陳熔+劉杰

摘 要： 以往設(shè)計(jì)出的特定人員檢索平臺(tái)均或多或少地存在一些問(wèn)題，主要體現(xiàn)在檢索準(zhǔn)確率和檢索效率都不高。面對(duì)此現(xiàn)象，設(shè)計(jì)基于智能視覺(jué)的特定人員檢索平臺(tái)。平臺(tái)中的采集模塊負(fù)責(zé)進(jìn)行特定人員圖像特征的采集工作。特征提取模塊根據(jù)采集模塊給出的特定人員圖像特征，使用色彩對(duì)比度方法，將檢索數(shù)據(jù)庫(kù)中與其具有相似特征的候選圖像篩選出來(lái)，并利用候選圖像對(duì)智能視覺(jué)模塊進(jìn)行訓(xùn)練。訓(xùn)練成功后的智能視覺(jué)模塊將依據(jù)特定人員圖像特征，將候選圖像中的最佳目標(biāo)圖像檢索出來(lái)。經(jīng)實(shí)驗(yàn)分析可知，所設(shè)計(jì)的平臺(tái)擁有很高的檢索準(zhǔn)確率和檢索效率，可較好地實(shí)現(xiàn)設(shè)計(jì)目標(biāo)。

關(guān)鍵詞： 智能視覺(jué)； 目標(biāo)圖像檢索； 檢索平臺(tái)； 候選圖像

中圖分類(lèi)號(hào)： TN915.5?34； TP391.3 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）14?0102?04

Abstract： The previous?designed specific staff retrieval platform has some problems more or less， and is mainly reflected in the low retrieval accuracy and low retrieval efficiency， therefore a specific staff retrieval platform based on intelligent vision was designed. The acquisition module in the platform is responsible for the acquisition of the specific staff image characteristics. The feature extraction module gives the image feature of the specific staff according to the image acquisition module. The color contrast method is used to screen out the candidate images with similar characteristic in retrieval database. The candidate images are adopted to train the intelligent vision module. The successfully?trained intelligent vision module is employed to retrieve the optimal target image in candidate images according to the image feature of the specific staff. The experimental analysis result shows that the designed platform has high retrieval accuracy and high retrieval efficiency， and can realize the design objective better.

Keywords： intelligent vision； target image retrieval； retrieval platform； candidate image

0 引 言

隨著科技的不斷發(fā)展，人們所持有的多媒體信息也越來(lái)越多。面對(duì)膨脹式的信息量，人腦已無(wú)法對(duì)其進(jìn)行完整記憶[1]。在公安、消防等機(jī)關(guān)中，工作人員經(jīng)常需要對(duì)一些特定人員進(jìn)行檢索，人們期待能夠出現(xiàn)一種可進(jìn)行準(zhǔn)確、高效檢索工作的平臺(tái)[2]。智能視覺(jué)是一種以人眼結(jié)構(gòu)特點(diǎn)為導(dǎo)向設(shè)計(jì)出的圖像識(shí)別技術(shù)，因此，設(shè)計(jì)一種基于智能視覺(jué)的特定人員檢索平臺(tái)，以幫助人們更為有效地完成特定人員檢索工作。

