陳熔+劉杰

摘 要： 以往設(shè)計出的特定人員檢索平臺均或多或少地存在一些問題，主要體現(xiàn)在檢索準(zhǔn)確率和檢索效率都不高。面對此現(xiàn)象，設(shè)計基于智能視覺的特定人員檢索平臺。平臺中的采集模塊負(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，使用色彩對比度方法，將檢索數(shù)據(jù)庫中與其具有相似特征的候選圖像篩選出來，并利用候選圖像對智能視覺模塊進(jìn)行訓(xùn)練。訓(xùn)練成功后的智能視覺模塊將依據(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。經(jīng)實驗分析可知，所設(shè)計的平臺擁有很高的檢索準(zhǔn)確率和檢索效率，可較好地實現(xiàn)設(shè)計目標(biāo)。

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

中圖分類號： TN915.5?34； TP391.3 文獻(xiàn)標(biāo)識碼： A 文章編號： 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越多。面對膨脹式的信息量，人腦已無法對其進(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[2]。智能視覺是一種以人眼結(jié)構(gòu)特點為導(dǎo)向設(shè)計出的圖像識別技術(shù)，因此，設(shè)計一種基于智能視覺的特定人員檢索平臺，以幫助人們更為有效地完成特定人員檢索工作。

以往設(shè)計出的各種特定人員檢索平臺均或多或少地存在一定問題，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，再通過驗證圖像之間的幾何性質(zhì)檢索出最佳圖像，但平臺的計算實現(xiàn)過于復(fù)雜。文獻(xiàn)[5]基于詞袋模型對特定人員檢索平臺進(jìn)行了具體設(shè)計與實現(xiàn)，整個平臺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]中的平臺使用漢明編碼方法對特定人員圖像信息中的重要特征點進(jìn)行了編碼，使目標(biāo)圖像與候選圖像在空間上更為貼近，方便對候選圖像進(jìn)行高效檢索。但該平臺在對重要特征點的選擇上存在一些問題。文獻(xiàn)[7]設(shè)計并實現(xiàn)了基于C/S架構(gòu)的特定人員檢索平臺，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)計出的特定人員檢索平臺已無法滿足檢索工作對檢索準(zhǔn)確率和檢索效率要求[8]?；谏鲜鲈颍O(shè)計基于智能視覺的特定人員檢索平臺，并對平臺中各模塊進(jìn)行重點設(shè)計和實現(xiàn)。

1 基于智能視覺的特定人員檢索平臺設(shè)計與實現(xiàn)

所設(shè)計的基于智能視覺的特定人員檢索平臺擁有三個模塊，分別是采集模塊、特征提取模塊和智能視覺模塊，現(xiàn)分別對上述三個模塊進(jìn)行設(shè)計和實現(xiàn)。

1.1 采集模塊設(shè)計與實現(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)異并且價格便宜。在所設(shè)計的基于智能視覺的特定人員檢索平臺中，Kvcom系統(tǒng)能夠?qū)μ囟ㄈ藛T圖像進(jìn)行全方位、無死角掃描，力求不錯過任何可能的重點特征，并能夠?qū)Σ缓侠淼奶卣鬟M(jìn)行自動修正，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、采集器和信號放大器組成，并配備了專用處理軟件。掃描芯片完成掃描后，會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)的采集器與計算機(jī)直接相連，工作人員可使用系統(tǒng)處理軟件對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)信號放大器進(jìn)行信號放大，再傳輸給特征提取模塊。圖2是信號放大器內(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，信號放大器的內(nèi)部電路設(shè)計較為簡單，不存在過多的濾波和轉(zhuǎn)換裝置，并且電路接線較為簡單，易于實現(xiàn)。

1.2 特征提取模塊設(shè)計與實現(xiàn)

在基于智能視覺的特定人員檢索平臺中，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，對檢索數(shù)據(jù)庫中的圖像進(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智能視覺模塊進(jìn)行訓(xùn)練。

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

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

式中：表示兩個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)庫中圖像的某一特征。為了增強(qiáng)基于智能視覺的特定人員檢索平臺檢索性能，需要讓檢索數(shù)據(jù)庫中圖像特征能夠被快速并清晰地梳理出來。為此，在色彩對比度方法的計算過程中便對特征集合進(jìn)行了排序，其實質(zhì)是對式（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。

