吳志芳，劉 昕

(1.武漢科技大學 計算機科學與技術(shù)學院，武漢 430081；2.華中科技大學 計算機學院，武漢 430081)

基于圖像處理和模式識別的網(wǎng)絡(luò)圖像監(jiān)控系統(tǒng)

吳志芳1，劉 昕2

(1.武漢科技大學 計算機科學與技術(shù)學院，武漢 430081；2.華中科技大學 計算機學院，武漢 430081)

隨著科學技術(shù)和生活水平不斷的提高，人們的財產(chǎn)和人身安全問題已經(jīng)不僅僅來自于傳統(tǒng)的經(jīng)驗，而是逐漸的轉(zhuǎn)變到虛擬的網(wǎng)絡(luò)當中;為此，提高人們的隱私安全和財產(chǎn)安全需要加強網(wǎng)絡(luò)監(jiān)控，其中圖像監(jiān)控是較為主要的方面;加強圖像監(jiān)控的可靠性和實時性，是實現(xiàn)社會穩(wěn)步發(fā)展和人民網(wǎng)絡(luò)隱私安全的首要目標;應(yīng)用計算機網(wǎng)絡(luò)技術(shù)和現(xiàn)代化通訊技術(shù)相結(jié)合，綜合圖像處理技術(shù)和模式識別技術(shù)的應(yīng)用，設(shè)計應(yīng)用于網(wǎng)絡(luò)圖像監(jiān)控系統(tǒng)是當前社會發(fā)展的安全技術(shù)保障之一;文章通過對圖像監(jiān)控進行簡析，闡述圖像處理技術(shù)和模式識別技術(shù)的相關(guān)方面，探討研究網(wǎng)絡(luò)圖像監(jiān)控中圖像識別和處理方面的技術(shù);通過對圖像處理中的色彩均化和模糊識別實驗，得出其對于網(wǎng)絡(luò)中傳播的圖片辨識度和提取信息能力具有很高的發(fā)展。

圖像處理；模式識別；網(wǎng)絡(luò)圖像監(jiān)控

0 引言

近些年，隨著計算機網(wǎng)絡(luò)技術(shù)不斷應(yīng)用和發(fā)展，科技水平的不斷提高和革新，對公眾安全問題的方面也出現(xiàn)了網(wǎng)絡(luò)安全部分。這其中涉及到了個人隱私安全、財產(chǎn)安全等方面。而且隨著公眾對于網(wǎng)絡(luò)安全的重視程度的不斷提高，對此加強網(wǎng)絡(luò)安全監(jiān)控提高網(wǎng)絡(luò)環(huán)境的安全性是非常有必要的。

另一方面，在以往的監(jiān)控形式方面，已經(jīng)很難滿足當今大眾的需求，而可以承載著大量信心而且表現(xiàn)形式更加直觀和確切的圖像監(jiān)控漸漸地出現(xiàn)在人們的眼前。并且逐漸應(yīng)用到各個領(lǐng)域[1]，而研究圖像監(jiān)控和網(wǎng)絡(luò)監(jiān)控相結(jié)合，設(shè)計出網(wǎng)絡(luò)圖像監(jiān)控系統(tǒng)可以更加有效地加強網(wǎng)絡(luò)圖像方面監(jiān)控的力度和安全度提高。

通過對目前的圖像處理技術(shù)和模式識別技術(shù)進行分析，表現(xiàn)出其主要是利用數(shù)字、圖像、文字等形式，對相對具體的事物或者圖像進行處理、分析、描述以及辨識的工作過程。而隨著科學技術(shù)和網(wǎng)絡(luò)技術(shù)的不斷進步和發(fā)展，模式識別技術(shù)的功能和識別方向得到了提高，可以應(yīng)用于文字、指紋、語言識別甚至到遙感技術(shù)當中。面對現(xiàn)在圖像處理和模式識別的應(yīng)用程度增加，對這一熱點技術(shù)進行研究，分析其在網(wǎng)絡(luò)圖像監(jiān)控中的應(yīng)用方式，提出其可以提高圖像監(jiān)控的準確性以及穩(wěn)定性[2]。

