CN111985733A - 基于区块链的飞行员技能全生命周期管理*** - Google Patents

基于区块链的飞行员技能全生命周期管理*** Download PDF

Info

Publication number
CN111985733A
CN111985733A CN202010949222.3A CN202010949222A CN111985733A CN 111985733 A CN111985733 A CN 111985733A CN 202010949222 A CN202010949222 A CN 202010949222A CN 111985733 A CN111985733 A CN 111985733A
Authority
CN
China
Prior art keywords
data
module
skill
unit
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010949222.3A
Other languages
English (en)
Other versions
CN111985733B (zh
Inventor
宋谨
程道华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hubei Blue General Aviation Technology Co Ltd
Original Assignee
Hubei Blue General Aviation Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hubei Blue General Aviation Technology Co Ltd filed Critical Hubei Blue General Aviation Technology Co Ltd
Priority to CN202010949222.3A priority Critical patent/CN111985733B/zh
Publication of CN111985733A publication Critical patent/CN111985733A/zh
Application granted granted Critical
Publication of CN111985733B publication Critical patent/CN111985733B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398—Performance of employee with respect to a job function
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Technology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明提供了基于区块链的飞行员技能全生命周期管理***，其包括数据输入模块、数据保存模块和数据查询模块；所述数据输入模块用于输入技能培训资料，并传输至数据保存模块，所述技能培训资料包括飞行员的身份信息；所述数据保存模块用于存储所述技能培训资料；所述数据查询模块用于根据所述身份信息查询对应的飞行员的技能培训资料。本发明可以有效地保存飞行员在学习飞行技能时的考试成绩等各项数据。而且由于飞行员的整个技能学习过程被记录了下来进行统一的管理，用人单位可以对飞行员作出更为全面的了解。

