基于自動智能分類器的圖書館亂架圖書檢測

劉汝翠

摘要：整理亂架圖書是圖書館日常維護工作的一個重要組成部分。人工檢測圖書亂架不但費時費力而且極容易出錯。為此，設計了一種結(jié)合深度學習中的SoftMax回歸算法和書脊圖像特征識別相結(jié)合的亂架檢測算法，算法主要包括書脊定位分割、字符識別、語義特征提取以及分類判決等環(huán)節(jié)，實現(xiàn)了自動高效的圖書亂架檢測。實驗數(shù)據(jù)表明本文提出的檢測算法能達到近98%的檢測準確率，并且還具備速度快、幾乎不需要人工干預等優(yōu)勢，能大大降低圖書館日常圖書清點工作的勞動強度。

關(guān)鍵詞：圖書館；亂架檢測；圖像分割；字符識別；深度學習

中圖分類號：TB

文獻標識碼：A

doi：10.19311/j.cnki.16723198.2016.25.087

1概述

利用現(xiàn)代智能處理技術(shù)特別是用計算機代替人們自動的去處理大量的圖像信息，能夠解決人類器官的分辨能力容易受到環(huán)境、情緒、疲勞等因素的影響，從而部分代替人工勞動，大大提高生產(chǎn)效率。近年來，將傳統(tǒng)的工作進行數(shù)字化和自動化加工逐漸成為圖書館行業(yè)越來越重視的工作內(nèi)容之一。但是目前的圖書館數(shù)字化工作仍存在眾多沒有解決的問題。

圖書亂架的整理工作是圖書館日常維護工作的一個重要組成部分。由于書籍眾多，當出現(xiàn)不同種類的圖書放置在一起時，工作人員很難人工將錯誤放置的圖書進行正確地歸類，即使能夠做到，也會花費很長的時間和大量的精力，導致人力資源的浪費。

2006年，深度學習（Deep Learning）開始在學術(shù)界和工業(yè)界引領發(fā)展前沿，其中深度學習認為：1）多隱層的人工神經(jīng)網(wǎng)絡學習得到的特征對數(shù)據(jù)有更本質(zhì)的刻畫，有利于分類和檢測；2）深度神經(jīng)網(wǎng)絡在訓練上的難度，可以通過“逐層預訓練”來有效克服?；谏疃葘W習的圖像視覺識別技術(shù)已經(jīng)在許多行業(yè)中得到了應用，如檢驗零件的質(zhì)量；識別工件及物體的形狀和排列形態(tài)等。

本文結(jié)合圖書館日常管理中遇到的圖書亂架這一實際問題，以書脊視覺圖像為切入點，引入深度學習中的SoftMax回歸，設計出一種包括單冊圖像分割、字符識別、語義特征提取以及歸類判別等環(huán)節(jié)的圖書亂架檢測算法，其有效性已在實驗中得到較好的驗證。

2書脊圖像的定位分割

由于獲取的圖像有可能會出現(xiàn)模糊，因此需要對圖像進行預處理。將拍攝的書脊圖像近似看成平穩(wěn)過程，使用Wiener濾波器進行幅度相位去模糊。Wiener濾波器的基本原理是將原始圖像f和對原始圖像的估計f^看作隨機變量，按照使f和對估計值f^之間的均方誤差達到最小的準則進行圖像復原。

然后使用Canny算子進行邊緣檢測，并進行縱向和橫向的直線跟蹤，對兩條直線之間的區(qū)域進行判斷，如果是書脊區(qū)域，就進行分割，然后定位第二本書，直到處理完整幅圖像。

圖1（a）為利用Canny算子進行邊緣檢測出來的結(jié)果，得到了所有書籍的邊緣；圖1（b）是對書籍進行分割定位的結(jié)果，把定位到的目標用直線標出，以供后續(xù)處理。

3書脊圖像的字符識別

由于漢字的類別較大、結(jié)構(gòu)復雜和類似字多，造成漢字的識別難度比較大。傳統(tǒng)的僅用一種特征來識別漢字的方法已不能滿足漢字識別的要求。因此，本文采用了二次識別的方法對漢字字符進行識別，第一次分類利用漢字的筆畫穿過數(shù)目特征，第二次是對那些首次仍不能區(qū)別開的漢字利用漢字四角的能量值密度特征進行區(qū)分。

