關(guān)于圖像識(shí)別技術(shù) 在視頻通信領(lǐng)域的發(fā)展應(yīng)用現(xiàn)狀的報(bào)告

摘要：在現(xiàn)代信息技術(shù)不斷發(fā)展的背景下，圖像識(shí)別技術(shù)在我國(guó)得到了較大的發(fā)展和廣泛的應(yīng)用，同時(shí)視頻通信業(yè)務(wù)范圍也日益擴(kuò)大。本文主要就圖像識(shí)別技術(shù)的發(fā)展及其在視頻通信領(lǐng)域的應(yīng)用現(xiàn)狀進(jìn)行了探析，以期能夠更好地提升圖像識(shí)別技術(shù)的應(yīng)用價(jià)值。

關(guān)鍵詞：圖像識(shí)別技術(shù);視頻通信;發(fā)展 應(yīng)用現(xiàn)狀

一、引言

圖像識(shí)別技術(shù)是以圖像為基礎(chǔ)，利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理后，將其中的目標(biāo)對(duì)象識(shí)別出來(lái)并加以分析的技術(shù)。隨著20世紀(jì)60年代以來(lái)計(jì)算機(jī)技術(shù)與信息技術(shù)的發(fā)展，圖像識(shí)別技術(shù)越來(lái)越被人類所發(fā)掘和研究，圖像識(shí)別技術(shù)已經(jīng)應(yīng)用到人們的日常生活方方面面中。應(yīng)用范圍包括醫(yī)學(xué)、航空航天、農(nóng)業(yè)生產(chǎn)、工業(yè)工程、通信、交通、軍事安防等多個(gè)領(lǐng)域，如醫(yī)療診斷中各種醫(yī)學(xué)圖片的分析與識(shí)別、天氣預(yù)報(bào)中衛(wèi)星云圖識(shí)別、遙感圖像識(shí)別、指紋識(shí)別、臉譜識(shí)別、智能機(jī)器人、電子警察系統(tǒng)等，其中最典型的應(yīng)用是在通信工程和生物醫(yī)學(xué)中的應(yīng)用。

隨著社會(huì)的發(fā)展和通信技術(shù)的進(jìn)步，人們對(duì)通信的需求發(fā)生了巨大的變化，由最初單一的文字或語(yǔ)音通信提升為對(duì)視頻和音頻多方面的通信需求，通信領(lǐng)域的發(fā)展熱點(diǎn)也逐步轉(zhuǎn)向以傳送語(yǔ)音、圖像、數(shù)據(jù)和視頻為一體的視頻通信業(yè)務(wù)。不僅如此，在視頻監(jiān)控、電視會(huì)議、遠(yuǎn)程醫(yī)療和遠(yuǎn)程視頻教育等方面，視頻通信也成了不可替代的一項(xiàng)技術(shù)。

隨著電子技術(shù)和互聯(lián)網(wǎng)的快速發(fā)展，視頻通信中對(duì)信息準(zhǔn)確性及圖像清晰度要求的提高成為可能。與之相對(duì)應(yīng)的是，如今的圖像識(shí)別技術(shù)更加先進(jìn)，更加精準(zhǔn)，能用納秒級(jí)的時(shí)間處理和加工非常復(fù)雜的圖像。因此，圖像識(shí)別技術(shù)在視頻通信領(lǐng)域的發(fā)展與應(yīng)用是非常值得關(guān)注的。

二、計(jì)算機(jī)圖像識(shí)別技術(shù)的發(fā)展

計(jì)算機(jī)圖像識(shí)別技術(shù)模仿人類對(duì)于圖像的識(shí)別過(guò)程，通過(guò)分類并提取圖像的重要特征且排除多余的信息，然后對(duì)識(shí)別出來(lái)的信息進(jìn)行整合，最終將分階段識(shí)別出來(lái)的信息形成一個(gè)完整知覺(jué)映像，從而判斷出識(shí)別目標(biāo)。簡(jiǎn)單來(lái)說(shuō)，識(shí)別過(guò)程包括圖像預(yù)處理、圖像分割、特征提取和判斷分類匹配，如圖1所示。

