6)mn:%²ÆczÔ,O/HWXàÁ、 Table6 Comparisonoffacedetectionaccuracy 、ÂóT%9=>`©ÕFG,õX0/H L¤ ; < Ì Í,F G H 9 % = > resultsofeachmethod LM。 )mn φe/% γA/% LM?N: FDDB 83.54 72.34 [1] Ö×Ø,~ÙÚ.Û¬\\]åæ6«¬{Ûe%¦Æ ÌÍ<¾[J].)mÜnUV,2016,31(1):1-17. AFLW 87.93 75.69 [2] ViolaP,JonesM J.Robustrealtimefcaedetection[J].Interna CelebA 90.25 78.04 tionalJournalofComputerVision,2004,57(2):137-154. FDDBO @ ³ % W X = > K ¢ ) m n,AFLW [3] MathiasM,BenensonR,PedersoliM,etal.Facedetectionwith \" CelebA´O;<WX=>Gµ¶ÅÆ%)mn, outbellsandwhistles[C]//Europeanconferenceoncomputervi aQ WIDERFACEe9&·¸,WX¹ sion,Cham:Springer,2014:720-735. 麻¼z½。Qw0deT%6KÄ)mn :;<p¿,RÇ°d:¢\" AUCr¾©V@ [4] ÝÞß,YZV.¬\\]åæ69¤t\"JK=>¦Æ $,+V\\deT%6)mn©µ¶²Æc。 <¾[J].«¬{àx¦Æ,2017,53(13):34-41. 6=>¶·9e,¿\\=>B% [5] SunY,WangX,TangX.Deepconvolutionalnetworkcascadeforfacial L¤,4ÀWXB=Eíî、íîB=úWX% pointdetection[C]//ProceedingsoftheIEEEConferenceonComputer ,y9 6¥F。 VisionandPatternRecognition,Portland,2013:3476-3483. 8 6 FGHIJK [6] GirshickR,DonahueJ,DarrellT,etal.Richfeaturehierarchies Fig.6 Hardsamplesexample foraccurateobjectdetection and semanticsegmentation[C]// IEEE ConferenceonComputerVisionandPatternRecognition,
9 6RÇS,L¤U6àÁ、Âà Columbus,Ohio,2014:580-587. ³TÄÅ、WXG、³ÆÇ%,-e,én àÐHt=>þÈfG。:¾L¤»¼ [7] GirshickR.Fastrcnn[C]//ProceedingsoftheIEEEInternational =>úÉþ,yÊ˪HL¤%B=O@º ConferenceonComputerVision,Santiago,Chile,2015:1440-1448. ÌÍJK。 [8] RenS,HeK,GirshickR,etal.Fasterrcnn:Towardsrealtime 4 objectdetectionwithregionproposalnetworks[C]//Advancesin NeuralInformationProcessingSystems,Montreal,2015:91-99. [9] á â,ã ä,å æ.YOLO% < W = > ² ; ¬ % [J]. ÊÜÜD,2020,30(3):330-334. [10] LiuW,AnguelovD,ErhanD,etal.Ssd:Singleshotmultibox detector[C]//EuropeanConferenceonComputerVision,Spring er,Cham,2016:21-37. [11] çèâ,éêØ.t VGG-NET%78ë=8ìEãí¨ [J].«¬{àxÜ,2020,42(3):500-509. [12] HowardA,SandlerM,ChuG,etal.Searchingformobilenetv3 [C]//ProceedingsoftheIEEE InternationalConferenceon ComputerVision,SouthKorea,2019:1314-1324. Qw¤Î SSD%Òwåæ VGG16¶Ï%7£, (OP )
第109页
W 30 W 4X Ê Ü Ü D Vol.30 No.4 JournalofHeilongjiangUniversityofScience& Technology 2020î 07ï July2020 ÄðÕñùòc%óóô¿+T% $ %, &'(, )*+ (ÊÜ «¬{67àxÜõ,ö÷ø 150022) Q R:,-./0123456789:;<=>56?@,.0ABCDEFG0A6 HIJKLMNOP5Q6RS。TUVW=XY./0123459:6Z78,[\\]^6 Merkel_`a,bc,-def:6Z78ghiCjk6l78,mnL,-op78gh6q r0Astuvwgh。xyz{,|g:}-,- BLSl78~ ECDSA786 0
