基于人工智能视觉的特定场景识别系统设计
秦爱梅+丁雨
摘 要： 设计基于人工智能视觉的特定场景识别系统，其由人工智能视觉识别模块、光感模块和定位调制模块组成。人工智能视觉识别模块利用360人工智能视觉摄像机和加速度计，进行特定场景图像的再成像和加速测量，将其中的非特定物体删除，构建特征场景图像。光感模块利用光传感器对特征场景图像中的光照强度进行感应，获取场景的大致位置信息。定位调制模块基于全球定位系统进行位置信息的调制工作，调制工作是根据形态学滤波各项目标函数以及区域分割代码进行的，调制后的最终定位信息将直接传送给用户使用。经实验验证可知，所设计的系统具有较高的识别效率和识别精度。
关键词： 人工智能视觉； 场景识别； 摄像机； 加速度计
中图分类号： TN915.5?34； TP311 文献标识码： A 文章编号： 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
對特定场景的识别工作在公安、消防、监控等领域，均有着非常重要的作用。科研组织曾借助各种设备和方法进行过一些特定场景识别系统的设计，但由于计算复杂且设备稳定性不佳，这些系统无法具备较高的识别效率和识别精度[1?3]。人工智能视觉是一种新兴技术，其通过模拟人类双眼结构，制造出更为智能的视觉设备，使特定场景识别系统的高识别效率和高识别精度成为可能[4?6]。
1 基于人工智能视觉的特定场景识别系统设计
1.1 整体设计
所设计的基于人工智能视觉的特定场景识别系统整体结构图，如图1所示。
由图1可知，基于人工智能视觉的特定场景识别系统由三个模块组成，分别是人工智能视觉识别模块、光感模块和定位调制模块。人工智能视觉识别模块负责进行特定场景图像的再成像和加速测量，从而将特定场景图像中的非特定物体删除。
1.2 人工智能视觉识别模块设计
人工智能视觉识别模块以摄像机和加速度计为核心，所选摄像机是某公司最新研发出的360人工智能视觉摄像机。该摄像机是基于人工智能视觉设计的，其清晰度标准为1 080P，镜头角度为150°广角，并具备较强的特定物体识别、色彩判断、语音辨认和雷达监测等能力。360人工智能视觉摄像机结构图如图2所示。
由图2可知，360人工智能视觉摄像机的结构分为检测端和重构端，检测端由检测器、分类器和跟踪器组成，重构端由异常监测电路、形状识别电路、分辨率恢复电路和重构器组成。初始特定场景图像由检测端首先接收，检测端将图像参数按照一定顺序打乱后，对参数进行分类，并利用跟踪器将3D立体图像参数与初始图像参数进行一一对应，再传送到重构端进行进行3D立体重建。重建后的特定场景图像将通过加速度计进行物体加速测量，加速度计的内部电路图如图3所示。
由图3可知，加速度计的测量工作均受数字控制，其使用3.3 V蓄电池供电，并拥有数据编程入口，可经由计算机软件设计测量代码后供加速度计直接使用，以提高基于人工智能视觉的特定场景识别系统的识别效率和识别精度。经加速度计处理后的初始场景图像将组成特征场景图像，并传送到光感模块。
1.3 光感模块设计
光感模块的核心元件是光感应器，光感应器的内部电路图如图4所示。
由图4可知，光感应器内部拥有2个模/数转换器、1个数字信号处理器和1个运算器。为了增强光传感器对场景环境的识别能力，所设计的基于人工智能视觉的特定场景识别系统事先利用网络中的天气资源，对传入光感模块的特征场景图像进行了定义，其将图像的拍摄时间划分为6个区间，分别是凌晨、上午、中午、下午、傍晚和黑夜，并给出这6个区间中各地的天气情况。在光感应器对图像中的光照强度感应完成后，便可根据以上给出的资源进行自身感应结果的初步修正。
1.4 定位调制模块设计
定位调制模块的硬件端是基于全球定位系統进行实现的，其软件端经由形态学滤波目标函数实现。图5为全球定位系统调制电路图。
由图5可知，当位置信息将定位调制模块唤醒，全球定位系统将针对位置信息中的场景环境信息进行提取，并利用1 575 MHz的滤波器将场景环境信息中的干扰部分过滤掉。
2 基于人工智能视觉的特定场景识别系统软件设计
2.1 膨胀目标函数
膨胀是指对特定场景图像中处理裂缝进行缝合的过程。用[B]表示光感模块给出的位置信息，特定物体坐标点集合为[A]，令[B]对[A]进行膨胀，用[⊕]表示膨胀符号，则有：
3 实验结果分析
实验在我国三个一线城市随机拍摄了6组图像，每组图像共5张，如图6所示。令三个系统对图6中的6组图像进行识别，并分析实验结果。
3.1 识别效率分析
本文系统、基于逻辑定位原理的特定场景识别系统，以及基于模式识别的特定场景识别系统的平均识别时间如表1所示。
由表1和图7可知，三个系统识别效率由高至低的排序依次为：本文系统、基于逻辑定位原理的特定场景识别系统、基于模式识别的特定场景识别系统，这一结果能够证明，本文系统具有较高的识别效率。
3.2 识别精度分析
实验中三个系统的平均识别精度结果见表2。
4 结 论
为了增强特定场景识别系统的识别效率和识别精度，本文设计基于人工智能视觉的特定场景识别系统，其由人工智能视觉识别模块、光感模块和定位调制模块组成。经实验验证可知，所设计的系统具有较高的识别效率和识别精度。
参考文献
[1] 许家尧，孙苑.开放场景人脸识别系统及其应用[J].指挥信息系统与技术，2014，5（4）：39?42.