Description

基于区块链的飞行员技能全生命周期管理***
技术领域
本发明涉及管理领域，具体涉及基于区块链的飞行员技能全生命周期管理***。
背景技术
飞行员的技能培训要经过多个阶段，而不同的阶段是在不同的地方进行的，飞行员在不同的地方获得了不同的飞行技能。一般是通过飞行员的考试成绩来判断这个飞行员是否已经掌握相应的飞行技能。但是飞行员在不同地方培训的过程资料以及考试成绩等并没有被统一进行管理，这就导致考试成绩等数据不容易被用人单位获取，而且也很难全面地了解飞行员飞行技能获取的整个过程,不利于用人单位全面评估飞行员的综合素质和了解飞行员的缺陷，使得飞行员录用存在一定的安全风险。
发明内容
针对上述问题，本发明提供了基于区块链的飞行员技能全生命周期管理***，其包括数据输入模块、数据保存模块和数据查询模块；
所述数据输入模块用于输入飞行员的技能培训资料，并传输至数据保存模块，所述技能培训资料包括飞行员的身份信息；
所述数据保存模块用于存储所述技能培训资料；
所述数据查询模块用于根据所述身份信息查询对应的飞行员的技能培训资料。
优选地，所述技能培训资料包括飞行员在飞行技能学习过程中的考试成绩。
优选地，所述数据保存模块包括接收单元、存储单元、检索单元；
所述接收单元用于接收从数据输入模块传送过来的技能培训资料，并传输至存储单元进行存储；
所述存储单元用于存储区块链，所述区块链包括多个电性连接的存储节点，所述存储节点用于存储所述技能培训资料；
所述检索单元用于响应数据查询模块的查询请求，根据所述身份信息从相应的存储节点中读取该身份信息对应的技能培训资料，并将所述技能培训资料返回至数据查询模块。
本发明的有益效果为：
本发明通过获取飞行员在整个技能培训的生命周期中的技能培训资料，并通过区块链技术进行存储，可以有效地保存飞行员在学习飞行技能时的考试成绩等各项数据。而且由于飞行员的整个技能学习过程被记录了下来进行统一的管理，用人单位可以对飞行员作出更为全面的了解，根据飞行员存在的缺陷***可能带来的潜在风险，在一定程度上降低了飞行员录用的安全风险,有利于保证旅客的安全。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1，为本发明基于区块链的飞行员技能全生命周期管理***的一种示例性实施例图。
图2，为本发明输入模块的一种示例性实施例图。
图3，为本发明数据保存模块的一种示例性实施例图。
附图标记：
输入模块1、数据保存模块2、数据查询模块3、括输入单元11、传输单元 12、接收单元21、存储单元22、检索单元23。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本发明的基于区块链的飞行员技能全生命周期管理***，其包括数据输入模块1、数据保存模块2和数据查询模块3；
所述数据输入模块1用于输入技能培训资料，并传输至数据保存模块2，所述技能培训资料包括飞行员的身份信息；
所述数据保存模块2用于存储所述技能培训资料；
所述数据查询模块3用于根据所述身份信息查询对应的飞行员的技能培训资料。
在一种实施方式中，所述技能培训资料包括飞行员在飞行技能学习过程中的考试成绩。
飞行员在整个飞行技能学习过程中，在不同的学习阶段获得不同的考试成绩，每获得一个阶段的考试成绩，负责该阶段考试的人员便将所述考试成绩通过数据输入模块1传输至数据保存模块2进行储存。
在另一种实施方式中，所述技能培训资料还包括飞行员在飞行技能学习过程中的教练评价信息。
在一种实施方式中，如图2所示，所述数据输入模块1包括输入单元11和传输单元12，所述输入单元11用于输入所述技能培训资料，并通过所述传输单元12将所述技能培训资料传输至数据保存模块2。
在一种实施方式中，所述输入单元11包括计算机终端，所述计算机终端包括用于信息输入的设备。
在一种实施方式中，如图3所示，所述数据保存模块2包括接收单元21、存储单元22、检索单元23；
所述接收单元21用于接收从数据输入模块1传送过来的技能培训资料，并传输至存储单元22进行存储；
所述存储单元22用于存储区块链，所述区块链包括多个电性连接的存储节点，所述存储节点用于存储所述技能培训资料；
所述检索单元23用于响应数据查询模块3的查询请求，根据所述身份信息从相应的存储节点中读取该身份信息对应的技能培训资料，并将所述技能培训资料返回至数据查询模块3。
在一种实施方式中，所述数据查询模块3包括输入子模块和显示子模块；
所述输入子模块用于用户输入包含身份信息的查询请求，并将所述查询请求发送至数据保存模块2；
所述显示子模块用于显示从所述数据保存模块2返回来的所述身份信息对应的技能培训资料。
在一种实施方式中，所述数据查询模块3还包括身份验证子模块；所述身份验证子模块用于对使用数据查询模块3的用户的身份进行验证，若验证通过，则允许所述用户使用数据查询模块3，否则，不允许所述用户使用数据查询模块3。
