崔立波 曹玉瑩

（長(zhǎng)春建筑學(xué)院 吉林省長(zhǎng)春市 130604）

為了滿足視頻監(jiān)控應(yīng)用需求，要結(jié)合數(shù)字化技術(shù)模式，融合人工智能、云計(jì)算以及大數(shù)據(jù)技術(shù)，積極推動(dòng)多元監(jiān)控防護(hù)體系，建立物體追蹤模式、人物臉部識(shí)別機(jī)制等，從而更好地提升安全檢測(cè)工作的實(shí)效性。

1 計(jì)算機(jī)視覺(jué)背景下安全檢測(cè)技術(shù)的理論依據(jù)

在基于計(jì)算機(jī)視覺(jué)背景下落實(shí)安全檢測(cè)技術(shù)處理的方案中，卷積神經(jīng)網(wǎng)絡(luò)是最關(guān)鍵的核心技術(shù)要求。借助可學(xué)習(xí)的權(quán)重和偏置神經(jīng)元完成信息的傳遞，從而提取相應(yīng)的特征。

1.1 整體結(jié)構(gòu)

相較于普通的神將網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)（圖1）在應(yīng)用中則匹配更多的神經(jīng)元，不同的神經(jīng)元有獨(dú)立的權(quán)重和偏置參數(shù)，神經(jīng)元要接收前一級(jí)若干個(gè)結(jié)果后，利用累積數(shù)值求和進(jìn)行函數(shù)和偏置數(shù)值的激活，然后開(kāi)始計(jì)算分析，最終獲得的運(yùn)算結(jié)果就是整個(gè)神經(jīng)元的響應(yīng)結(jié)果。

由圖可知，出克輸入層和預(yù)處理層，卷積神經(jīng)元分為七層，不同層級(jí)的參數(shù)權(quán)重和偏向數(shù)值各有不同，輸入圖像的大小為32×32，其中，C1 層和C3 層是卷積層、C5 和C6 是全連接層，核體為5×5 矩陣模式。S2 層和S4 層為池化層，具備2×2 的感受野，且相應(yīng)的狀態(tài)并未重疊出現(xiàn)。需要注意的是，卷積核若是發(fā)揮功效，能進(jìn)一步強(qiáng)化特征信號(hào)，且能有效降噪[2]。

1.2 局部感知模式

對(duì)于人體而言，視覺(jué)系統(tǒng)是自主性穩(wěn)定自發(fā)的過(guò)程，而在視覺(jué)背景下落實(shí)檢測(cè)技術(shù)模式，要將神經(jīng)元感受區(qū)域信息刺激作為獲得信號(hào)的關(guān)鍵，神經(jīng)元只有建立完整的局部感知內(nèi)容，才能在高層級(jí)完成局部信息的匯總，從而獲取全局信息[3]?；诖?，在卷積神經(jīng)網(wǎng)絡(luò)中應(yīng)用頻繁的局部感受野能減少參數(shù)的數(shù)值，形成更加具有條理的局部感受結(jié)構(gòu)，見(jiàn)圖2。

1.3 權(quán)值共享模式

之所以要開(kāi)展權(quán)值共享模式，就是為了能匯總檢索到的信息，然后依據(jù)局部信息內(nèi)容完成全局評(píng)估。在權(quán)值共享模式中，要利用固定大小的濾波器對(duì)觀察對(duì)象予以掃描分析，獲得的濾波器數(shù)值就是權(quán)重參數(shù)，掃描中的數(shù)值大小固定，并集中篩除噪聲影響因素，就能完成整個(gè)特征參數(shù)的識(shí)別?；诖?，權(quán)值共享模式就是特征提取的基礎(chǔ)模式，假定提取樣本模塊是n×n，獲得特征后就要對(duì)權(quán)重予以特征掃描器的處理，獲取差異性激活數(shù)值。

1.4 構(gòu)建數(shù)據(jù)集

（1）要進(jìn)行關(guān)鍵字和關(guān)鍵詞的設(shè)定，以保證能及時(shí)抓取圖片，為全面維持檢測(cè)工序的質(zhì)量水平提供保障，提高應(yīng)用效率。

