基于物聯網視覺的旅游景區異常情況圖像自動識別系統設計

李和香

摘 要： 物聯網視覺是新興的信息感知技術，其可保證旅游景區異常情況圖像的準確、高效識別。因此，設計基于物聯網視覺的旅游景區異常情況圖像自動識別系統。該系統采用圖像采集預處理平臺中的PIPER物聯網智能攝像頭采集旅游景區圖像，并利用圖像拆分方法篩選出異常情況圖像。圖像識別平臺利用物聯網射頻識別技術，為圖像采集預處理平臺篩選出的異常情況圖像，并提供惟一編碼。系統通過編碼確定異常情況位置，并給出處理意見。系統通過圖像采集預處理平臺的圖像拆分目標函數，實現圖像拆分工作的高品質運行。經實驗驗證可知，所設計的系統能夠對旅游景區異常情況圖像進行準確、高效識別。

關鍵詞： 物聯網視覺； 旅游景區； 異常情況識別； 圖像識別系統

中圖分類號： TN711?34； TP39 文獻標識碼： A 文章編號： 1004?373X（2017）04?0124?04

Design of IOT vision based image automatic identification system for

tourist attraction abnormalities

LI Hexiang

（Guangzhou Institute of Technology， Guangzhou 510000， China）

Abstract： The Internet of Things （IOT） vision is an emerging information perception technology， which can guarantee the accurate and efficient image identification of the tourist attraction abnormalities. An IOT vision based image automatic identification system for tourist attraction abnormalities was designed. The IOT smart camera PIPER in image acquisition pre?processing platform is adopted in the system to acquire the image of the tourist attraction， and the image splitting method is used to screen out the abnormal image. The IOT?based radio frequency identification （RFID） technology is employed in the image recognition platform to screen out the abnormal image for the image acquisition pre?processing platform， and provide the unique encoding. The location of the abnormalities is determined by means of the encoding and a processing suggestion is given by the system. The system target function is split according to the image of the image acquisition pre?processing platform to realize the high?quality running of the image splitting work. The experimental verification result shows that the system can identify the abnormalities image of the tourist attraction accurately and efficiently.

Keywords： Internet of Things vision； tourist attraction； abnormality recognition； image recognition system

0 引 言

隨著生活水平的不斷提高，旅游已成為人們日常生活中必不可少的消遣項目。旅游景區游客日益增多為旅游業帶來了不小的管理難度，能夠及時發現旅游景區的異常情況并進行準確處理，是游客和業主共同關注的話題[1?4]。由于旅游景區面積較大、游客較多，業主不得不通過機器進行其異常情況的識別工作，傳統旅游景區異常情況圖像自動識別系統準確性和效率不高，人們期待著更加有效的旅游景區異常情況圖像自動識別系統的出現[5?6]。

文獻[7]提出的基于OpenCV的旅游景區異常情況圖像自動識別方法，其利用OpenCV人臉識別技術，對進入旅游景區游客的行蹤進行全方位監控。這種方法的出現令游客能夠更加安心的游玩，但其只能應用于游客較少的博物館、演藝廳等室內景區，對識別工作較大的室外景區無法進行合理管控。文獻[8]提出的基于Android的旅游景區異常情況圖像自動識別方法能夠較好地利用Android操作系統傳輸效率高的特點，實現了該方法對大型旅游景區異常情況的高效識別。但這種方法的安全性不高，圖像在傳輸過程中易被盜取；文獻[9]提出基于IEC 61970標準的旅游景區異常情況圖像自動識別方法，IEC 61970標準作為能量管理程序APP接口，其在使用最小能量的同時，也實現了旅游景區異常情況圖像的高速識別和傳輸。但這種方法過于注重效率和能耗，識別準確性較低。文獻[10]提出的基于路徑軌跡空間特征的旅游景區異常情況圖像自動識別方法，該方法可為旅游景區構建虛擬模型，通過監視游客行走路線圖像，查找異常情況。這種方法的識別準確性較高，但忽略了游客行走路線之外的范圍，無法全面保障景區游客安全。

為了解決以上缺陷，實現旅游景區異常情況的準確、高效識別，設計出基于物聯網視覺的旅游景區異常情況圖像自動識別系統。經實驗驗證可知，所設計的系統能夠較好地滿足設計初衷。

1 旅游景區異常情況圖像自動識別系統設計

物聯網視覺是新興的信息感知技術，其能夠實現人、車、物三者間的有效連接，可保證旅游景區異常情況圖像的準確、高效識別。

1.1 圖像采集預處理平臺設計

圖像采集預處理平臺能夠基于物聯網視覺進行旅游景區圖像的采集工作，并對其中的異常圖像進行預處理和傳輸，其結構圖如圖1所示。

由圖1可知，圖像采集預處理平臺由圖像開采端、圖像處理端和顯示端組成，三端相輔相成，將圖像開采端攝像頭拍攝到的二維旅游景區圖像，壓縮變換為三維的物聯網視覺，共同構建出旅游景區虛擬模型。圖像采集預處理平臺所選用的攝像頭為PIPER物聯網智能攝像頭。該攝像頭在傳統攝像頭的基礎上，納入了物聯網視覺特性，并配備多種智能傳感器，能夠準確且高效地拍攝出旅游景區圖像。PIPER物聯網智能攝像頭的鏡頭視角為180°，可與多種類型終端直接相連。在旅游景區中，應將4個PIPER物聯網智能攝像頭背對背捆綁相連，以對旅游景區進行360°無死角拍攝。