在一种实施方式中，所述身份验证子模块包括验证信息获取单元、验证信息匹配单元、匹配结果显示单元；
所述验证信息获取单元用户获取用户的身份验证信息，并传输至验证信息匹配单元；
所述验证信息匹配单元用于将所述身份验证信息与数据查询模块3中预先存储的用户身份信息进行匹配，获取匹配结果，若匹配成功，则所述匹配结果为用户的身份验证通过，否则，所述匹配结果为用户的身份验证没有通过，验证信息匹配单元将所述匹配信息传输至匹配结果显示单元；
所述匹配结果显示单元用于接收并显示所述匹配结果。
在一种实施方式中，所述身份验证信息包括用户的脸部图像，所述验证信息匹配单元用于提取用户的脸部图像的特征数据，并将用户的脸部图像的特征数据与数据查询模块3中预先存储的脸部图像的特征数据进行匹配。
在另一种实施方式中，所述身份验证信息包括用户的指纹图像，所述验证信息匹配单元用于提取用户的指纹图像的特征数据，并将用户的指纹图像的特征数据与数据查询模块3中预先存储的指纹图像的特征数据进行匹配。
在一种实施方式中，所述验证信息获取单元通过如下方式获取用户的脸部图像：
初次获取用户的脸部图像；
判断用户的脸部图像是否达到预设的质量要求，若用户的脸部图像达到预设的质量要求，则验证信息获取单元将所述用户的脸部图像传输至验证信息匹配单元；否则，验证信息获取单元重新获取用户的脸部图像；
通过如下方式对用户的脸部图像是否达到预设的质量要求进行判断：
计算用户的脸部图像的质量评分：
Figure RE-GDA0002703628200000051
式子中，quasc表示用户的脸部图像的质量评分，α、β表示预设的权重系数，
Figure RE-GDA0002703628200000052
表示符合括号内的条件的像素点的数量，numoft表示用户的脸部图像中的特征点的数量，numofa表示图像中像素点的总数，t表示预设的特征点数量阈值，quathre表示预设的噪声点数量阈值，numfon(n)表示表示用户的脸部图像中噪声点的总数，(i,j)表示像素点的坐标，A×B表示图像的大小，P(i,j) 表示(i,j)处的像素点的灰度值，
Figure RE-GDA0002703628200000053
表示偏导符号，δ表示信噪比,min()表示取括号内的最小值。
将用户的脸部图像的质量评分quasc与质量评分阈值quasct进行比较，若 quasc大于quasct，则用户的脸部图像达到预设的质量要求，否则用户的脸部图像没有达到预设的质量要求。
本发明上述实施方式，在获取到用户的脸部图像后，先对该脸部图像进行质量评分的计算，并通过所述质量评分和质量评分阈值进行比较，从而判断该脸部图像是否合格，以实现对图像质量的判定。可以有效地避免不符合质量分数的脸部图像进入后续的处理中，浪费计算资源。在计算质量分数时考虑了脸部图像的噪声点的数量、特征点的数量、像素点的灰度值等参数，可以对用户的脸部图像进行综合的质量判断，避免了现有技术中通过信噪比来对图像的质量进行评价的方式导致的图像质量的判断不准确的问题。
在一种实施方式中，所述提取用户的脸部图像的特征数据，包括：
对用户的脸部图像进行灰度化处理，得到用户脸部灰度图像；
对用户脸部灰度图像进行光照调节，得到用户脸部光照调节图像；
对所述用户脸部光照调节图像进行滤波处理，得到用户脸部滤波图像；
对所述用户脸部滤波图像进行图像分割处理，提取只包含用户脸部区域的前景部分，得到用户脸部前景图像；
对所述用户脸部前景图像进行特征提取，获得特征数据。
在一种实施方式中，对用户的脸部图像进行灰度化处理，得到用户脸部灰度图像，包括：
采用心理学灰度公式，对用户的脸部图像使用加权平均法进行处理，从而得到用户脸部灰度图像。
在一种实施方式中，对用户脸部灰度图像进行光照调节，得到用户脸部光照调节图像，包括：
对于通过在t时刻获取用户脸部灰度图像，使用如下方式对其进行光照调节处理：
Figure RE-GDA0002703628200000061
式中，ladjI(t)表示调整后的t时刻的用户脸部光照调节图像，U表示时间区间
Figure RE-GDA0002703628200000062
内获取的用户脸部灰度图像的集合，T表示预设的时间周期， numU表示U中的元素的总数，δ表示预设的比例控制系数，t(u)表示U中第u 个元素获取的时刻，exI(u)表示U中的第u幅用户脸部灰度图像，gale(u)表示U 中的第u幅用户脸部灰度图像的光照调节系数，transt(u)表示U中第u幅用户脸部灰度图像的环境光系数，thre表示预设的环境光系数阈值，max()表示取括号中的较大值，
Figure RE-GDA0002703628200000063