從計(jì)算機(jī)圖像識(shí)別技術(shù)的發(fā)展階段來(lái)看，早在20世紀(jì)20年代，這項(xiàng)技術(shù)就已經(jīng)開(kāi)始在西方多國(guó)出現(xiàn)并且得到初步應(yīng)用。50年代，計(jì)算機(jī)圖像識(shí)別技術(shù)還停留在數(shù)字、文字處理方面。60年代，隨著計(jì)算機(jī)性能大幅度提升，計(jì)算機(jī)圖像識(shí)別與處理技術(shù)發(fā)展勢(shì)頭迅猛，比如60年代出現(xiàn)的CT掃描進(jìn)行疾病診斷，在70年代末被授予諾貝爾獎(jiǎng)。到了90年代，圖像識(shí)別與處理技術(shù)真正進(jìn)入到大規(guī)模發(fā)展階段，真正飛躍發(fā)展是在21世紀(jì)。

進(jìn)入到21世紀(jì)，智能化時(shí)代已悄然來(lái)臨，人們的生活方式也得到了極大的改變，我們?cè)谕ㄐ诺倪^(guò)程中也可以傳輸圖像、聲音、文字等信息。網(wǎng)絡(luò)能夠承載電視、電話以及綜合類型的數(shù)字通信，滿足人們的各種日常生活工作需求。移動(dòng)互聯(lián)網(wǎng)、智能手機(jī)以及社交網(wǎng)絡(luò)的發(fā)展，使人們的生活充滿了海量的圖片信息，圖片與視頻成為通信交流的又一大主要媒介。在此環(huán)境下，計(jì)算機(jī)圖像識(shí)別處理技術(shù)顯得尤為重要。

三、圖像識(shí)別技術(shù)

圖像識(shí)別主要有模式識(shí)別和神經(jīng)網(wǎng)絡(luò)兩種技術(shù)。

（一）模式識(shí)別

模式識(shí)別是指對(duì)表征事物或現(xiàn)象的各種形式的圖像信息進(jìn)行處理和分析，通過(guò)計(jì)算機(jī)用數(shù)學(xué)技術(shù)方法來(lái)研究模式的自動(dòng)處理和判讀、識(shí)別圖像所具備的多種特征。簡(jiǎn)單來(lái)說(shuō)，模式識(shí)別就是利用計(jì)算機(jī)對(duì)圖像的特征提取后進(jìn)行分類，在錯(cuò)誤概率最小的條件下，使識(shí)別的結(jié)果盡量與目標(biāo)對(duì)象相符合。模式識(shí)別可用于文字和語(yǔ)音識(shí)別、遙感和醫(yī)學(xué)診斷等方面，但在當(dāng)前的實(shí)際操作過(guò)程中，計(jì)算機(jī)圖像識(shí)別模式和人類大腦圖像識(shí)別圖形圖像的模式還存在著一定差異，在處理的過(guò)程中難免會(huì)出現(xiàn)一些錯(cuò)誤信息。

（二）神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)具體來(lái)說(shuō)，就是模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的數(shù)學(xué)模型。這種網(wǎng)絡(luò)基于系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。相比之前的模式識(shí)別，該方法取得了很大成功。當(dāng)前在圖像識(shí)別領(lǐng)域廣泛應(yīng)用的主要有多層神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。

1.多層神經(jīng)網(wǎng)絡(luò)

多層神經(jīng)網(wǎng)絡(luò)由輸入層、隱藏層、輸出層三個(gè)部分組成，其中隱藏層也被稱為中間層（可以從幾層到數(shù)百層）。每層都由多個(gè)神經(jīng)元組成，層與層之間相互連接，每一個(gè)連接均有一個(gè)權(quán)重值與之相對(duì)應(yīng)。在多層神經(jīng)網(wǎng)絡(luò)中，每一個(gè)像素點(diǎn)都需要有一個(gè)神經(jīng)元與之對(duì)應(yīng)。顯而易見(jiàn)，這種方法費(fèi)時(shí)費(fèi)力，例如識(shí)別一段1000幀每幀1000像素*1000像素組成的視頻，輸入層將由10^9個(gè)神經(jīng)元組成，導(dǎo)致計(jì)算成本過(guò)大，顯然此方法并不存在實(shí)際的應(yīng)用價(jià)值。