9~0
9,L786
9G,0J~78Jg;kM}。 STU:qHI;0Astu;Z78 doi:10.3969/j.issn.2095-7262.2020.04.019 @8GVW:TP309.2 ?XOW:2095-7262(2020)04-0455-05 ?NYZ[:A Averificationmethodforcloudstorage integritybasedonlatticesignature ChangLiang, WangGuanqi, YangXuexin (SchoolofComputer&InformationEngineering,HeilongjiangUniversityofScience&Technology,Harbin150022,China) Abstract:Thispaperismeanttoaddressanincreasinglycrucialchallengeofhowtoguaranteethese curityofmassivedataintheeraofbigdatainthefaceoftheriskthattheexistingsignaturealgorithmbased onlargeprimefactorizationmightbecracked.Thestudyachievesanimprovementintheclouddataintegri tyverificationschemebasedontheexistingsignatureschemebyintroducingalatticesignatureabletoavoid largeprimefactorizationalgorithm,improvingthemainstreamMerkelhashtree,andreplacingtheoriginal shortsignaturewithalatticesignatureschemebuildingonmiddlemultiplication.Theresultsshowthatthe proposedmethodoutperformsthemodularexponentialoperationandlogarithm operationbuildingonBLS shortsignatureandECDSAellipticcurvesignature,demonstratingthereducedamountofsignaturecompu tationandthereforeadvantagesinparametergenerationcostandsignaturegenerationcost. Keywords:cloudsecurity;dataintegrity;latticesignature ðÕñÏRÇÅÆ)Ç°*%9ó+}ê! -É\\H)m%4V5ª。Õñ6ð6% %ÕñLM,)m%GneÈÅ8,h- )mf^RL17¹28Æ)%9:;<,= .%%#¿/。«Æ)0ðÕñàô[,Æ) >`RL7CfR§ð?ZF@A (Cloudstorage 0f162*Õ)m3。ò×_,Æ)RL serviceprovider,CSP)%BÆ,yCÆ)DE、]^ \\]^_:2020-05-06 `abc:ùùúGètÌûZüåJ(2019-KYYWF-0735) defghi:ý þ(1981-),ÿ,ùö÷øW,!\",#$,ÌÍT?:67Ï%#v&'(,Email:CLusth@qq.com。
第110页
456 Ê Ü Ü D W 30 Æ)DE、)mF-GD、)m9:H²O。zh! : u∈ Λ,© v≤ u。ò×_,uH B%ól U«¬(%°I,ʺ)éU¤±LJ\"©KL ×,qrú L%3Ist?! v。
SVPN :MH)NJ0³ÁfgPL,tLJ% J,RÇv SVPNJ³Ä,u3lchb?! RSA、DSA、ECDSAOóôTO´8,-É%#%P NJ SIVP。SIVPNJRo¾E:pwE n%ó Q。Ê)m[ýE*+Æ))m%%#c\"ùò Λ,qr¢chb?! s,ÅÁHY: u∈Λ,a c,RSëçH)mùòc¿+TOÇèT b s≤λn(Λ)。 8&%#%²;。E,TUF\\Ätó 1.3 LWEut %ðÕñùòc¿+T%,Qwsþ¤Î\"%#¤ Î2¿+cL。 xÜÝ(Learningwitherrors,LWE)Oó`a Ü%tuN J, P L c R Ç
ú ó % SVP\" 1 SIVPNJ。LWENJ4À CLWE(LWEyz)NJ \" DLWE(LWE)NJ。 1.1 PDPBCjk6lm)n )mV©c+VTO(Provabledatapossession, CLWERo¾E:{| n、m、q=q(n)>2,µ÷ m×ni}~ A∈ Zqm×n\" mi?! v∈ Zmq,j m PDP)ÜÆz{|%WX,®þc%;<)mùò i?! e∈ZqmEBxå。jBxå e?Zqm:%® c¿+。OYZ%t RSAóôÈZ7c þ¤Eχm,cÅOô v=As+eú% mi?! %®þcWX,;l[\\\\6fR6Õñ :%) s∈Zmq%yzNJ。 mùòc¿+TO。]Ð PDPTO%^_ÞÏy 9 1¥F。 DLWERo¾E:{| n、m、q=q(n)>2,µ÷ m×ni}~ A∈Zmq×n\" mi?! v∈Zqm,j mi 8 1 PDP)no`Ipq ?! e∈ZqmEBxå。jBxå e?Zmq:%®þ Fig.1 BasicsPDPschemearchitecture ¤Eχm,sEYq}8Zqm% mi?!,c?! v, O
