互聯(lián)網(wǎng)街景安全保密信息處理平臺建構(gòu)

王巖　佟健

【摘要】? ? 本文提出了一種街景信息處理方式，構(gòu)建互聯(lián)網(wǎng)街景安全保密信息處理平臺，分析該平臺運(yùn)用的主要技術(shù)，包括關(guān)聯(lián)拓?fù)?、差異化處理方式以及人臉圖像處理方式以及車牌信息處理技巧等，對街景圖像信息處理提供了一定借鑒。

【關(guān)鍵詞】? ? 互聯(lián)網(wǎng)街景? ? 保密信息? ? 關(guān)聯(lián)拓?fù)? ? 人臉圖像

街景能夠反映城市的真實信息，還原城市的真實面貌，當(dāng)前對街景信息觀測與分析是互聯(lián)網(wǎng)信息工具的重要應(yīng)用場景之一，在聯(lián)網(wǎng)街景服務(wù)快速發(fā)展的背景下，信息使用的安全性逐漸受到關(guān)注，街景安全保密信息包括國家以及公民個人層面的信息，以此街景信息處理中，要求除去安全涉密信息。

一、互聯(lián)網(wǎng)街景安全保密信息處理平臺

互聯(lián)網(wǎng)街景安全保密信息具有較廣的分布范圍，信息差異較大，分布較為離散，信息特征不夠明顯。由此在信息處理中，應(yīng)當(dāng)對大量信息進(jìn)行歸類整理，建立對信息的多種有效處理方式?；ヂ?lián)網(wǎng)街景安全保密信息處理平臺包括數(shù)據(jù)預(yù)處理、信息檢測、信息編輯、模糊處理、編輯一體化等模塊。在對街景信息進(jìn)行前期處理的基礎(chǔ)上，制定有效的信息檢測方式，實現(xiàn)對街景信息的有效識別，準(zhǔn)確測量解密信息場景點，運(yùn)用的主要技術(shù)包括以下幾點。

1.1關(guān)聯(lián)拓?fù)?/p>

在對涉密類街景安全保密信息處理中，運(yùn)用了關(guān)聯(lián)拓?fù)浞治龇绞?，對街景涉密信息建立安全保密信息成果庫，并與圖形信息分布有效結(jié)合，檢測并定位涉密場景，并與人工確認(rèn)相結(jié)合，最終得出涉密要素與涉密位置。

在街景圖形信息分析中，由于觀察角度的因素，存在著一些難以辨識的涉密內(nèi)容，為了保證信息中不存在遺漏，以此消除街景中一些不容易識別的涉密類安全保密信息。建立街景數(shù)據(jù)保密信息歷史庫，當(dāng)前已經(jīng)具有近300座城市建立了街景信息數(shù)據(jù)庫，該技術(shù)逐漸應(yīng)用推廣。當(dāng)前涉密信息檢出正確率已經(jīng)超過98%，該技術(shù)運(yùn)用中，要求核查街景信息總量與信息范圍，并為信息檢測設(shè)置合理的緩沖區(qū)閾值，以此提升預(yù)判結(jié)果準(zhǔn)確度，正確處理提升檢出率與降低虛警率之間的關(guān)系，提升信息檢測的可靠性[1]。見圖1。

1.2圖像識別

圖像識別在信息安全管理中應(yīng)用較為常見，收集了大量的圖片信息，通過迭代優(yōu)化、機(jī)器訓(xùn)練等，提取圖片中的人臉要素以及車牌信息等，對圖像信息要素進(jìn)行定點識別。

通過對百萬數(shù)量級車牌信息以及人臉 樣本進(jìn)行特征訓(xùn)練與數(shù)據(jù)分析，當(dāng)前已經(jīng)形成了相對較為承受的圖像識別技術(shù)。當(dāng)前已經(jīng)具有達(dá)到高于90%的圖像信息自動化識別平均檢測正確率。

1.2.1人臉識別

人臉檢測中能夠?qū)?十萬級非人臉 樣本以及萬級人臉樣本信息進(jìn)行分析，對人臉大小、膚色以及分布等情況進(jìn)行檢測，對人臉膚色信息的位置以及大小進(jìn)行粗篩選，得出重點候選區(qū)域[2]。

制定兩級級聯(lián)分類器，得出街景全景狀態(tài)下的復(fù)雜分布情況以及復(fù)雜街景下的人臉分布情況。針對街景全景運(yùn)用人工神經(jīng)網(wǎng)絡(luò)作為分類器，針對復(fù)雜街景運(yùn)用支持向量機(jī)分類器，并結(jié)合方向梯度直方圖局部特征對人臉信息進(jìn)行分析，能夠達(dá)到高于85%的人臉檢測成功率。俯仰旋轉(zhuǎn)角度大過人臉、較小模糊人臉在檢測中容易漏掉[3]。見圖2。

工神經(jīng)網(wǎng)絡(luò)的重要類型之一為卷積神經(jīng)網(wǎng)絡(luò)CNN，圖像分析中能夠減少權(quán)值數(shù)量。提升了對網(wǎng)絡(luò)模型的分析效率。在多維圖像分析，例如人臉圖像分析方面運(yùn)用優(yōu)勢明顯，直接將圖像作為網(wǎng)絡(luò)輸入，有效改善了傳統(tǒng)算法中特征較為復(fù)雜需要進(jìn)行數(shù)據(jù)重建過程。卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)用對比例縮放、平移及其他形式變移方面能夠有效分析，是針對二維形狀而設(shè)計的一種分析方式，具有高度不變性的特征[4]。