2. 卷積神經(jīng)網(wǎng)絡(luò)

為解決多層神經(jīng)網(wǎng)絡(luò)所需樣本多和計(jì)算量大的問(wèn)題，在中間層引入卷積層和池化層，將其稱之為卷積神經(jīng)網(wǎng)絡(luò)。卷積神經(jīng)網(wǎng)絡(luò)根據(jù)神經(jīng)元間的相似性進(jìn)行篩選與過(guò)濾，使得圖像計(jì)算大幅度簡(jiǎn)化。對(duì)于某個(gè)給定層，輸入和神經(jīng)元之間并不是一一對(duì)應(yīng)的關(guān)系，而是專門限制了連接，這樣任意神經(jīng)元只能接受來(lái)自前一層的一小部分的輸入（例如3×3或5×5）。因此，每個(gè)神經(jīng)元只需要負(fù)責(zé)處理其中某一個(gè)特定部分，這樣所需樣本數(shù)量及運(yùn)算資源顯著降低。

四、計(jì)算機(jī)圖像識(shí)別技術(shù)在視頻通信領(lǐng)域的應(yīng)用現(xiàn)狀

邁入新時(shí)代后，社會(huì)文明和科技水平的發(fā)展日新月異，視頻通信應(yīng)用越來(lái)越廣泛，成為眾多行業(yè)不可或缺的一環(huán)?，F(xiàn)如今，在通信工程領(lǐng)域中，主要的研究方向是聲音、文字、圖像和視頻之間的結(jié)合，即所謂的現(xiàn)代流媒體通信，而其中最復(fù)雜的當(dāng)屬數(shù)字圖像通信，主要原因在于圖像傳輸時(shí)對(duì)于數(shù)據(jù)帶寬的需求非常龐大。舉個(gè)例子，目前智能電視機(jī)傳輸帶寬必須達(dá)到100 M/s 以上。因此，在對(duì)于圖像信號(hào)進(jìn)行輸送的過(guò)程當(dāng)中，必須使用編碼技術(shù)壓縮信息量。

就目前而言，圖像識(shí)別技術(shù)在流媒體通信領(lǐng)域發(fā)展是非常顯著的，并且也取得了一定的成果。

（一）視頻通信即服務(wù)

在現(xiàn)階段發(fā)展中隨著寬帶網(wǎng)絡(luò)建設(shè)快速增長(zhǎng)，移動(dòng)互聯(lián)網(wǎng)有了明顯的變化，移動(dòng)通信、社交媒體以及視頻通信等通信技術(shù)已經(jīng)展現(xiàn)出了全新的發(fā)展趨勢(shì)。視頻圖像通信主要包括兩個(gè)過(guò)程，一是攝錄本地會(huì)場(chǎng)的視頻圖像、語(yǔ)音和數(shù)據(jù)信息并進(jìn)行壓縮編碼處理，處理為適合信道傳輸?shù)男盘?hào)后發(fā)送出去;二是將接收到的各種信號(hào)進(jìn)行濾波和譯碼等操作，把原始的基帶信號(hào)再現(xiàn)出來(lái)。目前視頻通信運(yùn)營(yíng)涉及以下兩個(gè)模式：第一，視頻會(huì)議電視，這是一種集圖像、語(yǔ)音為一體的常見(jiàn)的視頻通信業(yè)務(wù)，它利用互聯(lián)網(wǎng)，通過(guò)會(huì)議電視終端把相隔異地的會(huì)議室連接起來(lái)，使出席會(huì)議的人可以進(jìn)行相當(dāng)于面對(duì)面的交談。第二，基于互聯(lián)網(wǎng)基礎(chǔ)上的會(huì)議云服務(wù)，例如騰訊會(huì)議、ZOOM等軟件能夠同時(shí)支持多個(gè)人多路視頻圖像，具有瀏覽批注、共享電子文檔等功能。