As+e« ¬ Á C,q } 8 Zqm% 1.2 rsrFt NJ[2]。 tó¥j«%`avÏO«b`aÜcL% 1.4 :vwx 3$ÌÍT?。j(L,≤)Oðn,´ LeY: jóôU¥V©%@E pk,EE sk,H) deºÈÕ6:.f@.f,£gªðnE m ml×,¤¨HY:)mUm1、m2H¦ ó。j© nc h b % ? ! ¢ B={b1,b2,…, %óôÁσ1、σ2。´óôTOabÇ@c: bn},e BE m i?!,} Y : ò Ï ) x={x1, fR
Ðc。ê © V © ` H (pk,sk)% ó ô n UL±úóô σ。 ∑x2,…,xn},£HTx¢ L(B)={y|y= i=1xibi, ¿+MTc。{ | ó ô σ1、σ2,Y } z { ) k1、 k2H)mm′=k1m1 +k2m2l×,¿+URÇ6f xi∈Z,i=1,2,…,n}l ×, j a b ó k。 g ? |m1、m2%ãä@,Qwσ1、σ2\"k1、k2«¬H) !¢ B%¥©òÏ)c¢= Λ=L(B)E
?! mm′;<¿+。 ¢ B±ú% mió,g?!¢ BEó Λ%t[1]。 sIc。{|óôσ1、σ2,Y}z{)k1、k2, óe Ò ç © K Ä L J:ó e 3 ¡ ? ! N J H¦%)mm′=k1m1 +k2m2l×,¿+U6fV (CVP)、3 l ? ! N J (SVP)、3 I t N J (SBP)。 ©E sk%*F@,h%Qwc¶=%Tô±ú deÒçmn3l?!NJ SVP,SVPNJRo¾ $%ab¿+ml%óôσ′,£gªóôTOE Ept B%ó Λ,qrst?! v,ÅÁHY ÈZóôTO,ªóôEÈZóô[3-4]。 @ÈZ`TO,0
3èåô[`¬ %Ïú。 (1)`±ú KeyGen(1λ)→(pk,sk):µ÷%# ) λ、µ@ pk、E sk。 (2)Vd` Enc(m,pk)→c:µ÷Vd m、@ pk、µ`d c。 (3)`d±` Dec(c,sk)→m:µ÷`d c、E
第111页
W 4X ý þ,O:ÄðÕñùòc%óóô¿+T% 457 sk、µVd m。 (1)±ú)¬% KeyGen,
Æ)¡<,¬%µ 1.5 Merkelyz{ ÷z{Â{0,1}¢,µ@EH(pk,sk)。 MerkleM (Merklehashtree,MHT)O Ä (2)±úKó¬% Encode,
Æ)¡<。¬% Æ)m¶Ï,RÇüzl%[;<)m¿+, µ÷@EH(pk,sk)\")mU m,µH¦Kó Gµ¶¦ÆðÕñ、P2P、Q7Oëç;<r; H Tm。 ¿+%cL[5]。U£Õñn)mU%ö r,sU£ÕñU£r_\"%ör[6]。 (3)±ú¿/¬% Challenge,
WKT«U ¡<。¬%µ÷Õ=>)mUn= I(
TPAz «Æ)6H?Z 6)m)mU;<ù {£±),µH¦¿/67 chal。 òc¿+[,?Z 6¸¹ Merkel:H¦)mU %U£Õñ%ör\"aH%h> Merkel (4)± ú + m ¬ % Prove,
ð ? Z F @ A ¡ £ % : % ö r[7]。 Æ ) 6 ê ë <。¬ % µ ÷ ¿ / 6 7 chal,µ H ¦ + V 6 7 H¥¸¹U£Õñ%ör\"¥¸¹ proof。 :%ör;<MN«¬,Æ)6¥V©%1 )m%ör;<HQ,uR1)m\"H (5)=¿+m¬% Verify,
W K T « U ¡ ¦)mU%ùòc[8]。 <。¬%µ÷+V67 proof,µ+V¶·{0,1}。 «+V67©s[,uÆ))mùòcÁC+V[, µ 1。¤_,µ 0。 2 *+,- 2.1 `I#q ðÕñ)mùòc¿+àÐ
KT¢ú:Æ)、 ð?Z F@A\"WKT«U[3],y9 2¥F。 8 3 `I}*~ Fig.3 Basicalgorithm model 3 \"./0 8 2 |)pq;< 3.1 lm!\" Fig.2 Tripartitemodeldesigned (1)T¥¦。Æ)¡<`±ú¬% Ken 6:¾KTÞÏàÐe,Æ)HWKT Gen,±ú@ pk、E sk。Æ)0¥V©1)m «U° ¿ + c[9]。 W K T « U . C Æ F¤ú ´ w ) m U f, ¡ < V d ` ¬ % )%¿+c,mÆ)%¿+c±ú Enc,H§)mU fÆ@ pk`,±ú§) a¦%¿/67,Hð?ZF@A°a¦%¿/ mU%¿+Kó。Æ)*ÕE sk,Ç¡<`d -¦ c,jõð?ZF@A¼¦WKT ±`¬% Dec,H§
)mU±ú%¿+Kó «U¥°%¿/,;<)û¿/ -¦ 。[10] Ç¿+。mn)mU f[ i] ¥H¦%)mU 3õWKT«Um)û¿/ -¦ %¶ óô σ[ i] ,84>§¨ Merkel,3ÃcÁ ·,ÁCH¦%Æ))mùòc+V¶·,0ªù £%ö r hr。 z õ,Æ ) 0 n ) m U f[i] òc+V¸¹pÆ)。 \"H¦%)móô σ[ i] °ö> CSP,©ª 2.2 `I}* 2)m。 t¬%Òç
