分析基于人工智能視覺的特定場景識別系統(tǒng)設(shè)計

盛宏兵 王鵬 吳小燕 黃清鋒

摘要：特定場景識別對消防、監(jiān)控等具有重要作用，為保障識別精度和識別效果，可引入人工智能視覺，實(shí)現(xiàn)對基于人工智能視覺的特定場景識別系統(tǒng)構(gòu)建，可為相關(guān)領(lǐng)域提供幫助，且效果顯著。故此，文章對該系統(tǒng)展開研究，分析系統(tǒng)的具體設(shè)計，再分析系統(tǒng)軟件部分，旨意為相關(guān)人員提供參考，確保識別能力，并為相關(guān)人員提供參考。

關(guān)鍵詞：人工智能視覺;特定場景;識別系統(tǒng);設(shè)計

中圖分類號：TP391.41文獻(xiàn)標(biāo)識碼：A文章編號：1672-9129（2018）06-0015-02

Design of Specific Scene Recognition System Based on Artificial Intelligence Vision

SHENG Hongbing*， WANG Peng， WU Xiaoyan， HUANG Qingfeng

（JinHua Technician College， Zhejiang Jinhua， 321000， China）

Abstract：Specific scene recognition plays an important role in fire fighting， monitoring and so on. In order to ensure the recognition accuracy and recognition effect， artificial intelligence vision can be introduced to realize the construction of specific scene recognition system based on artificial intelligence vision， which can provide help for related fields， and the effect is remarkable. Therefore， this paper studies the system， analyzes the specific design of the system， and then analyzes the software part of the system. The purpose is to provide reference for relevant personnel， to ensure the identification ability， and to provide reference for relevant personnel.

Keywords：artificial intelligence vision; specific scene; recognition system; design

引用：盛宏兵， 王鵬， 吳小燕， 等. 分析基于人工智能視覺的特定場景識別系統(tǒng)設(shè)計[J]. 數(shù)碼設(shè)計， 2018， 7（6）： 15-16.

Cite：SHENG Hongbing， WANG Peng， WU Xiaoyan， et al. Design of Specific Scene Recognition System Based on Artificial Intelligence Vision[J]. Peak Data Science， 2018， 7（6）： 15-16.

引言

人工智能視覺屬新興技術(shù)種類，它可模擬人類眼部結(jié)構(gòu)，達(dá)到視覺識別的功能。在特定場景識別中，傳統(tǒng)的識別系統(tǒng)設(shè)計中，存在精度、效率和計算強(qiáng)度等問題，不利于設(shè)備可靠性。而在人工智能視覺的支持下，能進(jìn)一步保障特定場景的識別效果?；诖?，本文展開對人工智能視覺的特定場景識別系統(tǒng)的研究，分析具體的系統(tǒng)設(shè)計，詳細(xì)內(nèi)容如下：

1? 基于人工智能視覺的特定場景識別系統(tǒng)設(shè)計

現(xiàn)結(jié)合實(shí)際情況，展開對基于人工智能視覺的特定場景識別系統(tǒng)設(shè)計，主要從整體設(shè)計、模塊設(shè)計等內(nèi)容入手，詳細(xì)內(nèi)容如下：

1.1? 整體設(shè)計

整體部分是保障系統(tǒng)識別能力的關(guān)鍵，在整體設(shè)計中主要包括三個模塊，分別為人工智能視覺識別模塊、光感模塊、定位調(diào)制模塊。這幾個模塊的綜合作用，實(shí)現(xiàn)了人工智能視覺識別特定場景。結(jié)合整體設(shè)計分析，可以發(fā)現(xiàn)系統(tǒng)的整體設(shè)計相對簡單，模塊也更為清晰，且能夠滿足實(shí)際特定場景識別，效果理想，可以綜合推動識別精度和效率提升。如下圖1所示，為基于人工智能視覺的特定場景識別系統(tǒng)的結(jié)構(gòu)圖。