圖像的色彩對比度排序成功后，特征提取模塊的色彩對比度方法將根據(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，此時的區(qū)域色彩對比度可表示為：

式中，表示兩分割區(qū)域和之間的位移，該值可通過式（4）計算出來，如下：

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

由于機(jī)器視覺技術(shù)在使用初期是不具有計算能力的，故在候選圖像被傳送到智能視覺模塊前，需要使用候選圖像對智能視覺模塊進(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模塊的符號節(jié)點一一對應(yīng)上并保存；

（2） 計算出圖像特征點的色彩對比度并保存；

（3） 在符號節(jié)點上生成分類樹，并進(jìn)行聚類；

（4） 將候選圖像轉(zhuǎn)變成數(shù)字形式；

（5） 對數(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。

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

1.3 智能視覺模塊設(shè)計與實現(xiàn)

基于智能視覺的特定人員檢索平臺的智能視覺模塊能夠依據(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，其檢索實現(xiàn)流程如圖3所示。

由圖3可知，智能視覺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節(jié)點進(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最終的檢索結(jié)果。智能視覺模塊的實質(zhì)是一個監(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智能視覺技術(shù)處理工作的監(jiān)督，與以往公認(rèn)的智能視覺技術(shù)的實現(xiàn)方法相比，所設(shè)計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節(jié)點，還能有效提高檢索效率。

2 實驗分析

對于特定人員檢索平臺，評價其檢索性能的項目通常包括檢索準(zhǔn)確率和檢索效率，檢索準(zhǔn)確率又包括精度波動率和查全率?，F(xiàn)通過對比本文檢索平臺、幾何限制檢索平臺和C/S架構(gòu)檢索平臺的各項檢索性能，對本文檢索平臺是否符合設(shè)計目標(biāo)進(jìn)行驗證。

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

將三個平臺的檢索結(jié)果與圖4中給出的圖像進(jìn)行對比，使用Visual.c 6.0軟件將三個平臺的精度波動率、查全率（精度波動率越低、查全率越高，準(zhǔn)確率就越高）和檢索效率（用檢索時間表示效率，檢索時間越少，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，幾何限制檢索平臺和C/S架構(gòu)檢索平臺的精度波動率均高于本文檢索平臺，而查全率卻低于本文檢索平臺，表明這兩種檢索平臺在進(jìn)行特定人員的檢索工作時，均會丟失較多的圖像特征點，導(dǎo)致檢索準(zhǔn)確率不高。

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

通過分析上述實驗結(jié)果能夠得出結(jié)論，本文檢索平臺擁有很好的檢索性能。

3 結(jié) 論

智能視覺是一種以人眼結(jié)構(gòu)特點為導(dǎo)向設(shè)計出的圖像識別技術(shù)。隨著公安、消防等機(jī)關(guān)的快速發(fā)展，以往設(shè)計出的特定人員檢索平臺已無法滿足檢索工作對檢索準(zhǔn)確率和檢索效率要求，因此，本文對基于智能視覺的特定人員檢索平臺進(jìn)行了設(shè)計。本文檢索平臺由采集模塊、特征提取模塊和智能視覺模塊組成，并依次使用了Kvcom系統(tǒng)、色彩對比度方法和智能視覺技術(shù)對實現(xiàn)了本文設(shè)計。經(jīng)實驗分析可知，本文檢索平臺擁有很好的檢索性能。

參考文獻(xiàn)

[1] 張飛，李景富.基于智能視覺的高空圖像搜集系統(tǒng)的設(shè)計與實現(xiàn)[J].計算機(jī)測量與控制，2015，23（3）：939?941.

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

[3] 李超，呂憲偉，涂文俊，等.基于計算機(jī)視覺的實木表面智能化分選系統(tǒng)設(shè)計[J].北京林業(yè)大學(xué)學(xué)報，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)開發(fā)研究[J].成都紡織高等?？茖W(xué)校學(xué)報，2016，33（2）：131?133.

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

[6] 尤勝.基于異構(gòu)技術(shù)的數(shù)字圖書館信息統(tǒng)計平臺[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)管理平臺的設(shè)計與實現(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，2015，29（6）：733?739.

[9] 張小博，蔣銘.智能媒資檢索系統(tǒng)設(shè)計與實現(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)計與實現(xiàn)[J].電腦與信息技術(shù)，2015，23（1）：36?39.