5èåô[`¬%¢ú,y `±ú¬% KeyGen。Æ)µ÷%#) λ, 9 3¥F。 µH¦}~<) n∈Z+、}~) t∈Z+,H¦è åô, R%78 q∈Z+。m%#) λ±ú%
第112页
458 Ê Ü Ü D W 30 H¦)(n,t,q),Æ)z{±ú, R: 3.2 66 E 2n-1%èåô s←Z2qn-1,z{±ú t, R: (1)óôA.c。Hóô C=(c1,c2)l×,© E n%èåô¢úH¦}~ A←Zqn×t。Æ)z {±ú?MG«¤% n×t¬)eºDE c1 =r⊙A∈Zqn×t,c2 =r⊙(A⊙s+e)+msg∈Zqn×t。 z{Bxå,ÏÐH¦}~ e←Zqn×t。j©, R: «¿+UV©E sk=s[,©c′=c2-c1⊙sk= ©ÈZÒ¬⊙,u a b ⊙ (x)⊙ (y)=⊙ (xy);¸ ¹E sk=s,@ pk=(A,A⊙s+e)。 c2 -c1⊙s=r⊙(A⊙s+e)+msg -(r⊙A)⊙s,é ⊙ O, R:%ÈZÒ¬,ab¶=º,¯©c′=r⊙ Vd`¬% Enc。Vd`Uz{¨ A⊙s+r⊙e+msg-r⊙A⊙s=r⊙e+msg。 {0,1}}~ r←Zqn×t,HÁC%Æ)@ pk =(A, A⊙s+e)\"`{0,1}®7¢ msg,«¬Á: éz{Bxå eO n×t¬)eº,`®7 msgO{0,1}%®7¢,¯à 2ÎDõ,RÁ r⊙e= c1=r⊙A∈ Znq×t,c2 =r⊙(A⊙s+e)+msg∈ 0,uc′=0+msg=msg,Oôc′=msgú,óôA.c Znq×t,¸¹`õ%`d C=(c1,c2)。 Á+。 `d±`¬% Dec,`d±`UH¥i.`d (2)óô%#c。j©»¼ ALÇfR½X% C=(c1,c2)\"¥V©E sk =s,«¬M′=c2 -c1⊙ ®þ ε6èåô[`Ô
Ðóô C=(c1,c2),uH sk=r⊙(A⊙s+e)+msg-(r⊙A)⊙s,Çv M=M′ t, R:ÂE n%èåô¢ú%H¦}~ mod2。
z{Bxå}~ eO
?MG« A←Zqn×tl×,»¼ ALp6èåô[`ÔrC ¤%¬)eº¥Ïú,¯à 2ÎDõÁC3ñ ?! s,ÅOô v=A⊙s+eú,»¼±¾\\ó `õ%Vd M=msg。 `aÜ% LWEPLNJ。[REÕ6è åô[`¬%,Lp±¾ nió:% SVP\" SIVP (2)¿/¥¦。Æ) TPAÝXc%H CSP NJ,j LWEPL¿jÀÁ。6z{ñ×{ °ùòc¿+¿/。«Æ) TPAH CSP° àÐ@,óô%%#cR+。 ùòc¿+¿/[,Æ)0è¿)mùòc% )mU%°Kí± id\"H¦óô Sig(id)D (3)¿ / ¦ A . c。 « Æ ) ) m m = E«c°ö> TPA。« TPAi.CÆ)°ö ( m1,m2,…,mn) eY)mUmi7C¹?[, %«c[,Qw¿+óô%Tô2®ªc H¦óô Sig(mi)´7C¹?。éö()u©N O¯28=%Æ)。«.³Æ)=%õ,TPA° ?c\"ÂÃÄc,¯l CSP84k§¨% Merkel ¿/。TPAz{|} ceºÏÐ)mzvn= ö%£rroot′ TPA¥V©%ö I={s1,s2,…,sc}0°ö> CSP,e c∈ [1, £r rootfRLÅ。root′≠rootfú,¿/¦ n]。 A.cR+。 3.3
G (3)¦¥¦。« CSPi.C TPA°ö%¿/ 67õ,84k§¨ Merkel。CSPm)m /H¥F%tó%)mùòc¿+T%; zvn= I={s1,s2,…,sc}qr)m¥H¦% <Æosþ¤Î,0)mUÊIE 4kB,)m U£,q²ªU£> Merkelö£ UJ) n=100000,}t BLSó ô T O \" %:¥©³´£,0µ¶EH¦% ECDSAóôTO%)mùòc¿+TO,DEà n={Ωi},e i∈{s1,s2,…,sc}。3õ,CSP0 HQ。¼½;< 50ÀÆop¿,0¶·}Øqr, )m¥H¦%U£óô Sig(ci)\" sþHQ¶·yE 1¥F,e,)±ú[E n={Ωi}DE+m σ={Sig(ci),Ωi}¸¹p TPA。 tc,óô[E tq,¿/ -¦[E tt。 (4)¿+¦¥¦。« TPAi.C CSP¸¹% ' 1 BCjk6lm)n%& ¿++m σ={Sig(ci),Ωi},i∈{s1,s2,…,sc}[,· Table1 Parametersofexperimentalcostfor ÆU£óô Sig(ci)\"n={Ωi},«¬ H¦% Merkel£r。y·Æ)óô Sig(ci) differentdataintegrityverification Qw@ pk¿+úÉ,LQwU£óô\" n=±ú Merkel£r,£+VÆ)) TO tc/ms tq/ms tt/ms mùòc¸G¹?。¤_,£+VÆ))mùòc BLS 432 71 123 7C¹?。 ECDSA 450 69 121 de% 422 62 119
第113页