1.2? 模塊設(shè)計

主要對三個模塊進(jìn)行研究，確保模塊的功能，確保識別效果，詳細(xì)模塊設(shè)計內(nèi)容分析如下。

1.2.1? 人工智能視覺識別模塊

該模塊是以攝像機(jī)和速度計作為基礎(chǔ)，現(xiàn)以某公司的360人工智能視覺攝像機(jī)為基本設(shè)施。攝像機(jī)的清晰度設(shè)為1080P，鏡頭角度為150°廣角，而且，該人工智能攝像機(jī)具備特定物體識別、語音識別等功能。結(jié)合攝像機(jī)的實(shí)際情況，可以得到攝像機(jī)是由檢測端、重構(gòu)端、路由器、分類器和跟蹤器幾個部分構(gòu)成。

在具體的工作中，初始特定場景識別時，檢測端實(shí)現(xiàn)對影響的接受，再按照設(shè)定的方式，實(shí)現(xiàn)對參數(shù)的分類，跟蹤器則將3D立體圖像參數(shù)與初始圖像參數(shù)進(jìn)行對應(yīng)，再送到重構(gòu)端，實(shí)現(xiàn)3D立體重建。之后，由加速度計展開相應(yīng)的測量。經(jīng)過測量和計算后，能夠生成特征場景圖。這部分為具體的識別模塊功能，特征場景圖生成后，將其傳遞到光感模塊。

1.2.2? 光感模塊設(shè)計

光感模塊是系統(tǒng)中不可或缺的部分，在具體的服務(wù)中，光感應(yīng)器是保障模塊功能的基礎(chǔ)。結(jié)合光感應(yīng)器的基本情況，可以了解到它的內(nèi)部具有兩模/數(shù)轉(zhuǎn)換器、信號處理器和運(yùn)算器各一個。模塊實(shí)現(xiàn)對特征場景的定義，并劃分時間段，可分為6個時間段，再對應(yīng)的給予天氣狀況。光照強(qiáng)度感應(yīng)后，結(jié)合資源情況，對感應(yīng)結(jié)果進(jìn)行修正，保障特定場景識別效果。

1.2.3? 定位調(diào)制模塊

文章在設(shè)計中，將GPS系統(tǒng)作為模塊構(gòu)建的關(guān)鍵點(diǎn)，并將其置于硬件端，軟件端則選用形態(tài)學(xué)濾波目標(biāo)函數(shù)。如下圖2所示，為全球定位系統(tǒng)調(diào)制電路圖。

結(jié)合上圖的基本內(nèi)容，可以得到調(diào)制模塊中包含接收天線、濾波器、概率生成器和輸出端口等。具體工作時，模塊可對經(jīng)過上述2個模塊處置完成后的場景環(huán)境信息進(jìn)行提取，再由濾波器對干擾進(jìn)行清除，最終輸出結(jié)果，滿足實(shí)際場景識別的基本需求。

2? 系統(tǒng)軟件設(shè)計

系統(tǒng)軟件部分是保障特定場景識別的基礎(chǔ)，為確保識別的效果，應(yīng)注意對函數(shù)的選擇與設(shè)置，進(jìn)而提高特定場景識別系統(tǒng)的可靠性，詳細(xì)函數(shù)分析如下：

2.1? 膨脹目標(biāo)函數(shù)

膨脹對圖像中的裂縫進(jìn)行處置的過程，具體的膨脹目標(biāo)函數(shù)，中，B為位置信息，A為目標(biāo)的坐標(biāo)集合，為獲取目標(biāo)函數(shù)，使B對A膨脹，⊕則為膨脹符號，詳見如下公式（1）：

（1）

上述函數(shù)，則為膨脹目標(biāo)函數(shù)，z為膨脹位移，則描述點(diǎn)映像，與B具有直接聯(lián)系。

2.2? 腐蝕目標(biāo)函數(shù)