以往設(shè)計(jì)出的各種特定人員檢索平臺(tái)均或多或少地存在一定問(wèn)題，體現(xiàn)在檢索準(zhǔn)確率和檢索效率不高等方面[3]。例如文獻(xiàn)[4]使用了幾何限制方法進(jìn)行特定人員圖像的檢索工作，該平臺(tái)先篩選出與特定人員圖像特征相似度較高的候選圖像，再通過(guò)驗(yàn)證圖像之間的幾何性質(zhì)檢索出最佳圖像，但平臺(tái)的計(jì)算實(shí)現(xiàn)過(guò)于復(fù)雜。文獻(xiàn)[5]基于詞袋模型對(duì)特定人員檢索平臺(tái)進(jìn)行了具體設(shè)計(jì)與實(shí)現(xiàn)，整個(gè)平臺(tái)的檢索性能不是很高，只適用于小范圍的檢索工作。文獻(xiàn)[6]中的平臺(tái)使用漢明編碼方法對(duì)特定人員圖像信息中的重要特征點(diǎn)進(jìn)行了編碼，使目標(biāo)圖像與候選圖像在空間上更為貼近，方便對(duì)候選圖像進(jìn)行高效檢索。但該平臺(tái)在對(duì)重要特征點(diǎn)的選擇上存在一些問(wèn)題。文獻(xiàn)[7]設(shè)計(jì)并實(shí)現(xiàn)了基于C/S架構(gòu)的特定人員檢索平臺(tái)，但C/S架構(gòu)需要將特定人員圖像抽象化后再進(jìn)行檢索工作，經(jīng)常導(dǎo)致圖像部分信息不完整。

隨著公安、消防等機(jī)關(guān)中案件的增多，以往設(shè)計(jì)出的特定人員檢索平臺(tái)已無(wú)法滿(mǎn)足檢索工作對(duì)檢索準(zhǔn)確率和檢索效率要求[8]?；谏鲜鲈?，設(shè)計(jì)基于智能視覺(jué)的特定人員檢索平臺(tái)，并對(duì)平臺(tái)中各模塊進(jìn)行重點(diǎn)設(shè)計(jì)和實(shí)現(xiàn)。

1 基于智能視覺(jué)的特定人員檢索平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)

所設(shè)計(jì)的基于智能視覺(jué)的特定人員檢索平臺(tái)擁有三個(gè)模塊，分別是采集模塊、特征提取模塊和智能視覺(jué)模塊，現(xiàn)分別對(duì)上述三個(gè)模塊進(jìn)行設(shè)計(jì)和實(shí)現(xiàn)。

1.1 采集模塊設(shè)計(jì)與實(shí)現(xiàn)

采集模塊負(fù)責(zé)進(jìn)行特定人員圖像特征的采集工作，所采集到的信息將被傳輸?shù)教卣魈崛∧K。該模塊所使用的特征采集設(shè)備是我國(guó)某公司生產(chǎn)的Kvcom系統(tǒng)，這是一款集掃描、采集、修正功能于一體的特征采集設(shè)備，性能優(yōu)異并且價(jià)格便宜。在所設(shè)計(jì)的基于智能視覺(jué)的特定人員檢索平臺(tái)中，Kvcom系統(tǒng)能夠?qū)μ囟ㄈ藛T圖像進(jìn)行全方位、無(wú)死角掃描，力求不錯(cuò)過(guò)任何可能的重點(diǎn)特征，并能夠?qū)Σ缓侠淼奶卣鬟M(jìn)行自動(dòng)修正，有效保證了系統(tǒng)的檢索準(zhǔn)確率[9]。

采集模塊的Kvcom系統(tǒng)主要由掃描芯片、采集器和信號(hào)放大器組成，并配備了專(zhuān)用處理軟件。掃描芯片完成掃描后，會(huì)將特定人員圖像信息傳遞給采集器進(jìn)行圖像特征的提取工作，采集器內(nèi)部電路結(jié)構(gòu)如圖1所示。Kvcom系統(tǒng)的采集器與計(jì)算機(jī)直接相連，工作人員可使用系統(tǒng)處理軟件對(duì)特征提取工作的參數(shù)進(jìn)行設(shè)定。采集器使用12 V蓄電池供電，其電阻材質(zhì)均為康銅絲，精度較高。采集器還內(nèi)置了DC?DC轉(zhuǎn)換芯片，其作用是穩(wěn)定采集器電路電壓，并隔離外部環(huán)境中的噪音干擾[10]。

