秦愛梅+丁雨

摘 要： 設計基于人工智能視覺的特定場景識別系統(tǒng)，其由人工智能視覺識別模塊、光感模塊和定位調(diào)制模塊組成。人工智能視覺識別模塊利用360人工智能視覺攝像機和加速度計，進行特定場景圖像的再成像和加速測量，將其中的非特定物體刪除，構建特征場景圖像。光感模塊利用光傳感器對特征場景圖像中的光照強度進行感應，獲取場景的大致位置信息。定位調(diào)制模塊基于全球定位系統(tǒng)進行位置信息的調(diào)制工作，調(diào)制工作是根據(jù)形態(tài)學濾波各項目標函數(shù)以及區(qū)域分割代碼進行的，調(diào)制后的最終定位信息將直接傳送給用戶使用。經(jīng)實驗驗證可知，所設計的系統(tǒng)具有較高的識別效率和識別精度。

關鍵詞： 人工智能視覺； 場景識別； 攝像機； 加速度計

中圖分類號： TN915.5?34； TP311 文獻標識碼： A 文章編號： 1004?373X（2017）10?0028?03

Abstract： A specific scene recognition system based on artificial intelligence vision was designed. The system is composed of the artificial intelligence vision recognition module， light perception module and positioning modulation module. The artificial intelligence vision recognition module uses the 360 artificial intelligence vision camera and accelerometer to perform the second imaging and acceleration detection of the specific scene image to delete the unspecific object， and construct the characteristic scene image. The light perception module uses the light sensor to sense the illumination intensity in the specific scene image to acquire the approximate location information of the scene. The positioning modulation module modulates the location information on the basis of global positioning system （GPS）， which performs according to each objective function of morphological filtering and region segmentation code. The modulated positioning information is transmitted to the consumer for use directly. The experimental results show that the system has high recognition efficiency and high recognition accuracy.

Keywords： artificial intelligence vision； scene recognition； camera； accelerometer

對特定場景的識別工作在公安、消防、監(jiān)控等領域，均有著非常重要的作用?？蒲薪M織曾借助各種設備和方法進行過一些特定場景識別系統(tǒng)的設計，但由于計算復雜且設備穩(wěn)定性不佳，這些系統(tǒng)無法具備較高的識別效率和識別精度[1?3]。人工智能視覺是一種新興技術，其通過模擬人類雙眼結構，制造出更為智能的視覺設備，使特定場景識別系統(tǒng)的高識別效率和高識別精度成為可能[4?6]。

1 基于人工智能視覺的特定場景識別系統(tǒng)設計

1.1 整體設計

所設計的基于人工智能視覺的特定場景識別系統(tǒng)整體結構圖，如圖1所示。

由圖1可知，基于人工智能視覺的特定場景識別系統(tǒng)由三個模塊組成，分別是人工智能視覺識別模塊、光感模塊和定位調(diào)制模塊。人工智能視覺識別模塊負責進行特定場景圖像的再成像和加速測量，從而將特定場景圖像中的非特定物體刪除。

1.2 人工智能視覺識別模塊設計

人工智能視覺識別模塊以攝像機和加速度計為核心，所選攝像機是某公司最新研發(fā)出的360人工智能視覺攝像機。該攝像機是基于人工智能視覺設計的，其清晰度標準為1 080P，鏡頭角度為150°廣角，并具備較強的特定物體識別、色彩判斷、語音辨認和雷達監(jiān)測等能力。360人工智能視覺攝像機結構圖如圖2所示。

由圖2可知，360人工智能視覺攝像機的結構分為檢測端和重構端，檢測端由檢測器、分類器和跟蹤器組成，重構端由異常監(jiān)測電路、形狀識別電路、分辨率恢復電路和重構器組成。初始特定場景圖像由檢測端首先接收，檢測端將圖像參數(shù)按照一定順序打亂后，對參數(shù)進行分類，并利用跟蹤器將3D立體圖像參數(shù)與初始圖像參數(shù)進行一一對應，再傳送到重構端進行進行3D立體重建。重建后的特定場景圖像將通過加速度計進行物體加速測量，加速度計的內(nèi)部電路圖如圖3所示。

由圖3可知，加速度計的測量工作均受數(shù)字控制，其使用3.3 V蓄電池供電，并擁有數(shù)據(jù)編程入口，可經(jīng)由計算機軟件設計測量代碼后供加速度計直接使用，以提高基于人工智能視覺的特定場景識別系統(tǒng)的識別效率和識別精度。經(jīng)加速度計處理后的初始場景圖像將組成特征場景圖像，并傳送到光感模塊。