（2）要完成拍攝照片的匯總，并且進(jìn)行實(shí)時(shí)性人工篩選標(biāo)記，歸一劃分為64×64。例如，要對(duì)工人是否佩戴安全帽進(jìn)行實(shí)時(shí)性匯總分析，要對(duì)安全帽的尺寸數(shù)據(jù)、光照姿態(tài)以及角度變化等進(jìn)行數(shù)據(jù)匯總，完成訓(xùn)練集和測(cè)試樣本集的匯總分析。

2 計(jì)算機(jī)視覺(jué)背景下安全檢測(cè)技術(shù)的設(shè)計(jì)與實(shí)現(xiàn)

因?yàn)榘踩珯z測(cè)技術(shù)的應(yīng)用要面對(duì)的數(shù)據(jù)來(lái)源較多，且計(jì)算量較大，所以，要結(jié)合檢測(cè)系統(tǒng)應(yīng)用的需求落實(shí)相應(yīng)的設(shè)計(jì)工作。

2.1 計(jì)算機(jī)視覺(jué)背景下安全檢測(cè)技術(shù)設(shè)計(jì)方案

2.1.1 技術(shù)需求

建立基于計(jì)算機(jī)視覺(jué)背景的安全檢測(cè)技術(shù)模式，就是在原有管控平臺(tái)基礎(chǔ)上建立更加完整的技術(shù)應(yīng)用結(jié)構(gòu)，從而實(shí)現(xiàn)靜態(tài)管理向著動(dòng)態(tài)管理轉(zhuǎn)變的目標(biāo)，發(fā)揮計(jì)算機(jī)視覺(jué)系統(tǒng)的輔助作用，真正推進(jìn)全面信息化管理進(jìn)程[4]。

（1）要完成身份驗(yàn)證。系統(tǒng)在運(yùn)行中為了維持系統(tǒng)信息數(shù)據(jù)管理的合理性，要匹配賬戶和密碼完成登入，且管理人員要結(jié)合Web 瀏覽器觀看實(shí)時(shí)性現(xiàn)場(chǎng)畫(huà)面，從而在網(wǎng)頁(yè)端進(jìn)行歷史記錄的檢索，導(dǎo)出相應(yīng)列表。

（2）能在Web 界面對(duì)系統(tǒng)硬件的運(yùn)行狀態(tài)予以觀察分析，了解分布式計(jì)算集群的運(yùn)行狀態(tài)。

（3）能建立實(shí)時(shí)性信息匯總和分析。最關(guān)鍵的是，系統(tǒng)在實(shí)際操作中能結(jié)合對(duì)應(yīng)的信號(hào)內(nèi)容識(shí)別出沒(méi)有佩戴智能傳感安全帽的施工人員，并且發(fā)出相應(yīng)的警報(bào)，從而建立集群負(fù)載平衡處理模式。

（4）系統(tǒng)能滿足隨意性應(yīng)用規(guī)范和要求，系統(tǒng)不僅僅能對(duì)固定攝像畫(huà)面予以識(shí)別分析，還能利用無(wú)人機(jī)拍攝對(duì)應(yīng)的場(chǎng)景畫(huà)面，從而分析識(shí)別結(jié)果。

2.1.2 功能需求

結(jié)合技術(shù)要點(diǎn)維持不同的功能模塊應(yīng)用規(guī)范，從而落實(shí)匹配的功能內(nèi)容，強(qiáng)化檢測(cè)技術(shù)的綜合效果。

（1）登錄功能，匹配賬戶和密碼完成系統(tǒng)基礎(chǔ)操作。

（2）密碼找回功能，結(jié)合提示信息完成密碼找回。

（3）實(shí)時(shí)播放功能，借助身份驗(yàn)證獲得進(jìn)入主界面的權(quán)限，完成實(shí)時(shí)處理和識(shí)別。

（4）畫(huà)面暫停、重放，結(jié)合實(shí)際需求進(jìn)行任意的信息調(diào)取。

（5）報(bào)警功能，在識(shí)別安全風(fēng)險(xiǎn)問(wèn)題后及時(shí)完成安全報(bào)警。

（6）記錄功能，實(shí)時(shí)記錄相關(guān)數(shù)據(jù)以備后續(xù)工作的開(kāi)展和裸睡。

2.1.3 系統(tǒng)整體框架設(shè)計(jì)