本文通過對網(wǎng)絡(luò)安全監(jiān)控當中的圖像監(jiān)控方面進行分析，研究圖像處理技術(shù)和模式識別在技術(shù)中的應(yīng)用。通過實驗進行分析，利用圖像處理技術(shù)當中對于圖片色彩均衡調(diào)整和模式識別技術(shù)的模擬實驗結(jié)果，得出其應(yīng)用的可靠性和這種系統(tǒng)研發(fā)的必要性。

1 圖像監(jiān)控的概念與網(wǎng)絡(luò)圖像監(jiān)控

1.1 圖像監(jiān)控概念

網(wǎng)絡(luò)圖像監(jiān)控以其直觀、方便、信息內(nèi)容豐富而被廣泛應(yīng)用于許多重要場合,成為安全監(jiān)控的主要手段。由于網(wǎng)絡(luò)圖像監(jiān)控系統(tǒng)實現(xiàn)了對遠程目標的監(jiān)視、遙控等功能,從而為無人值守場合提供了新手段。網(wǎng)絡(luò)圖像監(jiān)控系統(tǒng)可廣泛應(yīng)用不方便進行施工布線的場合,如抗震救災臨時指揮監(jiān)控系統(tǒng),臨時會展安全監(jiān)控系統(tǒng),洪澇、干旱和蟲害等自然災害的提供發(fā)現(xiàn)和預防監(jiān)控系統(tǒng);同時也可用于小區(qū)安防、邊防監(jiān)視、油田、水利保護、風景區(qū)、旅游區(qū)和自然保護區(qū)監(jiān)控。網(wǎng)絡(luò)圖像監(jiān)控具有遠距離、免維護和自動即時監(jiān)控等特點。

圖像監(jiān)控技術(shù)的工作流程一般性的都是依靠在現(xiàn)場安裝的圖像收集裝置或是視頻錄制設(shè)備，將收集到的圖像或視頻文件通過計算機終端進行網(wǎng)絡(luò)傳輸，完成分散式的現(xiàn)場監(jiān)控與控制。而其中不斷得到應(yīng)用的計算機技術(shù)、圖像處理技術(shù)、信息通信技術(shù)的不斷發(fā)展，為現(xiàn)在的圖像監(jiān)控技術(shù)提出了新的發(fā)展方向和定義。而圖像監(jiān)控技術(shù)則是由通信媒體、硬件系統(tǒng)、軟件系統(tǒng)這三個方面所組成的一個整體操作和監(jiān)控系統(tǒng)，并且每一個方面都將發(fā)揮作用才可以使得系統(tǒng)得以運行[3]。整個工作流程則為圖像采集-圖像輸入-圖像處理-圖像輸出-圖像管理。并且隨著發(fā)展其融合了網(wǎng)絡(luò)技術(shù)、計算機技術(shù)、圖像處理技術(shù)的新型技術(shù)，擴展為網(wǎng)絡(luò)圖像監(jiān)控系統(tǒng)。

1.2 網(wǎng)絡(luò)圖像監(jiān)控的發(fā)展

隨著技術(shù)的不斷發(fā)展，圖像監(jiān)控技術(shù)逐漸發(fā)展為多媒體網(wǎng)絡(luò)圖像監(jiān)控的階段上。隨著圖像處理和模式識別技術(shù)的不斷應(yīng)用，用戶對于所傳遞的信息要求也來越高，不僅僅局限于以往的文本或圖形的信息，而是要求信息數(shù)據(jù)可以更加完全立體以及多角度。而且對于信息的質(zhì)量，圖片和視頻的分辨率要求也逐漸增加，為此對于圖像監(jiān)控技術(shù)的要求也越來越大?，F(xiàn)在利用計算機軟硬件的支持，和數(shù)字視頻壓縮解碼技術(shù)的成熟使得多媒體網(wǎng)絡(luò)圖像監(jiān)控技術(shù)得以產(chǎn)生，滿足了受眾對于圖像信息的所有要求[4]。其中，為了達到這類系統(tǒng)的開發(fā)，需要添加進去許多功能，利用大量的軟件編程工作和高速計算能力的計算機處理芯片的支持，才得以實現(xiàn)如今的網(wǎng)絡(luò)圖像處理技術(shù)，完成其數(shù)字化、集成化、自動化的發(fā)展成就。而且現(xiàn)在的技術(shù)環(huán)境也為網(wǎng)絡(luò)圖像監(jiān)控系統(tǒng)提供了很好的平臺支持和發(fā)展土壤。