[2] 姜迈.基于激光及三维虚拟场景技术的表面平整度在线检测系统[J].计算机测量与控制，2015，23（1）：50?52.
[3] 眭谦，毛万熙.场景理论视角下老工业基地区域品牌识别系统构建[J].城市管理与科技，2016，18（2）：36?39.
[4] 程少光，何毕，布树辉，等.基于超像素空间金字塔模型的场景识别研究[J].计算机工程与应用，2014，50（7）：139?143.
[5] 王秀青，侯增广，潘世英，等.基于多超声传感器信息和NeuCube的移动机器人走廊场景识别[J].计算机应用，2015，35（10）：2833?2837.
[6] 田文奇，瞿心昱.基于自适应增量PCA算法的移动机器人场景识别[J].机床与液压，2015，43（9）：87?89.
[7] 胡宗达，杨长春，矣雷阳，等.基于非限制性结构的地震动加速度计仿真设计[J].计算机仿真，2016，33（1）：127?132.
摘 要： 设计基于人工智能视觉的特定场景识别系统，其由人工智能视觉识别模块、光感模块和定位调制模块组成。人工智能视觉识别模块利用360人工智能视觉摄像机和加速度计，进行特定场景图像的再成像和加速测量，将其中的非特定物体删除，构建特征场景图像。光感模块利用光传感器对特征场景图像中的光照强度进行感应，获取场景的大致位置信息。定位调制模块基于全球定位系统进行位置信息的调制工作，调制工作是根据形态学滤波各项目标函数以及区域分割代码进行的，调制后的最终定位信息将直接传送给用户使用。经实验验证可知，所设计的系统具有较高的识别效率和识别精度。
关键词： 人工智能视觉； 场景识别； 摄像机； 加速度计
中图分类号： TN915.5?34； TP311 文献标识码： A 文章编号： 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
對特定场景的识别工作在公安、消防、监控等领域，均有着非常重要的作用。科研组织曾借助各种设备和方法进行过一些特定场景识别系统的设计，但由于计算复杂且设备稳定性不佳，这些系统无法具备较高的识别效率和识别精度[1?3]。人工智能视觉是一种新兴技术，其通过模拟人类双眼结构，制造出更为智能的视觉设备，使特定场景识别系统的高识别效率和高识别精度成为可能[4?6]。
1 基于人工智能视觉的特定场景识别系统设计
1.1 整体设计
所设计的基于人工智能视觉的特定场景识别系统整体结构图，如图1所示。
由图1可知，基于人工智能视觉的特定场景识别系统由三个模块组成，分别是人工智能视觉识别模块、光感模块和定位调制模块。人工智能视觉识别模块负责进行特定场景图像的再成像和加速测量，从而将特定场景图像中的非特定物体删除。
1.2 人工智能视觉识别模块设计
人工智能视觉识别模块以摄像机和加速度计为核心，所选摄像机是某公司最新研发出的360人工智能视觉摄像机。该摄像机是基于人工智能视觉设计的，其清晰度标准为1 080P，镜头角度为150°广角，并具备较强的特定物体识别、色彩判断、语音辨认和雷达监测等能力。360人工智能视觉摄像机结构图如图2所示。
由图2可知，360人工智能视觉摄像机的结构分为检测端和重构端，检测端由检测器、分类器和跟踪器组成，重构端由异常监测电路、形状识别电路、分辨率恢复电路和重构器组成。初始特定场景图像由检测端首先接收，检测端将图像参数按照一定顺序打乱后，对参数进行分类，并利用跟踪器将3D立体图像参数与初始图像参数进行一一对应，再传送到重构端进行进行3D立体重建。重建后的特定场景图像将通过加速度计进行物体加速测量，加速度计的内部电路图如图3所示。