在系統(tǒng)設(shè)計(jì)工作中，將B/S 結(jié)構(gòu)作為設(shè)計(jì)基礎(chǔ)，結(jié)合需求建立對(duì)應(yīng)的模塊，主要分為圖像采集模塊、實(shí)時(shí)性計(jì)算模塊和Web 服務(wù)模塊，按照模塊對(duì)應(yīng)的任務(wù)內(nèi)容完善設(shè)計(jì)方案。

（1）圖像采集模塊。利用多媒體處理器完成微型管理系統(tǒng)的設(shè)置，配合心跳單元、圖片數(shù)據(jù)單元以及警報(bào)單元完成系統(tǒng)管理，并且，借助RaspberryPi 將圖像信息直接發(fā)送到緩存區(qū)域。

1.心跳單元[5]。依據(jù)RaspberryPi 定時(shí)定向完成信息的發(fā)送和匯總，其中涉及RaspberryPi 基礎(chǔ)運(yùn)行趨勢(shì)、當(dāng)前系統(tǒng)運(yùn)行狀態(tài)以及對(duì)應(yīng)檢測(cè)結(jié)果數(shù)據(jù)等。例如，攝像頭能及時(shí)獲取溫度參數(shù)，依據(jù)可視化數(shù)據(jù)處理單元，就能將采集的信息直接呈現(xiàn)在界面上，以保證管理人員能獲取檢測(cè)數(shù)據(jù)，依據(jù)監(jiān)控檢測(cè)數(shù)據(jù)落實(shí)相應(yīng)的工作，確保能及時(shí)預(yù)判系統(tǒng)的不正常運(yùn)行可能性。

2.圖片數(shù)據(jù)單元。作為圖像采集模塊的前端信息數(shù)據(jù)處理單元，圖片數(shù)據(jù)單元要結(jié)合攝像頭讀取的信息進(jìn)行編碼處理，并且結(jié)合實(shí)際工作環(huán)境完成加密處理，利用SnakeMQ 進(jìn)行緩沖區(qū)數(shù)據(jù)的匯總，保證圖像數(shù)據(jù)工作有序開(kāi)展。

3.警報(bào)單元，利用安全警報(bào)信號(hào)進(jìn)行信息管理，確保能及時(shí)通知工作人員。

（2）實(shí)時(shí)性計(jì)算模塊。在具體系統(tǒng)應(yīng)用運(yùn)行工序中，圖像采集器會(huì)逐漸增多，隨之產(chǎn)生的計(jì)算量也會(huì)增大，這就對(duì)實(shí)時(shí)性功能提出了新的要求，為了維持計(jì)算系統(tǒng)運(yùn)行的穩(wěn)定性，要結(jié)合圖像系統(tǒng)對(duì)單個(gè)節(jié)點(diǎn)性能要求予以分析，利用Mesos（圖3）作為集群管理系統(tǒng)，有效維持資源隔離和共享分布式程序管理流程的實(shí)效性。

值得一提的是，在Mesos 應(yīng)用過(guò)程中，且本身能提供可擴(kuò)展的框架共享集群內(nèi)容，加之框架高度多樣化的演變，為了保證設(shè)計(jì)模式的合理性，就要匹配數(shù)據(jù)局部性故障處理單元，從而以較為簡(jiǎn)單便捷的方式完成最小化系統(tǒng)資源的處理，維持應(yīng)用效果。這種設(shè)計(jì)和Linux 較為相似，依據(jù)數(shù)據(jù)中心和云環(huán)境數(shù)據(jù)處理模式，就能最大程度上提高數(shù)據(jù)的管理效果。