W 4X ý þ,O:ÄðÕñùòc%óóô¿+T% 459 4 tapossession[M].Chicago:CCS,2009. [5] WangQ,WangC,LiJ,etal.Enablingpublicverifiabilityand ¶=óóô\" Merkel%)mùòc¿+T %,u©aHsþSÇ。ªT%%Gscvd6 datadynamicsforstoragesecurityincloudcomputing[C]//Euro óóô«¬tcÒ¬,St BLSlóô\" peanConferenceonResearchinComputerSecurity,SpringerVer t ECDSAÈÉóô%à_)Ò¬\"H)Ò lag,2009. ¬,!½\\óô%Ò¬!,6)±ú[\"óô± [6] HeD B,ZeadallyS,WuLB.Certificatelesspublicauditing ú[T8u©SÇ。ªT%%%#cvd6 schemeforcloud-assistedwirelessbodyareanetworks[J].IEEE óóôt LWEPLNJ,È[u©%Â!U SystemsJournal,2015,99:1-10. ;<c,zTOl×,ÊÕ6`½[«¬ [7] ZhangJ,DongQ.EfficientIDbasedpublicauditingfortheout PLONJ,ST`Â\"²;, R:ÈZÒ¬ sourceddataincloudstorage[J].InformationSciences,2016, `ëç;ºÌÍùË。 343:1-14. [8] YuY,ManHAA,AtenieseG,etal.Identitybasedremotedata LM?N: integritycheckingwithperfectdataprivacypreservingforcloud storage[J].IEEETransactionsonInformationForensics&Securi [1] ÌIð,Í VÎ.ó ` a Ü Ì Í [J].` a Ü D,2014,14 ty,2017,99:105-112. (1):13-27. [9] YanH,LiJ,HanJ,etal.Anovelefficientremotedataposses sioncheckingprotocolincloudstorage[J].IEEETransactionson [2] ÏÐÑ.lóô¬%ÌÍv6BÒð«¬e%¦Æ [D]. InformationForensics& Security,2016,12(1):78-88. Ó%:Ó%ÔUÊÜ,2014. [10] LiL,YangY,WuZ.FMRPDP:flexiblemultiplereplicaprov [3] ÕÖ×.tÈÉ%ðÕñ)mùòc%¿+ÌÍ[J]. abledatapossessionincloudstorage[C]//ComputersandCom dýÔU(,2016,39(23):93-97. munications,IEEE,2017:1115-1121. [4] ErwayC,KupcuA,PapamanthouC,etal.Dynamicprovableda (OP )
第114页
W 30 W 4X Ê Ü Ü D Vol.30 No.4 JournalofHeilongjiangUniversityofScience& Technology 2020î 07ï July2020 4Øå DTUjÙ[¤½Æ% ModbusDdµàô 1, )1, 2, 2 (1.ÊÜ ÔU67àxÜõ,ö÷ø 150022; 2.ÚåùÔM©K@ÛÜ@Ô@Û, Ü 164300) Q R:0AoUd Modbus ¡¢£¤¥6RS,¦nM§,-B4¨c6 Modbus©ª«¬9:。MN«¬®¯B¢4J°±B²,³NB²4´«¬µ¶6·¸¹º »¼½¾0G,¿ÀrTU³ÁB²ÂÃÄ6·¸¹0GÅÆ|0AÇ-ÈÁÂ,ÉÊ.GË ÌͶÎÉBÏo。xyz{,Ð$X6 Modbus«¬9:ÑÒ,¡d9:ÓÔ>«¬0G6¤ ¥。µÕÖ×Ø6ÙÚÛ,|9:=ÜÝ4Þ߸àácâã0AÉB«¬。 STU:;Modbus ¡;B4¨c doi:10.3969/j.issn.2095-7262.2020.04.020 @8GVW:TN915.9 ?XOW:2095-7262(2020)04-0460-05 ?NYZ[:A ModbusmessagetransmissionmodeofDTU equipmentin Internetofthingsbasedontimedivisionmultiplexing KangHui1, YangQingjiang1, XuChao2, ZhengZheyu2 (1.SchoolofElectronic& Information,HeilongjiangUniversityofScience& Technology,Harbin150022,China; 2.HeihePowerSupplyCompanyofStateGridHeilongjiangElectricPowerCo.Ltd.,Heihe164300,China) Abstract:ThispaperproposesatimedivisionmultiplexingModbusslavequeryalgorithmdesignedto addressthelimitationofModbusmessagelengthinthedatatransmissionprocessofIOT.Thealgorithm