2 圖像處理和模式識別簡析

圖像處理技術(shù)和模式識別技術(shù)都是現(xiàn)在用于遠程視頻監(jiān)控的主要技術(shù)手段，而且這兩者的關(guān)系是先有圖像處理后進行模式識別的遞進關(guān)系。其中這兩者的操作流程用圖1來進行表示。

圖1 圖像處理和模式識別框圖

2.1 圖像處理技術(shù)

圖像處理技術(shù)當中首先要進行的就是圖像的獲取工作?，F(xiàn)在一般性的都是使用攝像機或者是照相機等設(shè)備通過將收集到的圖像通過采集卡將數(shù)據(jù)轉(zhuǎn)變?yōu)槟M信號并且量化生成數(shù)字信號進行傳輸。將這些數(shù)據(jù)傳送到處理系統(tǒng)當中。然而一般性的數(shù)據(jù)都會比較大，所以需要進行壓縮工作，這一點都是利用通過設(shè)備的硬件來進行的[5]。而現(xiàn)在網(wǎng)絡(luò)圖像監(jiān)控中可以省去前面的環(huán)節(jié)，圖像提取工作可以從網(wǎng)絡(luò)中傳播的圖片進行直接提取以進行下面的工作。

其次，這是圖像處理工作，這些工作主要細分為圖像色彩增強、圖像分割、邊緣提取等等。而在進行詳細的處理工作前需要進行預處理工作，將圖像中可能存在的干擾項進行抓取和刪除，對原始圖像進行初步性質(zhì)的簡單處理，便于下一步的重要特征提取工作。其中預處理中都是多想處理工具結(jié)合進行的，有灰度變換和銳度調(diào)整等等。

接下來就是對處理后的圖片進行特征提取和識別工作了。而要進行識別首先要將圖像中的特種可以提取出來并且直觀的顯示。因為一般的圖片中都會存在大量的數(shù)據(jù)需要進行解析和識別，有相當一部分適不適合所需工作是別的，所以，利用圖像特征提取的工作，將工作中需要得到的數(shù)據(jù)顯示出的特征進行提取，并且統(tǒng)一為數(shù)據(jù)顯示。而接下來的識別工作則要將圖像中選取出來的特征與工作需要所匹配的特征進行對比，識別出所需要的信息。

2.2 模式識別的簡析

模式識別從字面上理解就可以知道，其是對某種模式進行識別，所以決定這模式識別技術(shù)可以應(yīng)用于各個方面[6]。其中包括語音、人臉、指紋、字符、故障等各個功能。而在圖像分析中其實圖像處理技術(shù)的更加深入的技術(shù)，其基本框圖如圖2所示。

圖2 模式識別流程圖

而方法也分為4種：統(tǒng)計識別方法、模板匹配法、模糊識別法、神經(jīng)網(wǎng)絡(luò)識別法。而這些方法都是采用了貝葉斯分類器。但是其算法卻不盡相同[3]。

其中統(tǒng)計識別法是利用直方圖來進行圖像中信息展示，通過均值、方差、差值平方等數(shù)據(jù)輸入到計算機中進行運算得出結(jié)果。而且這種方法也是最為簡便的方法還可以做到客觀的對圖像進行描述。其算法如下：

(1)

式中，X為特征向量；p(X/wi)則表示特征向量情況下的概率密度函數(shù)；p(wi)則表示類比處于wj的時候所出現(xiàn)的先驗概率。

模板匹配法則是將樣本圖像和標準模板中的最小方差進行計算，根據(jù)兩種模板的最小方差來分析樣本圖像的屬性和所屬類別[4]。其應(yīng)用到的算法公式如下：

(2)