經(jīng)采集器提取出的特定人員圖像特征需要先經(jīng)信號(hào)放大器進(jìn)行信號(hào)放大，再傳輸給特征提取模塊。圖2是信號(hào)放大器內(nèi)部電路結(jié)構(gòu)圖，經(jīng)分析可知，為了保證特定人員初始圖像信息的完整性，信號(hào)放大器的內(nèi)部電路設(shè)計(jì)較為簡(jiǎn)單，不存在過(guò)多的濾波和轉(zhuǎn)換裝置，并且電路接線(xiàn)較為簡(jiǎn)單，易于實(shí)現(xiàn)。

1.2 特征提取模塊設(shè)計(jì)與實(shí)現(xiàn)

在基于智能視覺(jué)的特定人員檢索平臺(tái)中，特征提取模塊將根據(jù)采集模塊給出的特定人員圖像特征，對(duì)檢索數(shù)據(jù)庫(kù)中的圖像進(jìn)行特征提取，篩選出與特定人員圖像具有相似特征的候選圖像，并使用候選圖像特征信息對(duì)智能視覺(jué)模塊進(jìn)行訓(xùn)練。

特征提取模塊使用色彩對(duì)比度方法進(jìn)行特征提取工作，該方法是根據(jù) “不同圖像區(qū)域中特征點(diǎn)權(quán)值也不盡相同”這一原理提出的。它利用智能視覺(jué)模擬人眼對(duì)色彩的敏感度，將對(duì)比度較強(qiáng)的圖像特征提取出來(lái)。較一些常用的特征提取方法而言，色彩對(duì)比度方法的計(jì)算精度更高，并且計(jì)算步驟更加簡(jiǎn)單，可更好地實(shí)現(xiàn)基于智能視覺(jué)的特定人員檢索平臺(tái)的設(shè)計(jì)目標(biāo)。

在檢索數(shù)據(jù)庫(kù)中選擇一幅圖像，用表示，中特征集合的色彩對(duì)比度可被定義為：

式中：表示兩個(gè)圖像特征和之間的空間位移；表示采集模塊給出的特定人員圖像特征；則代表檢索數(shù)據(jù)庫(kù)中圖像的某一特征。為了增強(qiáng)基于智能視覺(jué)的特定人員檢索平臺(tái)檢索性能，需要讓檢索數(shù)據(jù)庫(kù)中圖像特征能夠被快速并清晰地梳理出來(lái)。為此，在色彩對(duì)比度方法的計(jì)算過(guò)程中便對(duì)特征集合進(jìn)行了排序，其實(shí)質(zhì)是對(duì)式（1）進(jìn)行整理變形，如下：

式中：代表圖像中色彩數(shù)量；圖像特征和的色彩分別用集合和表示；則代表和在和中重疊出現(xiàn)的概率。使用式（2）能夠?qū)D像特征和中的色彩特征依據(jù)相似度由大至小地進(jìn)行排列。

圖像的色彩對(duì)比度排序成功后，特征提取模塊的色彩對(duì)比度方法將根據(jù)排列次序?qū)D像進(jìn)行分割，用表示圖像的分割區(qū)域，為其相對(duì)應(yīng)的區(qū)域權(quán)值，特定人員圖像的分割區(qū)域用表示，此時(shí)的區(qū)域色彩對(duì)比度可表示為：

式中，表示兩分割區(qū)域和之間的位移，該值可通過(guò)式（4）計(jì)算出來(lái)，如下：

在進(jìn)行上述計(jì)算之前，需要先對(duì)基于智能視覺(jué)的特定人員檢索平臺(tái)的色彩對(duì)比度標(biāo)準(zhǔn)值進(jìn)行設(shè)定。將式（3）的計(jì)算結(jié)果匯總并輸出，獲取到圖像的色彩對(duì)比度總值，該值如果高于或低于標(biāo)準(zhǔn)值的8%，則可作為平臺(tái)的候選圖像輸出。

由于機(jī)器視覺(jué)技術(shù)在使用初期是不具有計(jì)算能力的，故在候選圖像被傳送到智能視覺(jué)模塊前，需要使用候選圖像對(duì)智能視覺(jué)模塊進(jìn)行訓(xùn)練，其訓(xùn)練步驟可概括為5步：