本文的漢字特征選擇了筆畫穿過數(shù)目和能量值密度這兩個特征。筆畫穿過數(shù)目是指對漢字圖像的水平、垂直兩個方向進行掃描，然后統(tǒng)計這兩個方向上掃描線出國漢字筆畫的次數(shù)即得到漢字的筆畫直方圖，得到筆畫穿過次數(shù)的特征向量。

在進行漢字特征匹配時，首先對待識別的漢字筆畫穿過數(shù)目特征進行提取，記該特征為C。識別時，首先計算待識別漢字與標準庫中漢字的距離d，d定義為待識別漢字的筆畫穿過數(shù)目矩陣C與標準庫中漢字的筆畫穿過數(shù)目矩陣B的對應值差值的絕對值之和，其表達式為

d=∑ni=1∑mj=1cij-bij

式中cij為矩陣C中的元素，bij表示矩陣B中的元素。

給定一個閾值σ，若距離dσ，則該字不能被識別，否則把該字放入二級識別隊列中，如果二級隊列中只有一個字，就判別這個字為要識別的字，若二級隊列中不只一個漢字，則要對二級識別隊列中的漢字進行二級識別。

在二級識別里用能量值密度作為特征，提取這些漢字的能量值密度。設一閾值為ε，計算待識別漢字的能量值密度矩陣和標準庫漢字的能量值密度矩陣中對應值的絕對值之和，差值最小的漢字判別為要識別的漢字。

4語義特征提取

利用識別出來的字符，對其進行語義特征的提取，以判斷書籍屬于哪一類。首先通過在原始文本語義空間提取文本的局部分布信息，構(gòu)造拉普拉斯矩陣和局部密度矩陣，然后通過奇異值分解SVD和廣義特征值分解GEVD求解特征變換矩陣，最后實現(xiàn)文本數(shù)據(jù)的降維空間聚類。

給定m個文本數(shù)據(jù)的原始特征語義空間描述X=（x1，x2，…，xm）T，這里xi為文本i的特征向量描述，包含文本類別信息相關(guān)的關(guān)鍵詞、主題詞以及文本中出現(xiàn)的高頻詞等描述信息，并且xi中的每一個特征元素記錄了這些詞條的重要程度和出現(xiàn)的頻度。

對X按列進行基于歐幾里得距離的kNN近鄰算法獲取點向量xi的k個鄰近點N（xi），并采用高斯核將鄰接點向量的歐幾里得距離轉(zhuǎn)化為相似度：

sij=exp（-xi-xj2），xj∈N（xi）

得到文本集X的相似矩陣S，該矩陣為對稱矩陣。通過矩陣S構(gòu)造對角矩陣D，其中dii=∑jsij，令L=D-S，為譜圖數(shù)據(jù)的拉普拉斯矩陣，為對稱矩陣。利用局部密度矩陣D求取文本向量均值=∑ixidii∑idii，并將文本歸一化i=xi-，對歸一化的進行奇異值分解，降低文本的語義維度，簡化數(shù)據(jù)描述。并通過非監(jiān)督判別分析得到降維文本語義空間，即判別語義特征提取，獲取分類判別能力最強的前l(fā)個語義特征。

在特征提取后的降維空間采用k-means聚類，進行文本分類，即語義特征的提取。

5書籍亂架放置的判別

進行了語義特征提取之后，為了檢測書籍的亂架放置。因此，需要將提取到的語義特征進行分類。為了盡可能準確地進行分類，采用深度學習的方法進行模型的訓練。其中訓練過程分為兩個階段：貪心的逐層預訓練和整個模型的全局微調(diào)。

在逐層訓練預階段，每次只訓練模型的一層，然后將當前層的輸出作為下一層的輸入，進行下一層的訓練，直到預訓練完所有的層。

在模型的全局微調(diào)階段，由于亂架放置的書籍的種類可能是多個，所以采用softmax回歸多類分類器。Softmax回歸多分類器是logistic回歸模型在多分類問題上的推廣，在多分類問題中，類標簽y可以取兩個以上的值。假設共有k個類別，則softmax regression的系統(tǒng)方程為

hθ（x（i））=p（y（i）=1|x（i）；θ）p（y（i）=2|x（i）；θ）p（y（i）=k|x（i）；θ）=1∑kj=1eθTjx（i）eθT1x（i）eθT2x（i）eθTkx（i）