式中，Iij(m,n)則是代表著樣本圖像的模板；T(m,n)則是代表著所取得標準模板圖像；M,N都代表著兩個圖像的寬和高的數(shù)值。

因為在圖像處理中會遇到模糊的圖像數(shù)據(jù)，為此，進行識別的時候需要進行模式識別方法。其主要的方法是將圖像中可以采集到的特征和較為明顯的特征輸入到計算機當中的學習流程，并且將這個數(shù)據(jù)作為識別用的標準數(shù)據(jù)，通過對網(wǎng)絡(luò)中或數(shù)據(jù)庫當中所儲存的圖像進行特征類比，將相似度較高的圖像數(shù)據(jù)分揀出來，從而得出樣本圖像的基本數(shù)據(jù)。其應(yīng)用到的算法公式如下[7-9]：

(3)

神經(jīng)網(wǎng)絡(luò)識別法一般性的都是采用誤差反傳播法進行監(jiān)督學習環(huán)節(jié)的算法。它可以做到自主學習和自助識別的效果。在進行樣本圖片輸入的過程中可以更好完成學習模仿過程[5]。而其這種算法的公式如下：

Wij(t+1)=Wij(t)+ηδpjopj+

α[Wij(t)-Wij(t-1)]

(4)

式中，η代表著學習因子；opj則表示一個單元j的實際輸出量。

3 實驗與結(jié)論

通過以上對于圖像處理技術(shù)和模式識別技術(shù)的分析，研究其應(yīng)用狀況，分別通過兩個實驗來分析這種技術(shù)在與網(wǎng)絡(luò)圖像監(jiān)控當中所可以起到的作用和其優(yōu)越性[10]。

3.1 圖像處理技術(shù)色彩調(diào)整實驗

所謂的色彩調(diào)整主要是對圖像進行灰度調(diào)整，對原圖像進行適當?shù)纳试黾踊蛘邷p弱，使得圖像顯得更加清晰和數(shù)據(jù)顯示的穩(wěn)定性[11]。本次實驗通過在系統(tǒng)中輸入一個樣本圖像，對于灰度值的調(diào)節(jié)觀察圖片變化情況。

3.1.1 實驗步驟

首先對于原圖像的灰度值進行統(tǒng)計，將等級標注為j=0，1，2，…，k，…，L-1。統(tǒng)計各個灰度級像素的數(shù)量，j=0，1，2，k，…，L-1。接著計算原始圖像中在直方圖中顯示出來的頻度并且累計分布函數(shù)，利用公式來計算出處理后的圖像灰度等級，統(tǒng)計出處理后的灰度級像素的數(shù)量并且輸出城直方圖，利用處理前和處理后的灰度等級對比獲得這圖像所適合的灰度等級，并且調(diào)節(jié)至這個等級進行處理和輸出圖像[12-15]。

3.1.2 實驗結(jié)果

通過以上的步驟先進行的灰度等級統(tǒng)計，原圖像中的各個像素點灰度等級統(tǒng)計成直方圖如圖3。

圖3 原圖像中各個像素點灰度等級統(tǒng)計

通過進行處理后的各個像素點灰度等級圖如圖4。

圖4 處理后圖像內(nèi)各像素點的灰度等級

從直方圖中可以很明顯的看出在處理后各個像素點的灰度等級都處于平均，此為最佳的狀態(tài)。但是在圖表中很難看出處理后的狀態(tài)，為此利用圖5中的(a)(b)兩個圖對比顯示出處理后的狀況。

圖5 原圖像和處理后圖像對比圖

通過對實際圖像的觀測，可以發(fā)現(xiàn)原圖像中存在這較暗的光線北京，并且有些位置處于陰影，許多信息和數(shù)據(jù)無法進行提取，而在經(jīng)過灰度值調(diào)節(jié)后，圖片整體結(jié)構(gòu)變亮，并且許多細節(jié)可以從圖像中直接看出。很容易進行圖像內(nèi)部特征和信息的提取。

3.1.3 結(jié)果分析

在網(wǎng)絡(luò)圖像監(jiān)控運作當中傳播著許多的圖像，而對這些圖像可以做到很好的分析和解讀，是完成網(wǎng)絡(luò)圖像監(jiān)控的首要工作[16]。而對于圖像的還原和加工，得出圖像內(nèi)部的重要信息在整個過程中是第一位的。為此，通過圖像處理中的灰度值調(diào)節(jié)，很清楚的可以看出可以將圖像最大程度的還原和處理，可以提高網(wǎng)絡(luò)圖像監(jiān)控的準確度和可靠性。