（1） 將候選圖像的所有特征與智能視覺(jué)模塊的符號(hào)節(jié)點(diǎn)一一對(duì)應(yīng)上并保存；

（2） 計(jì)算出圖像特征點(diǎn)的色彩對(duì)比度并保存；

（3） 在符號(hào)節(jié)點(diǎn)上生成分類(lèi)樹(shù)，并進(jìn)行聚類(lèi)；

（4） 將候選圖像轉(zhuǎn)變成數(shù)字形式；

（5） 對(duì)數(shù)字形式的候選圖像進(jìn)行歸一化處理并加權(quán)，生成檢索預(yù)備文件。

智能視覺(jué)模塊訓(xùn)練結(jié)束后，候選圖像會(huì)以原始圖像和數(shù)字文本兩種格式被傳輸?shù)街悄芤曈X(jué)模塊中。

1.3 智能視覺(jué)模塊設(shè)計(jì)與實(shí)現(xiàn)

基于智能視覺(jué)的特定人員檢索平臺(tái)的智能視覺(jué)模塊能夠依據(jù)特定人員圖像特征，將候選圖像中最佳目標(biāo)圖像檢索出來(lái)，其檢索實(shí)現(xiàn)流程如圖3所示。

由圖3可知，智能視覺(jué)模塊將特定人員圖像特征與候選圖像特征共同輸入到自身的符號(hào)節(jié)點(diǎn)進(jìn)行排列，與特定人員圖像的特征排序最為接近的候選圖像便可代表平臺(tái)最終的檢索結(jié)果。智能視覺(jué)模塊的實(shí)質(zhì)是一個(gè)監(jiān)督模型，其使用原始候選圖像集合和特定人員圖像共同行使對(duì)智能視覺(jué)技術(shù)處理工作的監(jiān)督，與以往公認(rèn)的智能視覺(jué)技術(shù)的實(shí)現(xiàn)方法相比，所設(shè)計(jì)的方法具有更高的檢索準(zhǔn)確率。將原始候選圖像與數(shù)字文本候選圖像特征集合共同輸入模塊符號(hào)節(jié)點(diǎn)，還能有效提高檢索效率。

2 實(shí)驗(yàn)分析

對(duì)于特定人員檢索平臺(tái)，評(píng)價(jià)其檢索性能的項(xiàng)目通常包括檢索準(zhǔn)確率和檢索效率，檢索準(zhǔn)確率又包括精度波動(dòng)率和查全率。現(xiàn)通過(guò)對(duì)比本文檢索平臺(tái)、幾何限制檢索平臺(tái)和C/S架構(gòu)檢索平臺(tái)的各項(xiàng)檢索性能，對(duì)本文檢索平臺(tái)是否符合設(shè)計(jì)目標(biāo)進(jìn)行驗(yàn)證。

實(shí)驗(yàn)?zāi)M公安系統(tǒng)檢索網(wǎng)絡(luò)搭建了一個(gè)檢索數(shù)據(jù)庫(kù)，其中涵蓋了300名不同膚色、不同國(guó)家的公眾人物面部圖像。使用上述三個(gè)平臺(tái)在檢索數(shù)據(jù)庫(kù)中對(duì)3組特定人員圖像進(jìn)行檢索，特定人員圖像如圖4所示。

將三個(gè)平臺(tái)的檢索結(jié)果與圖4中給出的圖像進(jìn)行對(duì)比，使用Visual.c 6.0軟件將三個(gè)平臺(tái)的精度波動(dòng)率、查全率（精度波動(dòng)率越低、查全率越高，準(zhǔn)確率就越高）和檢索效率（用檢索時(shí)間表示效率，檢索時(shí)間越少，效率越高）輸出并繪制成圖表，如圖5、圖6、表1所示。