η表示预设的权重系数，I(t)表示在t时刻获取用户脸部灰度图像；
gale(u)通过如下方式获取：
对U中的第u幅用户脸部灰度图像，将其所有像素点的灰度值从大到小进行排列，求取排名前numu×ut个像素点的灰度值的平均值作为gale(u)的值，numu 表示U中的第u个元素对应的用户脸部灰度图像的像素点的总数，ut表示预设的像素点比例系数；
transt(u)通过如下方式进行计算：
对于U中第u幅用户脸部灰度图像，将其对应的用户的脸部图像记为f(u)，分别计算f(u)在R、G、B三个颜色分量中的分量均值，
Figure RE-GDA0002703628200000071
式中，r∈{R,G,B}，comvaf(u,r)表示f(u)在r颜色分量中的分量均值，numK 表示用户的脸部图像的像素点的总数，K表示f(u)中所有像素点的集合，k表示 K中的第k个像素点，fu(k,r)表示K中的第k个像素点在r颜色分量中的分量值；
将使得comvafu(r)取得最小值时的颜色分量作为比较颜色分量compc；
获取U中的元素所对应的用户的脸部图像在比较颜色分量compc中取得的分量均值的最小值miur，将f(u)在比较颜色分量中取得的分量均值记为mifu；
使用下述公式获取transt(u):
transt(u)＝mi(miur,mifu)
式中mi()表示取括号中的较小值。
本发明上述实施方式，在对待处理的用户脸部灰度图像进行光照调节时，通过在预设的时间周期T内获取的用户脸部灰度图像对对待处理的用户脸部灰度图像进行加权融合，可以有效地减少光照对后续特征提取的影响，具体地，在加权融合计算的参数的选取上，考虑了比例控制系数、时间周期、光照调节系数、环境光系数等参数，能够全面地利用T时间周期内获取的用户脸部灰度图像对当前正在进行光照调节的用户脸部灰度图像进行光线调节。创造性地加入了光照调节系数、环境光系数这两个参数，在计算光照调节系数时，通过设置像素点比例系数，使得光照调节系数可以自适应地随着不同情况的用户脸部灰度图像进行变换，有利于提高光照调节的准确性，因为如果将固定数值作为光照调节系数，这将不能准确地反应用户脸部灰度图像的真实情况，从而影响对I(t)进行光照调节。在计算环境光系数时，通过用户脸部灰度图像对应的用户的脸部图像在RGB三个颜色分量中的分量平均值的最小值，与U中的元素对应的用户的脸部图像在RGB 三个颜色分量中的分量平均值的最小值进行对比，从而增强了I(t)和U之间的联系，使得ladjI(t)能够更为准确地由U中的元素与其进行加权融合取得。
在一种实施方式中，对所述用户脸部光照调节图像进行滤波处理，得到用户脸部滤波图像，包括：
对用户脸部光照调节图像进行小波分解，获得高频小波系数图像HFI和低频小波系数图像LFI，
对LFEWCI，进行如下阈值处理：
Figure RE-GDA0002703628200000081
式中，aLFI(a,b)表示处理后的第a层小波分解第b个低频小波系数图像， LFI(a,b)表示处理前第a层小波分解第b个低频小波系数图像，σ1和σ2表示预设的阈值处理系数，thr1和thr2表示预设的比较阈值，Γ1和Γ2表示缩放控制系数， sg表示符号函数，thr1通过如下方式进行求取：
Figure RE-GDA0002703628200000082
式中，mid()表示取括号中变量的取值集合中，大小排在中间的元素，若该取值集合的元素总数为偶数，则表示取排在最中间的两个元素的均值， signalL(a,b)表示第a层小波分解第b个低频小波系数图像中的像素点的总数， thr2＝2thr1；
将高频小波系数图像和阈值处理后的低频小波系数图像进行小波重构，得到得到用户脸部滤波图像。
本发明上述实施方式，通过对低频系数图像的进行阈值处理，可以有效地去除低频系数图像中的噪声的影响，同时可以避免出现传统的滤波算法导致的熵增以及图像边缘模糊的问题。对不同的低频系数图像自适应地选取不同的处理函数进行处理，可以使得滤波更具有针对性，滤波准确率更高。在选取比较阈值时，考虑了低频小波系数图像中的像素点的总数、小波系数图像的中值等参数，从而避免使用硬阈值导致的滤波准确率降低的问题，可以自适应地针对不同情况的低频系数图像产生不同的比较阈值。有利于提高后续特征数据提取的准确性。
本发明通过获取飞行员在整个技能培训的生命周期中的技能培训资料，并通过区块链技术进行存储，可以有效地保存飞行员在学习飞行技能时的考试成绩等各项数据。而且由于飞行员的整个技能学习过程被记录了下来进行统一的管理，用人单位可以对飞行员作出更为全面的了解，根据飞行员存在的缺陷***可能带来的潜在风险，在一定程度上降低了飞行员录用的安全风险,有利于保证旅客的安全。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (7)