worksontheprocessbywhichthedurationofaquerycycleisdividedintoseveraltimeslots,ineachof which,thedifferentstartingaddressesandnumbersofregisterarerespectivelyinquired;andbywhich thereceiveridentifieswhichinstructionthedatabelongstobythenumbersofregisterreturnedbyeach timeslotinstructiontoachievesynchronousandrealtimeuploadingofalargenumberofmonitoringval ues.TheresultsshowthatcomparedwiththeconventionalModbusqueryalgorithm,theproposedalgo rithm canovercomethelimitationofthenumbersofquery;withoutadditionalhardware,thealgorithmen ablesrealtimequeryofdataintheapplicationscenariosfordistributedstorageofalargeamountofinfor mation. Keywords:IOT;Modbusmessage;TDM \\]^_:2020-06-30 `abc:ÚÝÔå@ÛåJ (5224201900BS) defghi:Þ ß(1980-),ÿ,aà,ùá1W,!\",#$,ÌÍT?:6Ñ67UV,Email:qihang1601@163.com。
第115页
W 4X Þ ß,O:4Øå DTUjÙ[¤½Æ% ModbusDdµàô 461 ýÜ Æ RS232/RS485, µ ú û Ü Æ û f K ¢ % 0 1 2 Modbusúû。) m Ü n ñ U V à Ü n ù j Ù J*,4Øå({]úâ2¦ÆãLÝä、 )mõ,Q w « ¬ £ ± ë ç % ) 6 7,DTUj Ù ãÐåûOcL,zhãLªÐæ%Fàû4 Øå%¦ Æ ' ç ´ g h è Û T ? ° I[1]。 à û 4 0ª67m Modbusúûê>ð6。deÒç Øå&è%O0Ê!u©¢éQ6ÉL%jÙQw økE STAàDàô% DTUjÙvåæ?Z ¢ ÌÍ DTUjÙ)mÜnñUVà_`% Mod ¨lú,åæ?Z 0jÙÜn%)mhiê> ð6,6ð?ZØÙùú)m%±Î[2]。DE4Ø busDdµàô。 åë|5%“\\]e”———hë åæ,{©ì èÜU [3-6]H6 è J K S T、í î T v ï ð : [ 1.2 G I\\ÌÍ,ÌÍú·±¾\\ë|5%)mñNJ。 òÞß[7]H4Øååb%j«F\\²;óô,S åæµ%)+6Ñqhiì`i2,ë T\\åæ5%õö¦{ª、\\°÷ø ùK%j。lH)mµ,àûfµ¶ÜÆ% ,lë 0ë|C%àî!Aòú)+![ë O Modbusú û。´ 6 4 Ø å e ü ú û µ ) m,£
ModbusDdÂKª,pH:Ò{H ab NyquistÜV {Àõö%ýÕ )fLÑw 125,Hìy ÔL!Oàû¦Æ¥ë:%)2!þþqf fs≥2fh, (1) Cçc。QýO·Æ
MCUvÕñÿIÏú ôe:fs———ÜÓþ; %AñÏ0nÄ)67!Õ2gQw UART úû:[8], Ç \" 1 k l Ï % ½ x fh———àî6Ñ%3G-.Óþ。 。#HòÏMÎT%$%,TU²;õö
Ü6Ñ/½àî6Ñ%Ô0@ôE ¬%,0õöÝX¤ú´w[&UV,6§[ &ÔùúHfÈ)%õö,&$n[&,6a b)'$ ç c % ã ä @,$ ° k l ú 、F G c 9Q。 ∑xa(t)= xa(nT)Sa[π(t-nT)/T], (2) n=- 1 3456789:;<,= ôe:xa(t)———àî6Ñ; T———ÜÝX,ÜÓþ fsïE1); Sa———|()。 à)Aò[êçabÜV,)+6ÑR Çh-o%ýE1àî6Ñ,[%)+6ÑE t26Ñ。Q6eE\\3ÊK2·Æ6,$° µú,ý 6 µ * H t 2 6 Ñ ; < è 3 ª。 [¤è½ Æ M g [ ¤ ½ Æ (Time-divisionmulti plexing,TDM)OÄýÆ%3ªTô,O0fÈ %[L6Ñaï46fÈ%[&Ô,5hÈ 4V6µ,6i.6gÆÄT%0n[& Ô%6ÑF}2`1ú16Ñ%Q6(。à D1Vy9 2¥F。 1.1 4#q;< QÆ%4Øåði()y9 1¥F。 8 2 G Fig.2 SchematicofTDM 8 1 4
9 2R*,6°ö\"i.6¤¨©{6 Fig.1 ConnectiontopologyofIOT 7A[b,ÇÜÓþȺ27A。6°ö6,[ büÀHµ÷6ÑÜ,[b7AÝÁC%è
9 1R*,e¢<)mµ%iéK¢Q 6ÑÜr=E 1o。[bÝX7A,üÀûön 6Ñ,n 6 Ñ û + ® 8 2 ° ö[9],n 6 Ñ µ[9ÆÈ4V6。[¤½Æ(:pd)
第116页