（二）視頻監(jiān)控

當(dāng)前視頻監(jiān)控系統(tǒng)遍布在我們生活和工作環(huán)境中各個(gè)角落。在安防設(shè)備布置過(guò)程中，智能化計(jì)算機(jī)圖像識(shí)別技術(shù)的應(yīng)用有兩個(gè)好處。一是可以不再派人長(zhǎng)時(shí)間駐守在監(jiān)控前，有效降低人工成本。二是降低由主觀判斷所造成的疏漏，有效提升視頻監(jiān)控的準(zhǔn)確性，并且計(jì)算機(jī)對(duì)視頻監(jiān)控的處理更加高效。視頻監(jiān)控圖像的自動(dòng)化、智能化處理，使得視頻信息可以成為事故鑒定的有效且主要依據(jù)。監(jiān)控技術(shù)、運(yùn)動(dòng)檢測(cè)和圖像識(shí)別技術(shù)互相結(jié)融合發(fā)展，無(wú)人自動(dòng)智能監(jiān)控系統(tǒng)由此誕生，被廣泛應(yīng)用于電力、交通、智能防火等領(lǐng)域。

（三）遠(yuǎn)程視頻醫(yī)療

遠(yuǎn)程醫(yī)療、在線診療的普及，使得醫(yī)生可以通過(guò)視頻通話、互動(dòng)平臺(tái)與患者交流病情，醫(yī)生們相互之間也可以通過(guò)上述方法交流，共同對(duì)疾病及時(shí)做出綜合醫(yī)療決策。通過(guò)醫(yī)療設(shè)備拍片查看，比如常見(jiàn)的X 射線、CT 技術(shù)、超聲波、心電圖、顯微圖像、染色體辨別、癌細(xì)胞辨別等一些醫(yī)療診斷技術(shù)，都利用了圖像識(shí)別技術(shù)。這些顯示圖像可為醫(yī)生提供行之有效的診斷依據(jù)，進(jìn)而對(duì)疾病進(jìn)行針對(duì)性的治療手段。但是限制于目前的技術(shù)水平和音視頻質(zhì)量，尚未滿足遠(yuǎn)程醫(yī)療對(duì)于實(shí)時(shí)性和高畫質(zhì)的要求。

（四）遠(yuǎn)程視頻教育

遠(yuǎn)程視頻教育是一種新興的教育模式。網(wǎng)絡(luò)開(kāi)放課程打破了傳統(tǒng)課堂時(shí)間和空間的限制，更多的學(xué)習(xí)者能夠共享優(yōu)秀的教育資源。然而，目前開(kāi)放課程仍然存在諸多問(wèn)題，比如：師生之間不能實(shí)時(shí)互動(dòng)交流、缺乏行之有效的學(xué)習(xí)效果跟蹤手段等，這些因素都影響到了開(kāi)放課程更大規(guī)模的應(yīng)用，造成了許多優(yōu)質(zhì)教育資源的閑置與浪費(fèi)。目前，利用實(shí)時(shí)互動(dòng)、數(shù)字視頻通信、多媒體智能圖像識(shí)別檢索等關(guān)鍵技術(shù)，構(gòu)建云計(jì)算環(huán)境下的大規(guī)模實(shí)時(shí)互動(dòng)學(xué)習(xí)平臺(tái)是支持學(xué)習(xí)者隨時(shí)隨地、使用各種終端進(jìn)行大規(guī)模在線點(diǎn)播互動(dòng)學(xué)習(xí)的重要方式，使得開(kāi)放課程的應(yīng)用從單純的資源供給一方向課程與教學(xué)的轉(zhuǎn)變。

（五）基于內(nèi)容的視頻信息檢索

傳統(tǒng)的視頻信息檢索采用基于關(guān)鍵詞的檢索方式，即通過(guò)對(duì)每一個(gè)視頻文件進(jìn)行標(biāo)注，然后僅需文本信息的檢索就可以完成對(duì)視頻內(nèi)容的檢索。由于標(biāo)注描述有限、手工標(biāo)注速度以及主觀性強(qiáng)等等問(wèn)題，當(dāng)前方法已經(jīng)遠(yuǎn)遠(yuǎn)不能達(dá)到成千上萬(wàn)的視頻檢索的要求，因此基于視頻和圖像內(nèi)容信息的檢索技術(shù)應(yīng)運(yùn)而生。該技術(shù)的原理是先令機(jī)器儲(chǔ)存大量的圖像或視頻，建立圖像數(shù)據(jù)庫(kù)。隨后對(duì)需要檢索的視頻進(jìn)行檢索包含目標(biāo)物體的圖像（或視頻片段），從而對(duì)該視頻內(nèi)容自動(dòng)進(jìn)行歸納。