1.2.2車牌識別

當(dāng)前對車牌信息識別方式主要是結(jié)合灰度紋理認(rèn)證進(jìn)行車牌定位，并通過小波變換進(jìn)行車牌定位，在車牌信息分析中，受到背景變化情況、圖片本身質(zhì)量以及檢測目標(biāo)角度等因素的影響，難以直接將其運(yùn)用于街景圖像識別與分析之中，在圖像信息分析中，應(yīng)當(dāng)對此進(jìn)行一定技術(shù)與處理與檢測。

車牌信息分析中，包括車輛紋理、車牌顏色以及大小等因素，要求規(guī)范化收集并處理數(shù)萬典型車牌樣本，并與非車牌信息進(jìn)行對比，通過假設(shè)產(chǎn)生與假設(shè)驗證兩個方式進(jìn)行分析。見圖3。

在假設(shè)產(chǎn)生步驟中，結(jié)合車牌顏色信息選定候選區(qū)域，對圖形信息進(jìn)行紋理驗證，包括垂直投影、水平投影等，與其他信息聯(lián)合等，構(gòu)成車牌信息重點候選區(qū)域。對車牌圖形信息進(jìn)行分析，通過Radon變換提取車牌邊緣直線，并對車牌進(jìn)行旋轉(zhuǎn)變換，對圖形信息進(jìn)行進(jìn)一步分析。在假設(shè)驗證階段，對車牌信息進(jìn)行最終的驗證分析，主要通過對車牌特征及分類器進(jìn)行信息判斷，能夠得出高于94%車牌檢測率[5]。本次研究中，卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練人臉模式的運(yùn)用，克服了傳統(tǒng)顯示特征取樣中的局限性，提升了模式運(yùn)用的泛化能力，在較為復(fù)雜街景圖像分析中也可運(yùn)用。街景圖像具有較高的分辨率，圖像分析中可以適當(dāng)降低卷積神經(jīng)網(wǎng)絡(luò)隱含層層數(shù)，由此檢測出更多的非人臉圖像目標(biāo)，結(jié)合過級聯(lián)HoG+SVM分類器的運(yùn)用，將多余非人臉進(jìn)行濾除。

1.3差異化處理

互聯(lián)網(wǎng)街景信息分析中，對涉密類安全保密信息運(yùn)用差異化處理技術(shù)進(jìn)行分析，由此判斷街景周邊地物的色彩信息、紋理等，通過技術(shù)處理進(jìn)行圖像移植分析。該技術(shù)運(yùn)用的重要前提條件為對周邊信息的判斷與選取。街景安全保密信息周邊地物可能并不具備單一性特征，若不進(jìn)行差異化分析，而采用統(tǒng)一處理方式，在信息處理之后，圖像區(qū)域中的色彩、紋理等會與周邊地物等出現(xiàn)較大差異。容易出現(xiàn)較大處理痕跡，很容易被識別出來。

而差異化處理方式的運(yùn)用，有效分析了圖像的占比以及涉密要素的大小等信息，通過綜合判斷，得出是否利用周邊信息等。如果需要利用周邊信息，則對周邊信息進(jìn)行相應(yīng)好處理，首先適當(dāng)選取周邊信息，比對不同方位的連接要素，判斷相似性，綜合計算得出相似度，并進(jìn)行加權(quán)計算，得出相似度評估值。對比相似度評估值與相似度閾值。若兩者數(shù)值超過了閾值，則對街景周邊涉密區(qū)域進(jìn)行移植處理，如果沒有超過閾值，則按照程序標(biāo)記信息，對街景圖形信息進(jìn)行人工確認(rèn)，并對此進(jìn)行進(jìn)一步判斷分析。該技術(shù)應(yīng)用處理之后，能夠達(dá)到超過95%的信息保密處理合格率[6]。

二、結(jié)束語

人臉以及車牌自動化識別技術(shù)的運(yùn)用能夠初步定位非涉密類安全信息場景點，對人臉及車牌在街景中的大小以及位置進(jìn)行統(tǒng)計分析，以此過濾非人臉以及非車牌信息，在對街景圖像分析中具有較高的編輯效率。互聯(lián)網(wǎng)街景安全保密信息處理平臺的構(gòu)建能夠?qū)ζ脚_安全信息進(jìn)行有效分類與管理，當(dāng)前我國已經(jīng)形成了較為成熟的街景信息分析體系，平臺具有較高的準(zhǔn)確率與有效率，應(yīng)當(dāng)加強(qiáng)對街景信息平臺的運(yùn)用，從而更好的發(fā)揮街景信息在多個領(lǐng)域中的應(yīng)用價值。

參? 考? 文? 獻(xiàn)

[1]邵鈺涵，殷雨婷，薛貞穎.基于街景大數(shù)據(jù)的北京、上海街景舒適度評價及比較[J].風(fēng)景園林，2021，28（01）：53-59.

[2]劉曉天，孫冰，廖超，金佳莉，施招婉，范黎明，唐藝家，何繼紅，何衛(wèi)忠，楊龍，孫倩，裴男才.基于街景圖像的城市街道綠視率計量方法比較分析[J].江西農(nóng)業(yè)大學(xué)學(xué)報，2020，42（05）：1022-1031.

[3]邵鈺涵，薛貞穎，殷雨婷，馬東波.街道景觀視覺補(bǔ)償公平性研究：以上海市城市低等級街道為例[J].風(fēng)景園林，2020，27（09）：109-115.

[4]李康淳.街景設(shè)計初探——以南京市興智科技城興智路街景設(shè)計為例[J].現(xiàn)代園藝， 2020，43（16）：73-74.

[5]董夢. 基于街景影像的城市意象空間分布特征研究[D].北京建筑大學(xué)，2020.

[6]牛牧. 首都功能核心區(qū)慢行系統(tǒng)設(shè)計優(yōu)化策略研究[D].北京建筑大學(xué)，2020.