462 Ê Ü Ü D W 30 +Q6、;ªÐ、ÊÊFG\\6·Æþ,6*+ N-1 Q6!%È[,´\\klú。 ∑I(t)= i=0 CiRTs(t-iTs), (3) 2 >?@ABC8 Modbus9:;< (4) {RTs(t)= 1,0<t<Ts, 2.1 ModbusRTU 0,, «5ª jE6 Modbusåæ:Ç RTU(þx ôe:I(t)———G%Jvõö_H,45 N Ã6Ne)à ô Q 6 [ % ® 7 o,d e Ç < è ý Õ %rER,Ò{õöDdóô:jÙ2=,ÉL m[&_H; ýa,ýÕ %GÍ\"°Í,ýÕ )!%GÍ \"°Í¤¨E 1 byte,è¿Í CRC16E 2 byte。 Ci———fÈ[&%õö_H,}fÈr[ë² {¼¦Ddóô:jÙ2=、ÉLýa、¸¹)m N%ýÕ fÈ,õö_H´fÈ; +)¤¨E 1 byte、¸¹)m N byte,è¿Í CRC16E 2 byte。{¼¦Ddóôe“¸¹) RTs(t)———}Æ(); m+)”EÒ{õöDdóôõö“ýÕ )!” Ts———[&`I。 %d>,
{¼¦Ddóô“¸¹)m+)”^
{¼¦%Dde“jÙ2=”\"“ÉLý E+ R |,V n : À õ ö 3 è ê L + } 255ýÕ % ) m。 O,6 7 % à û ¦ a”H¥©%[&_HqaÈ,é,°ö§m[& Æe??Qw@«¬£±Ê!úc),ìUp H¦Æe)Õñ%ýÕ 2='çfð8,E õö_H[\"J0“ýÕ )!”jkEïfaÈ, \\*+p[A>RÇÜ}@8%T%0¥©) :。 Ç:H¸¹%)mA.±Î。 2.2 Modbus ¶=åJpH0M6 480ýÕ 'çÔ% 6ab NyquistÜV,UV H)mB CLv[UV%*F@,R0õöÝX¤ú´ 141ÔL ! ) Ü Æ À G、K m [ & _ H w[&,jõ§[&UV[ð6Ñ。[&D ¤F:y9 3¥F。 2UV,Kxð+xy9 4¥F。 8 3 G 8 4 ~ Fig.3 Timeslotsplittingdiagram Fig.4 Program flow 9 3e0õöÝXD¤ú 3[&UV。 9 4Tì¤ùú[&_H%k, de/HÔL!);<p[A>,jÑ'þ$ TmlKÖÍ flagE 3,jkGì¤ùúõöÝ uRa b ç c。¥ Ç,¢ < Q 6 [ % ä 7 þ j E X%j,ªrRmàx_Kçcuv_。è 9600{Oa«EF。 ¤Lì¤,Qw®mlKÖÍ flag%r20¡ <uv%ÖM。eml 1E flagO¯I 4,y· ´G(õöÝX)ë Nm_HL<¹ ml 1ab,£;º®ml 2O¯ab,ml 2 ¥©),£Jvõö_Hab%bÏE O flagO¯Ê 2;y·ml 2ab£¡<[&_H
第117页
W 4X Þ ß,O:4Øå DTUjÙ[¤½Æ% ModbusDdµàô 463 1,È[0 flag_E 2;¯£¡<[&_H 2,È[ ÜÆde¥¾T%0 DTUKe%õöÝX 0 flag_ 5。y·ml 1fab£¡<[&_H øk 1s,Qw<}STð4ØåØÙ£Q@¥R 3,È[0 flag_E 3。üN,ùúfÈ[&_ jÙ%4àÐúc,uR+Á±Îõ%:D)m,ð H%ûöUV。xðeKm[&_H%õöýÕ 6õöC%)m:D¶·òVy9 6¥F。 )ïfaÈ,6i.%)mDdeÇWK +EKÖRÇHDd)m;<A.±Î,¶= pHåJ%_HOVyE 1¥F。 ' 1 ¡¢£ Table1 Instructions [&_H OV 01.03.00.14.00.3A.85.DD ýÕ :20(0x14) 9<}ýÕ ):58(0x3A) ¸¹oP(*K+):01.03.74 01.03.01.00.00.6C.44.1B ýÕ :256(0x100) 9<}ýÕ )!:108(0x6C) ¸¹oP(*K+):01.03.D8 8 6 BCEª#$ Fig.6 Resultofdatareported 01.03.01.6C.00.74.84.0C ýÕ :364(0x16C) 9<}ýÕ )!:116(0x74) 9 6RÇS,[&_H¡<%[`Ub ¸¹oP(*K+):01.03.E8 Ï,+}[&_H¡<¶·%[``IE 320ms, Lpab¥©)%jÑ'$çc。 0Ú_)%Køk6 DTUjÙe,64Øå ØÙ¨%£Q@RªjÙ,Qw4ØåØÙõ 4 öjÙ:D)m%eÖuR+|_H¡<ãä。 6Ê!%àû4Øå¦Æe,ë|5%)mÜ 3 ,-. nñUV à DTUj Ù _ ` % ) m µ V Modbusúû,
ModbusúûDdÂKª,W ÇKa+Ô{ÒÏEÌÍH,H; ë:%)J!ÑwªKª£1°±F4,Ðú 6%ÔL!;<A>。)mÜn Qw 485A )mCD。H Modbus{õöàôDz;,v WiFijÙ(DTU)hð:å,ð6üSTð4Øå ÷[¤½Æ¬%,6õöÝXe¤è[&õ ØÙϨ%£Qy9 5¥F。 öfÈ%ýÕ 2=v)!,3õ¤m±Î。ª¬ %Rüd©%kljÙpd&è4V)%p[ &$。6KaÔÔL!A>Ï4Øå¦Æe, t[¤½Æ(% ModbusDdµ6fk l%ãä@,Lppd 141ÔL!)%p[ õ ö。 ª T % F G \\ 6 · Æ þ, \\ ú ,| },H©Ê!)ëç:、ìU)¤6fð 8%èýÕ %¦ÆXî,ªT%Èu© %Y#:k。 8 5 ¤7¥¦§.4¨© LM?N: Fig.5 IOTproductofpowerqualitymonitoring [1] ã Z.4Øå(%°Ivàû¦Æ%T?[J].8ÒT [E,2011,32(1):1-7. [2] \\]^,_ `.àûïØå®a\"àФÎ[J].bcdÔ