其中，x（i）為第i個輸入樣本，θ為系統(tǒng)參數(shù)，p為樣本取特定類別時的概率。

此時，系統(tǒng)的損失函數(shù)方程為：

J（θ）=-1m∑mi=1∑kj=11y（i）=jlogeθTjx（i）∑kl=1eθTlx（i）

其中，1·是一個指示性函數(shù)，即當大括號中的值為真時，該函數(shù)的結(jié)果就為1，否則其結(jié)果為0。θ為代價最小化時所需要滿足的系統(tǒng)參數(shù)。實際實現(xiàn)時，首先使用具有先驗歸屬標記的書籍信息樣本按照以上方式對書籍歸屬學習器進行訓練，得到訓練好的歸屬規(guī)則學習器。將提取的書籍信息輸入到歸屬規(guī)則學習器，學習器輸出到歸屬規(guī)則庫進行書籍類別的判別，將判別出來的結(jié)果輸入到亂架判決器，進行亂架檢測，如果檢測出來有書籍分錯類，則會輸出亂架警報。

6實驗結(jié)果與分析

利用書脊檢測出來的結(jié)果，進行字符檢測并對檢測出來的字符進行語義識別，判斷某一本書是不是放錯了類別，如果放錯，則框出放錯的書籍并發(fā)出警報。

圖2（a）中都是科技類的書籍，并沒有其他類的書籍，所以輸入的這張圖片并不會輸出亂架報警；圖2（b）中除了科技類的書籍之外，還有一本建筑類的書籍混雜其中，所以系統(tǒng)會把這本書檢測出來并用交叉直線醒目地標示出來。

中除了科技類的書籍之外，還有一本美術(shù)類的書籍混雜其中，所以系統(tǒng)會把這本書檢測出來并用直線標示出來。

圖2和圖3只是筆者為了演示系統(tǒng)的運行效果而給出的個例圖示，限于篇幅所限不能窮盡所有曾經(jīng)檢測處理過的案例。筆者曾經(jīng)對科技類、哲學類和藝術(shù)類為主體的大容量樣本集的亂架圖像進行了分析，每個樣本集的分析耗約為300～320秒，大大高于人工檢測的速度。亂架檢測實驗的樣本集實驗結(jié)果列于表1之中。

7結(jié)論

在圖書館系統(tǒng)中利用機器視覺的方法進行書籍定位和檢測是視覺研究的一個重要方向。本文給出了一種綜合運用相關(guān)視覺圖像技術(shù)對亂架圖書進行自動檢測的系統(tǒng)設計。實驗表明，該方法可通過程序設計完全有計算機自動實現(xiàn)，平均檢出率超過90%，速度快穩(wěn)定性好，處理時間大大小于人工檢測時間，并且能夠在很大程度上降低圖書管理員的勞動強度，有助于提高大型圖書館的架上書籍整理效率。

參考文獻

[1]李因易.圖像處理技術(shù)在圖書館藏書清點中的應用研究[D].貴陽：貴州大學，2006.

[2]方建軍，杜明芳，龐睿.基于小波分析和概率Hough變換的書脊視覺識別[J].計算機工程與科學，2014，（36）：126131.

[3]何耘嫻.印刷體文檔圖像的中文字符識別[D].秦皇島：燕山大學，2011.

[4]D.-J. Lee，Y.Chang，J. K.Archibald，C.Pitzak.Matching book-spine images for library shelf-reading process automation[C].in Automation Science and Engineering，2008.CASE 2008. IEEE International Conference on， 2008：738743.

[5]戴臻.內(nèi)容文本分類中的語義特征提取算法研究[D].長沙：中南大學，2010.

[6]Y.Bengio， Learning deep architectures for AI[J].Foundations and trends in Machine Learning， 2009，（9）：1127.

[7]Y. Bengio.Deep Learning of Representations for Unsupervised and Transfer Learning[J].in ICML Unsupervised and Transfer Learning，2012：1736.

[8]P.Baldi. Autoencoders， Unsupervised Learning，and Deep Architectures[J].in ICML Unsupervised and Transfer Learning，2012：3750.

[9]Y. Bengio，P.Lamblin，D. Popovici，H. Larochelle.Greedy layer-wise training of deep networks[J].Advances in neural information processing systems，2007，（19）：153.

[10]鄭胤，陳權(quán)崎，章毓晉.深度學習及其在目標和行為識別中的新進展[J].中國圖像圖形學報，2014，19（2）：175184.