1.基于区块链的飞行员技能全生命周期管理***，其特征在于，其包括数据输入模块、数据保存模块和数据查询模块；
所述数据输入模块用于输入技能培训资料，并传输至数据保存模块，所述技能培训资料包括飞行员的身份信息；
所述数据保存模块用于存储所述技能培训资料；
所述数据查询模块用于根据所述身份信息查询对应的飞行员的技能培训资料。
2.根据权利要求1所述的基于区块链的飞行员技能全生命周期管理***，其特征在于，所述技能培训资料包括飞行员在飞行技能学习过程中的考试成绩。
3.根据权利要求1所述的基于区块链的飞行员技能全生命周期管理***，其特征在于，所述数据输入模块包括输入单元和传输单元，所述输入单元用于输入所述技能培训资料，并通过所述传输单元将所述技能培训资料传输至数据保存模块。
4.根据权利要求1所述的基于区块链的飞行员技能全生命周期管理***，其特征在于，所述数据保存模块包括接收单元、存储单元和检索单元；
所述接收单元用于接收从数据输入模块传送过来的技能培训资料，并传输至存储单元进行存储；
所述存储单元用于存储区块链，所述区块链包括多个电性连接的存储节点，所述存储节点用于存储所述技能培训资料；
所述检索单元用于响应数据查询模块的查询请求，根据所述身份信息从相应的存储节点中读取该身份信息对应的技能培训资料，并将所述技能培训资料返回至数据查询模块。
5.根据权利要求1所述的基于区块链的飞行员技能全生命周期管理***，其特征在于，所述数据查询模块包括输入子模块和显示子模块；
所述输入子模块用于用户输入包含身份信息的查询请求，并将所述查询请求发送至数据保存模块；
所述显示子模块用于显示从所述数据保存模块返回来的所述身份信息对应的技能培训资料。
6.根据权利要求5所述的基于区块链的飞行员技能全生命周期管理***，其特征在于，所述数据查询模块还包括身份验证子模块；所述身份验证子模块用于对使用数据查询模块的用户的身份进行验证，若验证通过，则允许所述用户使用数据查询模块，否则，不允许所述用户使用数据查询模块。
7.根据权利要求6所述的基于区块链的飞行员技能全生命周期管理***，其特征在于，所述身份验证子模块包括验证信息获取单元、验证信息匹配单元和匹配结果显示单元；
所述验证信息获取单元用户获取用户的身份验证信息，并传输至验证信息匹配单元；
所述验证信息匹配单元用于将所述身份验证信息与数据查询模块中预先存储的用户身份信息进行匹配，获取匹配结果，若匹配成功，则所述匹配结果为用户的身份验证通过，否则，所述匹配结果为用户的身份验证没有通过，验证信息匹配单元将所述匹配信息传输至匹配结果显示单元；
所述匹配结果显示单元用于接收并显示所述匹配结果。
CN202010949222.3A 2020-09-10 2020-09-10 基于区块链的飞行员技能全生命周期管理*** Active CN111985733B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010949222.3A CN111985733B (zh) 2020-09-10 2020-09-10 基于区块链的飞行员技能全生命周期管理***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010949222.3A CN111985733B (zh) 2020-09-10 2020-09-10 基于区块链的飞行员技能全生命周期管理***