第118页
464 Ê Ü Ü D W 30 ÊÜÜD(8jÜe),2015,35(5):1-10. [J].IEEEPotentials,2016,35(2):9-16. [3] FeiZ,LiB,YangS,etal.Asurveyofmultiobjectiveoptimiza [7] òÞß,òf,Õ g,O.t MQTTúû%4Øåå tionin wirelesssensornetworks: metrics, algorithmsand open b j « [J].h i Ê Ü Ü D (8 j Ü e ),2019,40 problems[J].IEEECommunicationsSurveys& Tutorials,2016, (4):54-61. 19(1):550-586. [8] PirbhulalS,ZhangH,AlahiM EE,etal.AnovelsecureIOT [4] KhanI,BelqasmiF,GlithoR,etal.Wirelesssensornetworkvir basedsmarthomeautomationsystem usingawirelesssensornet tualization:Asurvey[J].IEEECommunicationsSurveys& Tuto work[J].Sensors,2017,17(1):67-69. rials,2017,18(1):553-576. [9] j k 6.Q 6 1 V [M].W 7e.l c:Ú & à û e [5] QuM Z.Researchontheapplicationsandcharacteristicsofthe m,2020. wirelesssensornetwork[J].AppliedMechanics& Materials, 2014,538:498-501. (OP ) [6] Salam H A,KhanBM.IWSNstandards,challengesandfuture 檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪 (Ed 421«) wxÌÍ[J].eÚ&Â,2013,40(12):104-112. [11] ,_,Ì,O.}&ÂSrstÉ% [4] G «,ÌUn,o ¨ p.q j &  à r s t Ñ u ¥ v w ¶Ï[J].4VÜD,2017,66(14):147901. p¿ÌÍ[J].Ôààu,2009(3):35-38. [12] #, ,I,O.&ÂàeÂTÜDÆ%= [5] ò x,yµÐ.ÆGh>!%rstÂzÂ{%ªÙÌ Í[J].«>(,2015,35(6):10-13. >¤ÎT%[J].>ß(ÜD,2011(4):59-63. [13] CoutoCG,BabuSV.Heattransferandmaterialremovalin [6] |Ø,}~Ø, 6 .q j &  6 r s t v E 8 à ¶Ï%p¿ÌÍ [J]. ÊÜ Ü D,2012,22 pulsedexcimerlaserinducedablation:Pulsewidthdependence (3):297-302. [J].JournalofAppliedPhysics,1994,76(5):3052. [14] ZhigileiLV.Dynamicsoftheplumeformationandparametersof [7] StafeM,MarcuA,PuscasN N.Pulsedlaserablationofsolids: theejectedclustersinshortpulselaserablation[J].Applied basics,theoryandapplication[M].Berlin:SpringerVerlagBer PhysicsA,2003,76(3):339-350. linHeidelberg,2014. [15] #.}&ÂÂrstvwxÌÍ[D].µi:µ àûÊÜ,2011. [8] HorisawaH,EmuraH,YasunagaN.Surfacemachiningcharac teristicsofsapphirewithfifthharmonicYAG laserpulses[J]. (OP ) Vacuum,2004,73(3/4):661-666. [9] Ì÷,
q,x,O.532nml /Ñlg&ÂDÆ rst%ÌÍ[J].¦Æ&Â,2017,37(2):251-255. [10] I,,Õ,O.g&ÂSrsttI
百万用户使用云展网进行网页电子书制作,只要您有文档,即可一键上传,自动生成链接和二维码(独立电子书),支持分享到微信和网站!
更多案例
百万用户使用云展网进行网页电子书制作,只要您有文档,即可一键上传,自动生成链接和二维码(独立电子书),支持分享到微信和网站!
{e.stopPropagation()}">
x
{{toast}}