（3）Web 服務(wù)模塊。對(duì)于整個(gè)系統(tǒng)而言，要利用編程語(yǔ)言進(jìn)行后端系統(tǒng)的服務(wù)處理，匹配標(biāo)準(zhǔn)代碼程序的同時(shí)，確保代碼具有一定的可擴(kuò)展性。借助SSE 完成服務(wù)器和計(jì)算機(jī)瀏覽器之間的數(shù)據(jù)交互，最大程度上確保檢測(cè)功能能及時(shí)得到回應(yīng)。另外，在數(shù)據(jù)庫(kù)采取Sqlite 后，就要匹配系統(tǒng)兩張基礎(chǔ)表，一張表是用戶表，主要是完成用戶基礎(chǔ)信息的登記和記錄，并且結(jié)合結(jié)構(gòu)設(shè)計(jì)要求進(jìn)行基礎(chǔ)參數(shù)的等級(jí)。另一張表就是記錄檢測(cè)結(jié)果，例如，對(duì)沒(méi)有佩戴安全帽的人員進(jìn)行檢測(cè)和警告處理，匹配記錄報(bào)表以備后續(xù)開(kāi)展相應(yīng)工作。

綜上所述，利用SnakeMQ 完成三個(gè)基礎(chǔ)模塊通信消息列隊(duì)的連接，提供較為合理的信息傳輸通道，并且匹配持久化數(shù)據(jù)處理分析機(jī)制，用戶只需要借助發(fā)送和接收模式就能實(shí)現(xiàn)實(shí)時(shí)性計(jì)算數(shù)據(jù)的讀取[6]。

2.2 計(jì)算機(jī)視覺(jué)背景下安全檢測(cè)技術(shù)實(shí)現(xiàn)

2.2.1 測(cè)試

目前，較為有效的測(cè)試機(jī)制被稱為黑盒測(cè)試，能有效對(duì)應(yīng)用程序的功能進(jìn)行集中的測(cè)定分析，并不需要查看其實(shí)際內(nèi)部結(jié)構(gòu)或者是工作模式，只需要結(jié)合結(jié)果落實(shí)分析機(jī)制，確保系統(tǒng)運(yùn)行滿足應(yīng)用預(yù)期。測(cè)試人員只需要建立特定的輸入信息結(jié)構(gòu)，就能獲取單元測(cè)試、集成測(cè)試、系統(tǒng)測(cè)試和驗(yàn)收測(cè)試的相關(guān)數(shù)據(jù)。

在對(duì)本文系統(tǒng)予以測(cè)定分析時(shí)，要對(duì)用戶登錄模塊、前臺(tái)用戶密碼找回模塊、主界面實(shí)時(shí)性畫(huà)面顯示模塊等進(jìn)行狀態(tài)測(cè)試，從而獲取對(duì)應(yīng)信息。

2.2.2 優(yōu)化機(jī)制

利用Mesos 集群資源計(jì)算的工具，有效搭建更加合理的評(píng)估機(jī)制，在系統(tǒng)運(yùn)行后，結(jié)合框架自身的調(diào)度器設(shè)備完成資源分配和執(zhí)行管理，有效提升資源的利用率，并且將系統(tǒng)維持在較好的響應(yīng)速度范圍內(nèi)。本文主要是對(duì)Python 進(jìn)行參數(shù)優(yōu)化，提升Mesos 計(jì)算節(jié)點(diǎn)資源利用效率，從而維持整個(gè)計(jì)算模式的穩(wěn)定性，確保檢測(cè)技術(shù)能發(fā)揮其實(shí)際作用。

3 結(jié)束語(yǔ)

總而言之，在融合卷積神經(jīng)網(wǎng)絡(luò)研究?jī)?nèi)容基礎(chǔ)上建立識(shí)別機(jī)制，匹配對(duì)應(yīng)的檢測(cè)技術(shù)，就能落實(shí)相應(yīng)的工作，能在減少系統(tǒng)響應(yīng)時(shí)間的同時(shí)，維持對(duì)應(yīng)模塊分析處理的標(biāo)準(zhǔn)水平，確保計(jì)算機(jī)視覺(jué)技術(shù)能為檢測(cè)效果的全面提高奠定基礎(chǔ)，為綜合實(shí)用價(jià)值的升級(jí)提供保障。