摘要：[目的/意义]对文化遗产政策中的建档要求进行调查,旨在掌握其总体情况和主要内容,揭示未来发展方向。[方法/过程]采用网络文献调查法和政策内容分析法,对148份涉及文化遗产建档内容的政策文本进行编码和分析。[结果/结论]随着我国文化遗产建档相关政策的发展,已初步形成愈发突出的文化遗产建档需求,不断丰富的文化遗产建档主体,扩充细化的建档对象和内容,面向利用的文化遗产建档活动以及持续完备的保障措施。总体而言,建档正在成为文化遗产保护中不可或缺的基础性工作,未来需进一步加强文化遗产建档政策要求的体系化、衔接性、建档专业性以及面向数字化转型的设计。

摘要：单目全身联合动作捕捉是计算机视觉领域一项非常具有挑战性的任务。传统单目全身联合动捕方法专注于提升在复杂环境中的动捕准确性,却忽视了其在实际应用中的实时性需求。此外,由于缺乏带有人脸表情标签的大规模数据集,传统单目全身联合动捕方法难以准确捕捉人脸表情细节。因此,基于单个单目RGB相机,设计并实现了一种能够在移动端对人的身体、手部和面部进行实时联合动作捕捉的纯视觉动捕系统。在身体和手部姿态估计方面,采用Mediapipe机器学习框架,基于其在运算速度和跨平台支持等方面的出色表现,系统可以在移动端实现准确且实时的三维人体和手部姿态估计;在面部表情捕捉方面,采用一种具有情绪感知能力的轻量级卷积神经网络来实时地从输入人脸图片端到端回归人脸表情和头姿系数。实验结果表明,该系统基于移动端单目RGB相机可以实现人的身体、手部和面部表情的实时联合动作捕捉,并且全身动作捕捉效果逼真,面部表情捕捉准确。

摘要：针对书画文物保护工作中人工病害调查和病害图绘制效率低的问题,探索了基于深度神经网络的目标检测技术识别书画病害的可行性。选择YOLOv5系列模型并根据本研究任务特点对其结构做了优化,包括FGSM算法、CmBN策略、Dropblock正则化和CIOU-Loss损失函数。利用博物馆馆藏书画文物素材,融合Mosaic数据增强方法进行书画文物图片的增强,设计了滑动窗口检测技术、图像逐层分析和定位裁剪技术,初步训练出了2个具备病害识别功能的模型,根据模型性能检验指标最终选择了YOLOv5x6作为本研究任务的模型。测试结果表明,该模型以较高的准确率和查全率识别出了待检测病害,用时仅为人工的千分之一。该技术的引入可极大提高文物病害识别效率,并且在病害识别过程中保持客观、稳定的标准。

摘要：目前，基于人工智能目标检测技术的摄像头得到了广泛的应用．而在现实世界中，基于人工智能的目标检测模型容易受到对抗样本攻击．现有的对抗样本攻击方案都是针对早版本的目标检测模型而设计的，利用这些方案去攻击最新的YOLOv8目标检测器并不能取得很好的攻击效果．为解决这一问题，针对YOLOv8目标检测器设计了一个全新的对抗补丁攻击方案．该方案在最小化置信度输出的基础上，引入了EMA注意力机制强化补丁生成时的特征提取，进而增强了攻击效果．实验证明该方案具有较优异的攻击效果和迁移性，将该方案形成的对抗补丁打印在衣服上进行验证测试，同样获得较优异的攻击效果，表明该方案具有较强的实用性．

摘要：河南省档案馆承担的国家档案局科技项目“基于共建共享的数字档案馆建设研究”,以河南省数字档案馆建设为基础,因地制宜开展具有区域特色的共建共享路径研究,加强系统规划和顶层设计,整合全省档案信息资源,搭建开放共享平台,构筑数字安全防范体系,提供全省档案数据共享服务。课题对推动新修订的《中华人民共和国档案法》和《“十四五”全国档案事业发展规划》落地实施,全面推进区域档案治理能力现代化建设具有现实意义。

摘要：讨论了一种在分布环境下 ,基于MAS的三层安全体系模型框架及相应策略 .根据某一类应用 (如档案管理 )对安全性的特殊要求 ,通过多Agent之间的包容、关联、继承关系解决分布式系统的安全问题 。

摘要：国内开发档案置标著录的Web检索系统是个空白.本文对中国档案置标著录(CNEAD)的计算机信息系统进行了具体的研究和实现,包括架构在***框架上的CNEAD系统功能设计、数据库设计、定义文档结构的XML Schema模式设计、多途径和多入口的Web检索、全宗+类别+案卷+文件的树型结构级联检索.该系统对我国相关标准的制定可起到推动作用.

摘要：当前,中国式现代化对档案事业提出了更系统、更高的要求,其中电子档案单套制管理就是一个重要方面。高校档案管理也必须适应这一趋势,在为党管档、为国守史、为民服务方面做好相关工作。为了解当前高校电子档案单套制管理实施基本情况,依托国家档案局科技项目,笔者及同行成立课题组,制作和设计了调查问卷,对高校电子档案单套制管理在归档系统、制度建设、经费投入、人员安排等方面开展调研,了解其现有情况,并根据其主要特点,以系统观念为指导,系统地、全面地提出优化实施路径。

摘要：为了推动无人值守档案智能存取机器人的建设,针对档案盒识别定位的问题,引入机器视觉技术,能够在不改变原有档案架设计的基础上,高效、准确地实现不同规格档案盒的识别、定位和测量。首先,基于机器学习方法设计了Logistic模型,根据档案盒的颜色特征,对像素点进行分类,从而实现档案盒的识别。其次,结合Blob分析方法和矩形拟合方法,实现档案盒的图像定位和厚度测量。最后,建立相机成像光学模型,实现数据从图像坐标系到空间坐标系的转换,得到档案盒在实际空间下的位置和厚度。根据实验和改进,档案盒定位误差在2mm以内,厚度测量误差在1mm以内,具有较高的精度,满足实际应用需求。

摘要：在档案库房智能化建设中,不改变档案架结构下实现档案的自主存取是一技术难点。仿生人手存取档案的动作,设计了一种面向密集摆放档案存取的仿生机械手,主要包括:1)夹取手掌,模拟人手抓取档案的动作进行档案夹取;2)真空吸盘,模拟人手抽出档案的动作将档案吸出;3)导引手掌,模拟人手存取档案时将待存取档案两侧的档案撑开或抵住的动作;4)测控电路,实时控制和反馈各电气模块的工作状态。能够在不改变原有档案架设计的基础上,代替人力存取不同厚度、不同摆放形式的档案,从而提高档案管理人员的工作效率,推动无人值守档案库房的建设。