算法的核心技術(shù)是通過(guò)自動(dòng)圖像識(shí)別或理解圖像重要特征的方法對(duì)視頻進(jìn)行整合與歸類，從而實(shí)現(xiàn)按圖像內(nèi)容從視頻庫(kù)中檢索圖像文件。底層視覺(jué)特征和高層語(yǔ)義特征的提取是圖像檢索技術(shù)在發(fā)展中遇到的兩大難題，從而導(dǎo)致目前還未大規(guī)模應(yīng)用。

五、結(jié)束語(yǔ)

隨著人們對(duì)視頻通信服務(wù)的需求量與日俱增，人們對(duì)通信業(yè)務(wù)的服務(wù)質(zhì)量要求也越來(lái)越高。由于當(dāng)前網(wǎng)絡(luò)寬帶建設(shè)尚存不足，編碼也存在優(yōu)化的空間，視頻會(huì)議、視頻監(jiān)控和遠(yuǎn)程視頻教育等的服務(wù)尚存在諸多值得改進(jìn)的部分。因此目前相關(guān)人員需要著力解決視頻圖像技術(shù)亟待解決的問(wèn)題，提升視頻圖像處理整體質(zhì)量，以滿足大眾多樣化、高質(zhì)量通信服務(wù)需求。

作者單位：高俊杰? ? 山東科技大學(xué)

參? 考? 文? 獻(xiàn)

[1]劉海洋.計(jì)算機(jī)智能化圖像識(shí)別技術(shù)的探討[J].中國(guó)新通信，2021，23（13）：127-128.

[2]李亞奇.計(jì)算機(jī)圖像識(shí)別技術(shù)的發(fā)展現(xiàn)狀與應(yīng)用實(shí)踐[J].信息與電腦（理論版），2019（14）：30-31+34.

[3]馬晨.圖像識(shí)別的技術(shù)現(xiàn)狀和發(fā)展趨勢(shì)探析[J].中國(guó)新通信，2017，19（09）：39.

[4]向曉華.計(jì)算機(jī)智能化圖像識(shí)別技術(shù)的探討[J].科技創(chuàng)新導(dǎo)報(bào)，2020，17（13）：141-142.

[5]黃春.計(jì)算機(jī)圖像識(shí)別技術(shù)的現(xiàn)狀及改進(jìn)建議[J].電子技術(shù)與軟件工程，2019（16）：73-74.

[6]劉顯龍.視頻通信技術(shù)發(fā)展趨勢(shì)探討[J].電視技術(shù)，2019，43（13）：78-80.

[7]張曉娟，高瑾.計(jì)算機(jī)圖像識(shí)別技術(shù)的應(yīng)用及細(xì)節(jié)問(wèn)題闡述與分析[J].電子技術(shù)與軟件工程，2016（06）：89.

[8]張家怡.圖像識(shí)別的技術(shù)現(xiàn)狀和發(fā)展趨勢(shì)[J].電腦知識(shí)與技術(shù)，2010，6（21）：6045-6046.

[9]馬晨.基于視頻流的圖像識(shí)別技術(shù)發(fā)展與應(yīng)用[J].電子技術(shù)與軟件工程，2017（06）：78.

[10]葉晨. 醫(yī)學(xué)圖像數(shù)字處理及識(shí)別技術(shù)研究[D].電子科技大學(xué)，2012.

[11]楊東.5G+人工智能機(jī)器視覺(jué)探索[J].通信與信息技術(shù)，2021（01）：60-63.

[12]陳環(huán)宇，高鶯，李曉珂，余永華，周宇哲.基于圖像識(shí)別的在線視頻教育平臺(tái)[J].科技創(chuàng)新與生產(chǎn)力，2018（12）：24-25+31.

[13]徐苑苑. 云計(jì)算環(huán)境下的開(kāi)放課程應(yīng)用研究[D].華東師范大學(xué)，2013.