3.2 模式識別實驗

模式識別實驗的工作是將圖像中的特征組成一個模式，而將這種模式與數(shù)據(jù)庫當中所存在的模式進行對比，分析出樣本是屬于哪個模式的。而實驗中采用的分類器則是貝葉斯分類器，利用條件函數(shù)概率和設(shè)定好的判別函數(shù)進行對比，得出結(jié)果。實驗則是探討模式識別所用的貝葉斯分類器是否可以很好的做到數(shù)據(jù)分類。

3.2.1 實驗步驟

將收集好的樣本構(gòu)成一個函數(shù)模式，并且將其反映到分類器當中，而且將其他的標準函數(shù)模式也輸入到分類器當中，利用函數(shù)極值解析函數(shù)并且得到相應(yīng)的對比數(shù)據(jù)。設(shè)樣本數(shù)據(jù)和標準數(shù)據(jù)都有n個數(shù)量，然后計算各自的均值和斜插陣值，最后分類出樣本屬于哪一個模式。

3.2.2 實驗結(jié)果

可以看到在這個投影方向上(從(4,0)到(0,4)的直線)，兩類數(shù)據(jù)點除個別點之外，都顯示出較為良好的劃分界限。而且在投影后零坐標附近基本不會出現(xiàn)數(shù)據(jù)之間的混雜現(xiàn)象，而且大部分的數(shù)據(jù)之間的距離相差都比較遠，完美的達到分類的要求[17-18]。如圖6中在進行分類前后各個數(shù)據(jù)函數(shù)的坐標位置圖。

圖6 分類前后數(shù)據(jù)函數(shù)散點位置圖

3.2.3 結(jié)果分析

在進行模式識別過程中進行的貝葉斯分類，可以將圖像數(shù)據(jù)中的函數(shù)值很完善的分類出來，并且做到很具體的對比工作，對網(wǎng)絡(luò)圖像監(jiān)控所收集來的圖像可以達到準確度95%的特征分類，保證對于圖像的解析和監(jiān)控有較高的準確度。

最后利用以上的實驗又進行了多種不同圖像的實驗分析，因為實驗所選取的圖像都是已知數(shù)據(jù)的圖像，所以與實驗結(jié)果的數(shù)據(jù)進行對比，研究其圖像進行處理后的提高程度百分比，制成表1。其中圖像有景觀圖、人物圖、夜間圖、高速移動圖4種圖像。

表1 不同圖像處理后結(jié)果對比表

表格中可以看出在進行處理之后，圖像的完成度都相對的提升，并且對于具體特征的提取更加準確。這也在網(wǎng)絡(luò)圖像監(jiān)控當中對于所需要監(jiān)控的圖片有更高的辨識度和辨識準確度，為網(wǎng)絡(luò)圖像監(jiān)控系統(tǒng)提高了性能和功能。

4 結(jié)論

通過圖像處理技術(shù)和模式識別技術(shù)的簡要闡述并且將其操作和運算過程進行分析。研究了圖像處理技術(shù)和模式識別技術(shù)在網(wǎng)絡(luò)圖像監(jiān)控中有很大的利用空間了利用度，并且利用后的效果極為明顯，提高了網(wǎng)絡(luò)監(jiān)控設(shè)備的相關(guān)功能和性能，加強了這項技術(shù)在未來發(fā)展中的提高可能。通過兩種技術(shù)分別實驗后所得出的表現(xiàn)成果來看，其應(yīng)用于網(wǎng)絡(luò)圖像監(jiān)控系統(tǒng)中是非常實用和可行性的辦法。

[1] 柴繼貴.圖像監(jiān)控技術(shù)的研究與應(yīng)用[J].電腦知識與技術(shù),2012，8(3):677-678.

[2] 姜雅慧.基于模式識別的圖像處理方法[J].通訊世界,2016，2(2):262-265.