Publications (2)

Publication Number Publication Date
CN111985733A true CN111985733A (zh) 2020-11-24
CN111985733B CN111985733B (zh) 2021-05-25

Family

ID=73450805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010949222.3A Active CN111985733B (zh) 2020-09-10 2020-09-10 基于区块链的飞行员技能全生命周期管理***

Country Status (1)

Country Link
CN (1) CN111985733B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113331792A (zh) * 2021-07-02 2021-09-03 北京美医医学技术研究院有限公司 一种基于肤质情况的护肤提示***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105528791A (zh) * 2015-12-17 2016-04-27 广东工业大学 一种面向触摸屏手绘图像的质量评价装置及其评价方法
CN108769133A (zh) * 2018-05-04 2018-11-06 珠海市筑巢科技有限公司 一种基于区块链的飞行数据共享方法、计算机装置及计算机可读存储介质
CN109271810A (zh) * 2018-08-01 2019-01-25 冼钇冰 一种基于区块链的考试信息记录***及考试信息记录方法
CN109801043A (zh) * 2019-02-01 2019-05-24 苏州链读文化传媒有限公司 基于区块链的全生命周期学习记录认证装置及认证方法
CN110569643A (zh) * 2019-09-10 2019-12-13 腾讯科技（深圳）有限公司 一种基于区块链网络的交通管理方法及装置
CN110728500A (zh) * 2019-12-19 2020-01-24 国网电子商务有限公司 一种基于区块链的企业员工全生命周期管理方法及***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105528791A (zh) * 2015-12-17 2016-04-27 广东工业大学 一种面向触摸屏手绘图像的质量评价装置及其评价方法
CN108769133A (zh) * 2018-05-04 2018-11-06 珠海市筑巢科技有限公司 一种基于区块链的飞行数据共享方法、计算机装置及计算机可读存储介质
CN109271810A (zh) * 2018-08-01 2019-01-25 冼钇冰 一种基于区块链的考试信息记录***及考试信息记录方法
CN109801043A (zh) * 2019-02-01 2019-05-24 苏州链读文化传媒有限公司 基于区块链的全生命周期学习记录认证装置及认证方法
CN110569643A (zh) * 2019-09-10 2019-12-13 腾讯科技（深圳）有限公司 一种基于区块链网络的交通管理方法及装置
CN110728500A (zh) * 2019-12-19 2020-01-24 国网电子商务有限公司 一种基于区块链的企业员工全生命周期管理方法及***

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113331792A (zh) * 2021-07-02 2021-09-03 北京美医医学技术研究院有限公司 一种基于肤质情况的护肤提示***

Also Published As

Publication number Publication date
CN111985733B (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
Gu et al. Learning a no-reference quality assessment model of enhanced images with big data
CN109583342B (zh) 基于迁移学习的人脸活体检测方法
CN109522815B (zh) 一种专注度评估方法、装置及电子设备
Indriani et al. Tomatoes classification using K-NN based on GLCM and HSV color space
Raghavendra et al. Robust scheme for iris presentation attack detection using multiscale binarized statistical image features
CN111027378B (zh) 行人重识别的方法、装置、终端及存储介质
CN104123543B (zh) 一种基于人脸识别的眼球运动识别方法
CN109784182A (zh) 行人重识别方法和装置
KR102284096B1 (ko) 중요도 맵을 이용한 지능형 주관적 화질 평가 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체
CN109584202A (zh) 图像处理装置、方法和非暂时性计算机可读存储介质
US20160364883A1 (en) Image processing apparatus, image processing method, and recording medium
US8509539B2 (en) Image processing apparatus and image processing method
Monwar et al. Pain recognition using artificial neural network
Hadiprakoso et al. Face anti-spoofing using CNN classifier & face liveness detection
CN111985733B (zh) 基于区块链的飞行员技能全生命周期管理***
Temdee et al. Food recognition on smartphone using transfer learning of convolution neural network
WO2016023582A1 (en) A method of detecting a falsified presentation to a vascular recognition system
CN113128373B (zh) 基于图像处理的色斑评分方法、色斑评分装置及终端设备
CN113963193A (zh) 车身颜色分类模型生成的方法、装置以及存储介质
CN116824695A (zh) 一种基于特征去噪的行人再识别非局部防御方法
CN111222374A (zh) 测谎数据处理方法、装置、计算机设备和存储介质
Song et al. Face anti-spoofing detection using least square weight fusion of channel-based feature classifiers
CN109934082B (zh) 一种基于头像识别的分组方法及装置
CN109389489B (zh) 欺诈行为的识别方法、计算机可读存储介质及终端设备
US8548210B2 (en) Image processing apparatus and image processing method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant