基于智能视觉的特定人员检索平台设计与实现
陈熔+刘杰
摘 要： 以往设计出的特定人员检索平台均或多或少地存在一些问题，主要体现在检索准确率和检索效率都不高。面对此现象，设计基于智能视觉的特定人员检索平台。平台中的采集模块负责进行特定人员图像特征的采集工作。特征提取模块根据采集模块给出的特定人员图像特征，使用色彩对比度方法，将检索数据库中与其具有相似特征的候选图像筛选出来，并利用候选图像对智能视觉模块进行训练。训练成功后的智能视觉模块将依据特定人员图像特征，将候选图像中的最佳目标图像检索出来。经实验分析可知，所设计的平台拥有很高的检索准确率和检索效率，可较好地实现设计目标。
关键词： 智能视觉； 目标图像检索； 检索平台； 候选图像
中图分类号： TN915.5?34； TP391.3 文献标识码： A 文章编号： 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
随着科技的不断发展，人们所持有的多媒体信息也越来越多。面对膨胀式的信息量，人脑已无法对其进行完整记忆[1]。在公安、消防等机关中，工作人员经常需要对一些特定人员进行检索，人们期待能够出现一种可进行准确、高效检索工作的平台[2]。智能视觉是一种以人眼结构特点为导向设计出的图像识别技术，因此，设计一种基于智能视觉的特定人员检索平台，以帮助人们更为有效地完成特定人员检索工作。
以往设计出的各种特定人员检索平台均或多或少地存在一定问题，体现在检索准确率和检索效率不高等方面[3]。例如文献[4]使用了几何限制方法进行特定人员图像的检索工作，该平台先筛选出与特定人员图像特征相似度较高的候选图像，再通过验证图像之间的几何性质检索出最佳图像，但平台的计算实现过于复杂。文献[5]基于词袋模型对特定人员检索平台进行了具体设计与实现，整个平台的检索性能不是很高，只适用于小范围的检索工作。文献[6]中的平台使用汉明编码方法对特定人员图像信息中的重要特征点进行了编码，使目标图像与候选图像在空间上更为贴近，方便对候选图像进行高效检索。但该平台在对重要特征点的选择上存在一些问题。文献[7]设计并实现了基于C/S架构的特定人员检索平台，但C/S架构需要将特定人员图像抽象化后再进行检索工作，经常导致图像部分信息不完整。
随着公安、消防等机关中案件的增多，以往设计出的特定人员检索平台已无法满足检索工作对检索准确率和检索效率要求[8]。基于上述原因，设计基于智能视觉的特定人员检索平台，并对平台中各模块进行重点设计和实现。
1 基于智能视觉的特定人员检索平台设计与实现
所设计的基于智能视觉的特定人员检索平台拥有三个模块，分别是采集模块、特征提取模块和智能视觉模块，现分别对上述三个模块进行设计和实现。
1.1 采集模块设计与实现
采集模块负责进行特定人员图像特征的采集工作，所采集到的信息将被传输到特征提取模块。该模块所使用的特征采集设备是我国某公司生产的Kvcom系统，这是一款集扫描、采集、修正功能于一体的特征采集设备，性能优异并且价格便宜。在所设计的基于智能视觉的特定人员检索平台中，Kvcom系统能够对特定人员图像进行全方位、无死角扫描，力求不错过任何可能的重点特征，并能够对不合理的特征进行自动修正，有效保证了系统的检索准确率[9]。
采集模块的Kvcom系统主要由扫描芯片、采集器和信号放大器组成，并配备了专用处理软件。扫描芯片完成扫描后，会将特定人员图像信息传递给采集器进行图像特征的提取工作，采集器内部电路结构如图1所示。Kvcom系统的采集器与计算机直接相连，工作人员可使用系统处理软件对特征提取工作的参数进行设定。采集器使用12 V蓄电池供电，其电阻材质均为康铜丝，精度较高。采集器还内置了DC?DC转换芯片，其作用是稳定采集器电路电压，并隔离外部环境中的噪音干扰[10]。
经采集器提取出的特定人员图像特征需要先经信号放大器进行信号放大，再传输给特征提取模块。图2是信号放大器内部电路结构图，经分析可知，为了保证特定人员初始图像信息的完整性，信号放大器的内部电路设计较为简单，不存在过多的滤波和转换装置，并且电路接线较为简单，易于实现。
1.2 特征提取模块设计与实现
在基于智能视觉的特定人员检索平台中，特征提取模块将根据采集模块给出的特定人员图像特征，对检索数据库中的图像进行特征提取，筛选出与特定人员图像具有相似特征的候选图像，并使用候选图像特征信息对智能视觉模块进行训练。
特征提取模块使用色彩对比度方法进行特征提取工作，该方法是根据 “不同图像区域中特征点权值也不尽相同”这一原理提出的。它利用智能视觉模拟人眼对色彩的敏感度，将对比度较强的图像特征提取出来。较一些常用的特征提取方法而言，色彩对比度方法的计算精度更高，并且计算步骤更加简单，可更好地实现基于智能视觉的特定人员检索平台的设计目标。
在检索数据库中选择一幅图像，用表示，中特征集合的色彩对比度可被定义为：
式中：表示两个图像特征和之间的空间位移；表示采集模块给出的特定人員图像特征；则代表检索数据库中图像的某一特征。为了增强基于智能视觉的特定人员检索平台检索性能，需要让检索数据库中图像特征能够被快速并清晰地梳理出来。为此，在色彩对比度方法的计算过程中便对特征集合进行了排序，其实质是对式（1）进行整理变形，如下：
式中：代表图像中色彩数量；图像特征和的色彩分别用集合和表示；则代表和在和中重叠出现的概率。使用式（2）能够将图像特征和中的色彩特征依据相似度由大至小地进行排列。
图像的色彩对比度排序成功后，特征提取模块的色彩对比度方法将根据排列次序对图像进行分割，用表示图像的分割区域，为其相对应的区域权值，特定人员图像的分割区域用表示，此时的区域色彩对比度可表示为：
式中，表示两分割区域和之间的位移，该值可通过式（4）计算出来，如下：
在进行上述计算之前，需要先对基于智能视觉的特定人员检索平台的色彩对比度标准值进行设定。将式（3）的计算结果汇总并输出，获取到图像的色彩对比度总值，该值如果高于或低于标准值的8%，则可作为平台的候选图像输出。
由于机器视觉技术在使用初期是不具有计算能力的，故在候选图像被传送到智能视觉模块前，需要使用候选图像对智能视觉模块进行训练，其训练步骤可概括为5步：
（1） 将候选图像的所有特征与智能视觉模块的符号节点一一对应上并保存；
（2） 计算出图像特征点的色彩对比度并保存；
（3） 在符号节点上生成分类树，并进行聚类；
（4） 将候选图像转变成数字形式；
（5） 对数字形式的候选图像进行归一化处理并加权，生成检索预备文件。
智能视觉模块训练结束后，候选图像会以原始图像和数字文本两种格式被传输到智能视觉模块中。
1.3 智能视觉模块设计与实现
基于智能视觉的特定人员检索平台的智能视觉模块能够依据特定人员图像特征，将候选图像中最佳目标图像检索出来，其检索实现流程如图3所示。
由图3可知，智能视觉模块将特定人员图像特征与候选图像特征共同输入到自身的符号节点进行排列，与特定人员图像的特征排序最为接近的候选图像便可代表平台最终的检索结果。智能视觉模块的实质是一个监督模型，其使用原始候选图像集合和特定人员图像共同行使对智能视觉技术处理工作的监督，与以往公认的智能视觉技术的实现方法相比，所设计的方法具有更高的检索准确率。将原始候选图像与数字文本候选图像特征集合共同输入模块符号节点，还能有效提高检索效率。
2 实验分析
对于特定人员检索平台，评价其检索性能的项目通常包括检索准确率和检索效率，检索准确率又包括精度波动率和查全率。现通过对比本文检索平台、几何限制检索平台和C/S架构检索平台的各项检索性能，对本文检索平台是否符合设计目标进行验证。
实验模拟公安系统检索网络搭建了一个检索数据库，其中涵盖了300名不同肤色、不同国家的公众人物面部图像。使用上述三个平台在检索数据库中对3组特定人员图像进行检索，特定人员图像如图4所示。
将三个平台的检索结果与图4中给出的图像进行对比，使用Visual.c 6.0软件将三个平台的精度波动率、查全率（精度波动率越低、查全率越高，准确率就越高）和检索效率（用检索时间表示效率，检索时间越少，效率越高）输出并绘制成图表，如图5、图6、表1所示。
从图5、图6可看出，几何限制检索平台和C/S架构检索平台的精度波动率均高于本文检索平台，而查全率却低于本文检索平台，表明这两种检索平台在进行特定人员的检索工作时，均会丢失较多的图像特征点，导致检索准确率不高。
从表1可看出，几何限制检索平台所用的检索时间是三个检索平台中最多的，分别高出C/S架构检索平台和本文检索平台约2.5倍和3.5倍；而与C/S架构检索平台相比，本文检索平台所用的检索时间要更少，二者相差11 s左右。
通过分析上述实验结果能够得出结论，本文检索平台拥有很好的检索性能。
3 结 论
智能视觉是一种以人眼结构特点为导向设计出的图像识别技术。随着公安、消防等机关的快速发展，以往设计出的特定人员检索平台已无法满足检索工作对检索准确率和检索效率要求，因此，本文对基于智能视觉的特定人员检索平台进行了设计。本文检索平台由采集模块、特征提取模块和智能视觉模块组成，并依次使用了Kvcom系统、色彩对比度方法和智能视觉技术对实现了本文设计。经实验分析可知，本文检索平台拥有很好的检索性能。
参考文献
[1] 张飞，李景富.基于智能视觉的高空图像搜集系统的设计与实现[J].计算机测量与控制，2015，23（3）：939?941.
[2] 尹新富，袁雪霞.基于智能视觉的车辆事故预警监控系统设计[J].计算机测量与控制，2015，23（5）：1522?1524.
[3] 李超，吕宪伟，涂文俊，等.基于计算机视觉的实木表面智能化分选系统设计[J].北京林业大学学报，2016，38（3）：102?109.
[4] 张岚，张勇，高佳令，等.印花图案智能检索系统开发研究[J].成都纺织高等专科学校学报，2016，33（2）：131?133.
[5] 潘灶焰，马涛.基于ASP.Net的知识条目检索系统设计与实现[J].宁夏师范学院学报，2014，35（3）：90?94.
[6] 尤胜.基于异构技术的数字图书馆信息统计平台[J].现代电子技术，2016，39（7）：167?170.
[7] 温浩杰.病患生理参数管理平台的设计与实现[J].现代电子技术，2015，38（16）：34?37.
[8] 李维乾，李莉，张晓滨，等.Hadoop平台下突发水污染应急预案并行化处置[J].西安工程大学学报，2015，29（6）：733?739.
[9] 张小博，蒋铭.智能媒资检索系统设计与实现[J].电视技术，2015，39（13）：36?39.
[10] 刘全飞，周相兵.基于lucene的站群全文检索系统设计与实现[J].电脑与信息技术，2015，23（1）：36?39.
摘 要： 以往设计出的特定人员检索平台均或多或少地存在一些问题，主要体现在检索准确率和检索效率都不高。面对此现象，设计基于智能视觉的特定人员检索平台。平台中的采集模块负责进行特定人员图像特征的采集工作。特征提取模块根据采集模块给出的特定人员图像特征，使用色彩对比度方法，将检索数据库中与其具有相似特征的候选图像筛选出来，并利用候选图像对智能视觉模块进行训练。训练成功后的智能视觉模块将依据特定人员图像特征，将候选图像中的最佳目标图像检索出来。经实验分析可知，所设计的平台拥有很高的检索准确率和检索效率，可较好地实现设计目标。
关键词： 智能视觉； 目标图像检索； 检索平台； 候选图像
中图分类号： TN915.5?34； TP391.3 文献标识码： A 文章编号： 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
随着科技的不断发展，人们所持有的多媒体信息也越来越多。面对膨胀式的信息量，人脑已无法对其进行完整记忆[1]。在公安、消防等机关中，工作人员经常需要对一些特定人员进行检索，人们期待能够出现一种可进行准确、高效检索工作的平台[2]。智能视觉是一种以人眼结构特点为导向设计出的图像识别技术，因此，设计一种基于智能视觉的特定人员检索平台，以帮助人们更为有效地完成特定人员检索工作。
以往设计出的各种特定人员检索平台均或多或少地存在一定问题，体现在检索准确率和检索效率不高等方面[3]。例如文献[4]使用了几何限制方法进行特定人员图像的检索工作，该平台先筛选出与特定人员图像特征相似度较高的候选图像，再通过验证图像之间的几何性质检索出最佳图像，但平台的计算实现过于复杂。文献[5]基于词袋模型对特定人员检索平台进行了具体设计与实现，整个平台的检索性能不是很高，只适用于小范围的检索工作。文献[6]中的平台使用汉明编码方法对特定人员图像信息中的重要特征点进行了编码，使目标图像与候选图像在空间上更为贴近，方便对候选图像进行高效检索。但该平台在对重要特征点的选择上存在一些问题。文献[7]设计并实现了基于C/S架构的特定人员检索平台，但C/S架构需要将特定人员图像抽象化后再进行检索工作，经常导致图像部分信息不完整。
随着公安、消防等机关中案件的增多，以往设计出的特定人员检索平台已无法满足检索工作对检索准确率和检索效率要求[8]。基于上述原因，设计基于智能视觉的特定人员检索平台，并对平台中各模块进行重点设计和实现。
1 基于智能视觉的特定人员检索平台设计与实现
所设计的基于智能视觉的特定人员检索平台拥有三个模块，分别是采集模块、特征提取模块和智能视觉模块，现分别对上述三个模块进行设计和实现。
1.1 采集模块设计与实现
采集模块负责进行特定人员图像特征的采集工作，所采集到的信息将被传输到特征提取模块。该模块所使用的特征采集设备是我国某公司生产的Kvcom系统，这是一款集扫描、采集、修正功能于一体的特征采集设备，性能优异并且价格便宜。在所设计的基于智能视觉的特定人员检索平台中，Kvcom系统能够对特定人员图像进行全方位、无死角扫描，力求不错过任何可能的重点特征，并能够对不合理的特征进行自动修正，有效保证了系统的检索准确率[9]。
采集模块的Kvcom系统主要由扫描芯片、采集器和信号放大器组成，并配备了专用处理软件。扫描芯片完成扫描后，会将特定人员图像信息传递给采集器进行图像特征的提取工作，采集器内部电路结构如图1所示。Kvcom系统的采集器与计算机直接相连，工作人员可使用系统处理软件对特征提取工作的参数进行设定。采集器使用12 V蓄电池供电，其电阻材质均为康铜丝，精度较高。采集器还内置了DC?DC转换芯片，其作用是稳定采集器电路电压，并隔离外部环境中的噪音干扰[10]。
经采集器提取出的特定人员图像特征需要先经信号放大器进行信号放大，再传输给特征提取模块。图2是信号放大器内部电路结构图，经分析可知，为了保证特定人员初始图像信息的完整性，信号放大器的内部电路设计较为简单，不存在过多的滤波和转换装置，并且电路接线较为简单，易于实现。
1.2 特征提取模块设计与实现
在基于智能视觉的特定人员检索平台中，特征提取模块将根据采集模块给出的特定人员图像特征，对检索数据库中的图像进行特征提取，筛选出与特定人员图像具有相似特征的候选图像，并使用候选图像特征信息对智能视觉模块进行训练。
特征提取模块使用色彩对比度方法进行特征提取工作，该方法是根据 “不同图像区域中特征点权值也不尽相同”这一原理提出的。它利用智能视觉模拟人眼对色彩的敏感度，将对比度较强的图像特征提取出来。较一些常用的特征提取方法而言，色彩对比度方法的计算精度更高，并且计算步骤更加简单，可更好地实现基于智能视觉的特定人员检索平台的设计目标。
在检索数据库中选择一幅图像，用表示，中特征集合的色彩对比度可被定义为：
式中：表示两个图像特征和之间的空间位移；表示采集模块给出的特定人員图像特征；则代表检索数据库中图像的某一特征。为了增强基于智能视觉的特定人员检索平台检索性能，需要让检索数据库中图像特征能够被快速并清晰地梳理出来。为此，在色彩对比度方法的计算过程中便对特征集合进行了排序，其实质是对式（1）进行整理变形，如下：
式中：代表图像中色彩数量；图像特征和的色彩分别用集合和表示；则代表和在和中重叠出现的概率。使用式（2）能够将图像特征和中的色彩特征依据相似度由大至小地进行排列。
图像的色彩对比度排序成功后，特征提取模块的色彩对比度方法将根据排列次序对图像进行分割，用表示图像的分割区域，为其相对应的区域权值，特定人员图像的分割区域用表示，此时的区域色彩对比度可表示为：
式中，表示两分割区域和之间的位移，该值可通过式（4）计算出来，如下：
在进行上述计算之前，需要先对基于智能视觉的特定人员检索平台的色彩对比度标准值进行设定。将式（3）的计算结果汇总并输出，获取到图像的色彩对比度总值，该值如果高于或低于标准值的8%，则可作为平台的候选图像输出。
由于机器视觉技术在使用初期是不具有计算能力的，故在候选图像被传送到智能视觉模块前，需要使用候选图像对智能视觉模块进行训练，其训练步骤可概括为5步：
（1） 将候选图像的所有特征与智能视觉模块的符号节点一一对应上并保存；
（2） 计算出图像特征点的色彩对比度并保存；
（3） 在符号节点上生成分类树，并进行聚类；
（4） 将候选图像转变成数字形式；
（5） 对数字形式的候选图像进行归一化处理并加权，生成检索预备文件。
智能视觉模块训练结束后，候选图像会以原始图像和数字文本两种格式被传输到智能视觉模块中。
1.3 智能视觉模块设计与实现
基于智能视觉的特定人员检索平台的智能视觉模块能够依据特定人员图像特征，将候选图像中最佳目标图像检索出来，其检索实现流程如图3所示。
由图3可知，智能视觉模块将特定人员图像特征与候选图像特征共同输入到自身的符号节点进行排列，与特定人员图像的特征排序最为接近的候选图像便可代表平台最终的检索结果。智能视觉模块的实质是一个监督模型，其使用原始候选图像集合和特定人员图像共同行使对智能视觉技术处理工作的监督，与以往公认的智能视觉技术的实现方法相比，所设计的方法具有更高的检索准确率。将原始候选图像与数字文本候选图像特征集合共同输入模块符号节点，还能有效提高检索效率。
2 实验分析
对于特定人员检索平台，评价其检索性能的项目通常包括检索准确率和检索效率，检索准确率又包括精度波动率和查全率。现通过对比本文检索平台、几何限制检索平台和C/S架构检索平台的各项检索性能，对本文检索平台是否符合设计目标进行验证。
实验模拟公安系统检索网络搭建了一个检索数据库，其中涵盖了300名不同肤色、不同国家的公众人物面部图像。使用上述三个平台在检索数据库中对3组特定人员图像进行检索，特定人员图像如图4所示。
将三个平台的检索结果与图4中给出的图像进行对比，使用Visual.c 6.0软件将三个平台的精度波动率、查全率（精度波动率越低、查全率越高，准确率就越高）和检索效率（用检索时间表示效率，检索时间越少，效率越高）输出并绘制成图表，如图5、图6、表1所示。
从图5、图6可看出，几何限制检索平台和C/S架构检索平台的精度波动率均高于本文检索平台，而查全率却低于本文检索平台，表明这两种检索平台在进行特定人员的检索工作时，均会丢失较多的图像特征点，导致检索准确率不高。
从表1可看出，几何限制检索平台所用的检索时间是三个检索平台中最多的，分别高出C/S架构检索平台和本文检索平台约2.5倍和3.5倍；而与C/S架构检索平台相比，本文检索平台所用的检索时间要更少，二者相差11 s左右。
通过分析上述实验结果能够得出结论，本文检索平台拥有很好的检索性能。
3 结 论
智能视觉是一种以人眼结构特点为导向设计出的图像识别技术。随着公安、消防等机关的快速发展，以往设计出的特定人员检索平台已无法满足检索工作对检索准确率和检索效率要求，因此，本文对基于智能视觉的特定人员检索平台进行了设计。本文检索平台由采集模块、特征提取模块和智能视觉模块组成，并依次使用了Kvcom系统、色彩对比度方法和智能视觉技术对实现了本文设计。经实验分析可知，本文检索平台拥有很好的检索性能。
参考文献
[1] 张飞，李景富.基于智能视觉的高空图像搜集系统的设计与实现[J].计算机测量与控制，2015，23（3）：939?941.
[2] 尹新富，袁雪霞.基于智能视觉的车辆事故预警监控系统设计[J].计算机测量与控制，2015，23（5）：1522?1524.
[3] 李超，吕宪伟，涂文俊，等.基于计算机视觉的实木表面智能化分选系统设计[J].北京林业大学学报，2016，38（3）：102?109.
[4] 张岚，张勇，高佳令，等.印花图案智能检索系统开发研究[J].成都纺织高等专科学校学报，2016，33（2）：131?133.
[5] 潘灶焰，马涛.基于ASP.Net的知识条目检索系统设计与实现[J].宁夏师范学院学报，2014，35（3）：90?94.
[6] 尤胜.基于异构技术的数字图书馆信息统计平台[J].现代电子技术，2016，39（7）：167?170.
[7] 温浩杰.病患生理参数管理平台的设计与实现[J].现代电子技术，2015，38（16）：34?37.
[8] 李维乾，李莉，张晓滨，等.Hadoop平台下突发水污染应急预案并行化处置[J].西安工程大学学报，2015，29（6）：733?739.
[9] 张小博，蒋铭.智能媒资检索系统设计与实现[J].电视技术，2015，39（13）：36?39.
[10] 刘全飞，周相兵.基于lucene的站群全文检索系统设计与实现[J].电脑与信息技术，2015，23（1）：36?39.