[3] 邊肇棋，張學工.模式識別(第二版)[M].北京：清華大學出版社,2002.

[4] 王 強，宋京民，胡建平.一種快速模板匹配目標識別算法[J].計算機工程與應(yīng)用,2006，2(6):42-43.

[5] 孟 斌，馮永杰，翟玉慶.前饋神經(jīng)網(wǎng)絡(luò)中BP算法的一種改進[J].東南大學學報(自然科學版),2001,31(4):40-42.

[6] 管菊花, 郭 波. 基于DaVinci技術(shù)的嵌入式智能監(jiān)控系統(tǒng)[J]. 計算機測量與控制, 2014, 22(9):2754-2757.

[7] 瞿婷婷. 基于圖像處理和模式識別的舌苔分析研究[D]. 上海：華東理工大學, 2016.

[8] 薛志文. 基于模式識別的圖像處理及其在車牌識別中的應(yīng)用[J]. 呂梁學院學報, 2016, 6(2):15-18.

[9] 鄧淇英. 基于數(shù)字圖像處理的織物組織結(jié)構(gòu)自動識別研究[D]. 西安：西安工程大學, 2016.

[10] 劉奕博. 模式識別+閾值處理圖像快速二值化[J]. 發(fā)現(xiàn):教育版, 2016，10(9):25-29.

[11] 王 欣, 高煒欣, 武曉朦,等. 基于模糊模式識別的焊縫缺陷圖像檢測[J]. 西安石油大學學報自然科學版, 2016, 31(4):115-121.

[12] 張蕓峰. 檢測自動化中的數(shù)字圖像處理及識別探討[J]. 同行, 2016,3(4):55-56.

[13] 劉 浩, 杜倩云, 張 可,等. 基于視頻處理技術(shù)的路網(wǎng)交通運行狀態(tài)模糊識別[J]. 公路, 2016,1(2):166-171.

[14] 高 亮. 基于圖像處理技術(shù)的非織造纖網(wǎng)木棉/棉混紡含量的測定[D]. 上海：東華大學, 2016.

[15] 胡麗喬. 復雜條件下人臉識別特征提取算法的研究[D]. 上海：東華大學, 2016.

[16] 李彥飛. 基于圖像處理的字符識別方法研究[J]. 當代教育實踐與教學研究:電子版, 2016,3(8):163-164.

[17] 商 磊. 基于動作特征的視頻監(jiān)控網(wǎng)絡(luò)行人識別算法[D]. 杭州：浙江大學, 2016.

[18] 楊盧強, 韓通新. 基于高清圖像處理的弓網(wǎng)檢測識別算法[J]. 鐵道機車車輛, 2016, 36(5):82-84.

Network Image Monitoring System Based on Image Processing and Pattern Recognition

Wu Zhifang1,Liu Xin2

(1.Wuhan University of Technology School of Computer Science and Technology,Wuhan 430081,China;2.Huazhong University of Science and Technology School of Computing,Wuhan 430081,China)

In the continuous improvement of science and technology and living standards, people's property and personal safety problem has not only come from the traditional practical, but gradually transformed into the virtual network. In order to improve people's privacy and security, we need to strengthen the network monitoring, in which the image monitoring is the most important aspect. Strengthen the reliability and real-time performance of image monitoring in the community to achieve steady development and people's network privacy security and property safety of the primary objectives. The application of computer network technology and modern communication technology, the application of comprehensive image processing technology and pattern recognition technology, applied to the design of network image monitoring system is one of the technical support of the social development. In this paper, the image processing technology and pattern recognition technology are analyzed, and the technology of image recognition and processing in network image monitoring is discussed. Through the experiment of color equalization and fuzzy recognition in image processing, it can be concluded that the ability of image recognition and information extraction can be very high.

image processing; pattern recognition; network image monitoring

2016-12-08；

2017-01-18。

吳志芳(1972-)，女，湖北武漢人，碩士，講師，主要從事圖像處理和模式識別、互聯(lián)網(wǎng)應(yīng)用方向的研究。

1671-4598(2017)03-0085-03

10.16526/j.cnki.11-4762/tp.2017.03.024

TP317

A