1.3 光感模塊設計

光感模塊的核心元件是光感應器，光感應器的內(nèi)部電路圖如圖4所示。

由圖4可知，光感應器內(nèi)部擁有2個模/數(shù)轉換器、1個數(shù)字信號處理器和1個運算器。為了增強光傳感器對場景環(huán)境的識別能力，所設計的基于人工智能視覺的特定場景識別系統(tǒng)事先利用網(wǎng)絡中的天氣資源，對傳入光感模塊的特征場景圖像進行了定義，其將圖像的拍攝時間劃分為6個區(qū)間，分別是凌晨、上午、中午、下午、傍晚和黑夜，并給出這6個區(qū)間中各地的天氣情況。在光感應器對圖像中的光照強度感應完成后，便可根據(jù)以上給出的資源進行自身感應結果的初步修正。

1.4 定位調(diào)制模塊設計

定位調(diào)制模塊的硬件端是基于全球定位系統(tǒng)進行實現(xiàn)的，其軟件端經(jīng)由形態(tài)學濾波目標函數(shù)實現(xiàn)。圖5為全球定位系統(tǒng)調(diào)制電路圖。

由圖5可知，當位置信息將定位調(diào)制模塊喚醒，全球定位系統(tǒng)將針對位置信息中的場景環(huán)境信息進行提取，并利用1 575 MHz的濾波器將場景環(huán)境信息中的干擾部分過濾掉。

2 基于人工智能視覺的特定場景識別系統(tǒng)軟件設計

2.1 膨脹目標函數(shù)

膨脹是指對特定場景圖像中處理裂縫進行縫合的過程。用[B]表示光感模塊給出的位置信息，特定物體坐標點集合為[A]，令[B]對[A]進行膨脹，用[⊕]表示膨脹符號，則有：

3 實驗結果分析

實驗在我國三個一線城市隨機拍攝了6組圖像，每組圖像共5張，如圖6所示。令三個系統(tǒng)對圖6中的6組圖像進行識別，并分析實驗結果。

3.1 識別效率分析

本文系統(tǒng)、基于邏輯定位原理的特定場景識別系統(tǒng)，以及基于模式識別的特定場景識別系統(tǒng)的平均識別時間如表1所示。

由表1和圖7可知，三個系統(tǒng)識別效率由高至低的排序依次為：本文系統(tǒng)、基于邏輯定位原理的特定場景識別系統(tǒng)、基于模式識別的特定場景識別系統(tǒng)，這一結果能夠證明，本文系統(tǒng)具有較高的識別效率。

3.2 識別精度分析

實驗中三個系統(tǒng)的平均識別精度結果見表2。

4 結 論

為了增強特定場景識別系統(tǒng)的識別效率和識別精度，本文設計基于人工智能視覺的特定場景識別系統(tǒng)，其由人工智能視覺識別模塊、光感模塊和定位調(diào)制模塊組成。經(jīng)實驗驗證可知，所設計的系統(tǒng)具有較高的識別效率和識別精度。

參考文獻

[1] 許家堯，孫苑.開放場景人臉識別系統(tǒng)及其應用[J].指揮信息系統(tǒng)與技術，2014，5（4）：39?42.

[2] 姜邁.基于激光及三維虛擬場景技術的表面平整度在線檢測系統(tǒng)[J].計算機測量與控制，2015，23（1）：50?52.

[3] 眭謙，毛萬熙.場景理論視角下老工業(yè)基地區(qū)域品牌識別系統(tǒng)構建[J].城市管理與科技，2016，18（2）：36?39.

[4] 程少光，何畢，布樹輝，等.基于超像素空間金字塔模型的場景識別研究[J].計算機工程與應用，2014，50（7）：139?143.

[5] 王秀青，侯增廣，潘世英，等.基于多超聲傳感器信息和NeuCube的移動機器人走廊場景識別[J].計算機應用，2015，35（10）：2833?2837.

[6] 田文奇，瞿心昱.基于自適應增量PCA算法的移動機器人場景識別[J].機床與液壓，2015，43（9）：87?89.

[7] 胡宗達，楊長春，矣雷陽，等.基于非限制性結構的地震動加速度計仿真設計[J].計算機仿真，2016，33（1）：127?132.