由图3可知，加速度计的测量工作均受数字控制，其使用3.3 V蓄电池供电，并拥有数据编程入口，可经由计算机软件设计测量代码后供加速度计直接使用，以提高基于人工智能视觉的特定场景识别系统的识别效率和识别精度。经加速度计处理后的初始场景图像将组成特征场景图像，并传送到光感模块。
1.3 光感模块设计
光感模块的核心元件是光感应器，光感应器的内部电路图如图4所示。
由图4可知，光感应器内部拥有2个模/数转换器、1个数字信号处理器和1个运算器。为了增强光传感器对场景环境的识别能力，所设计的基于人工智能视觉的特定场景识别系统事先利用网络中的天气资源，对传入光感模块的特征场景图像进行了定义，其将图像的拍摄时间划分为6个区间，分别是凌晨、上午、中午、下午、傍晚和黑夜，并给出这6个区间中各地的天气情况。在光感应器对图像中的光照强度感应完成后，便可根据以上给出的资源进行自身感应结果的初步修正。
1.4 定位调制模块设计
定位调制模块的硬件端是基于全球定位系統进行实现的，其软件端经由形态学滤波目标函数实现。图5为全球定位系统调制电路图。
由图5可知，当位置信息将定位调制模块唤醒，全球定位系统将针对位置信息中的场景环境信息进行提取，并利用1 575 MHz的滤波器将场景环境信息中的干扰部分过滤掉。
2 基于人工智能视觉的特定场景识别系统软件设计
2.1 膨胀目标函数
膨胀是指对特定场景图像中处理裂缝进行缝合的过程。用[B]表示光感模块给出的位置信息，特定物体坐标点集合为[A]，令[B]对[A]进行膨胀，用[⊕]表示膨胀符号，则有：
3 实验结果分析
实验在我国三个一线城市随机拍摄了6组图像，每组图像共5张，如图6所示。令三个系统对图6中的6组图像进行识别，并分析实验结果。
3.1 识别效率分析
本文系统、基于逻辑定位原理的特定场景识别系统，以及基于模式识别的特定场景识别系统的平均识别时间如表1所示。
由表1和图7可知，三个系统识别效率由高至低的排序依次为：本文系统、基于逻辑定位原理的特定场景识别系统、基于模式识别的特定场景识别系统，这一结果能够证明，本文系统具有较高的识别效率。
3.2 识别精度分析
实验中三个系统的平均识别精度结果见表2。
4 结 论
为了增强特定场景识别系统的识别效率和识别精度，本文设计基于人工智能视觉的特定场景识别系统，其由人工智能视觉识别模块、光感模块和定位调制模块组成。经实验验证可知，所设计的系统具有较高的识别效率和识别精度。
参考文献
[1] 许家尧，孙苑.开放场景人脸识别系统及其应用[J].指挥信息系统与技术，2014，5（4）：39?42.
[2] 姜迈.基于激光及三维虚拟场景技术的表面平整度在线检测系统[J].计算机测量与控制，2015，23（1）：50?52.
[3] 眭谦，毛万熙.场景理论视角下老工业基地区域品牌识别系统构建[J].城市管理与科技，2016，18（2）：36?39.
[4] 程少光，何毕，布树辉，等.基于超像素空间金字塔模型的场景识别研究[J].计算机工程与应用，2014，50（7）：139?143.
[5] 王秀青，侯增广，潘世英，等.基于多超声传感器信息和NeuCube的移动机器人走廊场景识别[J].计算机应用，2015，35（10）：2833?2837.
[6] 田文奇，瞿心昱.基于自适应增量PCA算法的移动机器人场景识别[J].机床与液压，2015，43（9）：87?89.
[7] 胡宗达，杨长春，矣雷阳，等.基于非限制性结构的地震动加速度计仿真设计[J].计算机仿真，2016，33（1）：127?132.