從圖5、圖6可看出，幾何限制檢索平臺(tái)和C/S架構(gòu)檢索平臺(tái)的精度波動(dòng)率均高于本文檢索平臺(tái)，而查全率卻低于本文檢索平臺(tái)，表明這兩種檢索平臺(tái)在進(jìn)行特定人員的檢索工作時(shí)，均會(huì)丟失較多的圖像特征點(diǎn)，導(dǎo)致檢索準(zhǔn)確率不高。

從表1可看出，幾何限制檢索平臺(tái)所用的檢索時(shí)間是三個(gè)檢索平臺(tái)中最多的，分別高出C/S架構(gòu)檢索平臺(tái)和本文檢索平臺(tái)約2.5倍和3.5倍；而與C/S架構(gòu)檢索平臺(tái)相比，本文檢索平臺(tái)所用的檢索時(shí)間要更少，二者相差11 s左右。

通過(guò)分析上述實(shí)驗(yàn)結(jié)果能夠得出結(jié)論，本文檢索平臺(tái)擁有很好的檢索性能。

3 結(jié) 論

智能視覺(jué)是一種以人眼結(jié)構(gòu)特點(diǎn)為導(dǎo)向設(shè)計(jì)出的圖像識(shí)別技術(shù)。隨著公安、消防等機(jī)關(guān)的快速發(fā)展，以往設(shè)計(jì)出的特定人員檢索平臺(tái)已無(wú)法滿(mǎn)足檢索工作對(duì)檢索準(zhǔn)確率和檢索效率要求，因此，本文對(duì)基于智能視覺(jué)的特定人員檢索平臺(tái)進(jìn)行了設(shè)計(jì)。本文檢索平臺(tái)由采集模塊、特征提取模塊和智能視覺(jué)模塊組成，并依次使用了Kvcom系統(tǒng)、色彩對(duì)比度方法和智能視覺(jué)技術(shù)對(duì)實(shí)現(xiàn)了本文設(shè)計(jì)。經(jīng)實(shí)驗(yàn)分析可知，本文檢索平臺(tái)擁有很好的檢索性能。

參考文獻(xiàn)

[1] 張飛，李景富.基于智能視覺(jué)的高空?qǐng)D像搜集系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)測(cè)量與控制，2015，23（3）：939?941.

[2] 尹新富，袁雪霞.基于智能視覺(jué)的車(chē)輛事故預(yù)警監(jiān)控系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)測(cè)量與控制，2015，23（5）：1522?1524.

[3] 李超，呂憲偉，涂文俊，等.基于計(jì)算機(jī)視覺(jué)的實(shí)木表面智能化分選系統(tǒng)設(shè)計(jì)[J].北京林業(yè)大學(xué)學(xué)報(bào)，2016，38（3）：102?109.

[4] 張嵐，張勇，高佳令，等.印花圖案智能檢索系統(tǒng)開(kāi)發(fā)研究[J].成都紡織高等專(zhuān)科學(xué)校學(xué)報(bào)，2016，33（2）：131?133.

[5] 潘灶焰，馬濤.基于ASP.Net的知識(shí)條目檢索系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].寧夏師范學(xué)院學(xué)報(bào)，2014，35（3）：90?94.

[6] 尤勝.基于異構(gòu)技術(shù)的數(shù)字圖書(shū)館信息統(tǒng)計(jì)平臺(tái)[J].現(xiàn)代電子技術(shù)，2016，39（7）：167?170.

[7] 溫浩杰.病患生理參數(shù)管理平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[J].現(xiàn)代電子技術(shù)，2015，38（16）：34?37.

[8] 李維乾，李莉，張曉濱，等.Hadoop平臺(tái)下突發(fā)水污染應(yīng)急預(yù)案并行化處置[J].西安工程大學(xué)學(xué)報(bào)，2015，29（6）：733?739.

[9] 張小博，蔣銘.智能媒資檢索系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].電視技術(shù)，2015，39（13）：36?39.

[10] 劉全飛，周相兵.基于lucene的站群全文檢索系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].電腦與信息技術(shù)，2015，23（1）：36?39.