膨脹完成后，需要對圖像進(jìn)行修復(fù)，促使圖像恢復(fù)到原有的狀態(tài)，而這一修復(fù)過程，則可以稱之為腐蝕。在腐蝕過程中，應(yīng)對與特征目標(biāo)沒有直接關(guān)聯(lián)的多余部分進(jìn)行清除，結(jié)合膨脹與腐蝕的基本過程，可以得到二者是相互對立的，故此，可將目標(biāo)函數(shù)理解為A受到B腐蝕，?作為腐蝕的符號，可以得到如下腐蝕目標(biāo)函數(shù)（2）：

（2）

上述函數(shù)中的各項(xiàng)參數(shù)與（1）描述相同，用上述函數(shù)能夠描述圖像從膨脹狀態(tài)恢復(fù)到原有狀態(tài)。

2.3? 開與閉的目標(biāo)函數(shù)

可分別使用“?！迸c“·”表示兩個操作動作，分別為B對A進(jìn)行開和閉的操作，進(jìn)而可以得到兩種操作的目標(biāo)函數(shù)，詳細(xì)如下公式（3）所示：

（3）

上述函數(shù)能夠描述開和閉的兩個操作，而且，結(jié)合公式工藝可發(fā)現(xiàn)，開操作是先⊕后?的過程，而閉則為相反過程，即為先?后⊕。

在基于人工智能視覺的特定場景識別系統(tǒng)中，開操作用于完成前場景處置，閉操完成背景處置。這兩種操作方式的目的均是為保障識別效果，對圖像中噪聲進(jìn)行清除，并對的獨(dú)立洞點(diǎn)進(jìn)行處置，進(jìn)而提高系統(tǒng)的識別能力。

3? 結(jié)束語

結(jié)合上述硬件和軟件的設(shè)計，能夠?qū)崿F(xiàn)基于人工智能視覺的特定場景識別系統(tǒng)的構(gòu)建，并有效的提升特定場景識別能力，降低噪聲等的影響，綜合推動系統(tǒng)的識別精度和識別效率。

（1）為實(shí)現(xiàn)對系統(tǒng)識別效率進(jìn)行分析，可以結(jié)合實(shí)際情況，獲取平均識別時間?；谌斯ぶ悄芤曈X的特定場景識別系統(tǒng)與其他2種系統(tǒng)進(jìn)行對比，余下2個系統(tǒng)，分別為基于邏輯定位和基于模式識別的識別系統(tǒng)。可以得到如下圖3所示的效率曲線。

且根據(jù)上圖所示的系統(tǒng)效率情況，可以發(fā)現(xiàn)選用基于人工智能視覺的特定場景識別系統(tǒng)的效率最高。

（2）再進(jìn)一步對識別精度進(jìn)行分析，可以得到基于人工智能視覺的特定場景識別系統(tǒng)的精度在97%以上，明顯優(yōu)于其他兩種，說明系統(tǒng)精度理想。

由此可見，基于人工智能視覺的特定場景識別系統(tǒng)的效率和精度良好，可以滿足特定場景識別的基本需求，具有推廣和實(shí)踐的價值。

參考文獻(xiàn)

[1]????? 秦愛梅，丁雨.基于人工智能視覺的特定場景識別系統(tǒng)設(shè)計[J].現(xiàn)代電子技術(shù)，2017， 40（10）：28-30.

[2]????? 降小龍. 基于語義結(jié)構(gòu)和視覺焦點(diǎn)的場景目標(biāo)識別[D].中北大學(xué)，2016：25-26.

[3]????? 焦迎雪.動態(tài)場景中的視覺目標(biāo)識別方法分析[J].電子技術(shù)與軟件工程， 2016（20）：95-96.

[4]????? 沈宸宇，殷美.基于人工智能的人臉識別技術(shù)在支付場景下的應(yīng)用及隱患思考[J].科技創(chuàng)新導(dǎo)報，2018（2）：18-19.

[5]????? 高文婷.穩(wěn)健語音特征和音頻場景識別方法的研究[J].大連理工大學(xué)，2009.