圖像開采端將PIPER物聯網智能攝像頭開采到的圖像進行A/D轉換后傳遞到圖像處理端，經由圖像處理端進行二維畫面向三維圖像的轉換，該過程稱為逆向映射。逆向映射首先進行圖像增強操作，再將旅游景區異常情況目標圖像與配景拆分，經由顯示端的顯示器進行顯示，并將預處理指令傳輸到圖像識別平臺。

圖像采集預處理平臺的設計匯集了計算機、模擬數字技術和圖像控制等領域的技術成果，其可與基于物聯網視覺的旅游景區異常情況圖像自動識別系統中的其他平臺單獨拆分開來，并應用于軍事、工農業、醫療以及建筑等領域。圖2是圖像采集預處理平臺的原理框圖。

由圖2可知：對圖像采集預處理平臺來說，旅游景區異常圖像目標物體的準確捕獲是重中之重。基于物聯網視覺的旅游景區異常情況圖像自動識別系統給予了圖像預處理平臺捕獲標準，經由PIPER物聯網智能攝像頭采集到的旅游景區畫面轉換為三維的物聯網視覺后，就要接受該標準的管控。圖像預處理平臺的捕獲標準受輸入指令控制，輸入指令是系統根據旅游行業特定景區異常情況定義所構建的，其規定了旅游景區畫面的異常位置、顏色、比例等。圖像采集預處理平臺經由人工智能、模糊算法和神經網絡算法，進行物聯網視覺與捕獲標準的比對，找尋到旅游景區異常情況，構建異常圖像數據檔案并輸出異常情況圖像到圖像識別平臺。

1.2 圖像識別平臺設計

基于物聯網視覺的旅游景區異常情況圖像自動識別系統的圖像識別平臺是基于物聯網的射頻識別技術構建的，其能夠進行旅游景區異常情況圖像的自動識別。射頻識別技術是一種能夠在無人為操作下，利用射頻通信實現物體異常識別的非觸碰自動識別技術。射頻識別技術的抗干擾能力極強，在任何天氣狀態和輻射環境下均有較高的識別精度，且其效率高、操作簡單。射頻識別技術硬件結構如圖3所示。圖3中的射頻識別技術硬件由電子標簽、天線和讀寫器組成。電子標簽的核心原件是識別芯片和耦合器。識別芯片為旅游景區異常情況圖像編碼，每個異常圖像均有惟一編碼；耦合器則幫助圖像識別平臺緩解電路傳輸壓力，其能將功率合理分配，保護電路元件不受損傷。

天線是連接電子標簽和讀寫器信號的傳輸“紐帶”。基于物聯網視覺的旅游景區異常情況圖像自動識別系統對天線的傳輸效率和安全穩定性要求較高，故選擇了性能較好且價格適中的433 m射頻天線。

讀寫器能夠讀取電子標簽分配的旅游景區異常圖像編碼，并及時調用旅游景區的廣播系統為異常情況播報。根據讀寫器的攜帶方式，一般將其分為便攜式和安裝式。基于物聯網視覺的旅游景區異常情況圖像自動識別系統選用安裝式讀寫器，其工作原理如圖4所示。

由圖4可知，天線將旅游景區異常情況圖像編碼直接傳輸給安裝式讀寫器中的控制器，控制器控制著編碼的讀取工作，并調用旅游景區異常情況相應區域的廣播系統，提醒游客注意人身和財產安全。

旅游景區的防衛人員也將在第一時間接收到異常情況圖像，以及異常情況的位置和處理意見，并采取相應的施救措施。

2 旅游景區異常情況圖像自動識別系統實現

圖像采集預處理平臺中圖像拆分工作能否順利進行，直接影響著圖像識別平臺的工作質量，以及基于物聯網視覺的旅游景區異常情況圖像自動識別系統的輸出結果。因此，系統利用軟件給出圖像拆分目標函數，保障圖像拆分工作的高品質運行。

基于物聯網視覺的旅游景區異常情況圖像自動識別系統軟件所提供的圖像拆分方法主要有閾值拆分法、特定范圍拆分法和對比拆分法，以閾值拆分法為例，構建圖像拆分目標函數。

當異常情況圖像中目標物體與配景相接面的顏色和形狀差別較大，可采用閾值拆分法進行圖像拆分。在上述條件下，由于目標物體與配景的像素邊緣較為明顯，因而可以將兩者的閾值與灰度分別提取出來，并按大小加以歸類，進而將目標物體與配景拆分開。將拆分后的閾值納入到直方圖中，則閾值的最小點應滿足。

為盡可能地降低圖像拆分誤差，應求取異常情況圖像的最佳閾值。假設異常情況圖像的閾值為，異常情況圖像中配景灰度值的概率密度為，配景灰度值分布密度為，異常情況圖像中目標物體占配景率為，將目標物體拆分為配景的概率，將配景拆分為目標物體的概率密度，則有：

3 實 驗

為驗證所設計的基于物聯網視覺的旅游景區異常情況圖像自動識別系統能否準確、高效地識別出旅游景區的異常情況圖像，現進行實驗。

3.1 圖像自動識別系統的識別準確性驗證

利用對比基于Android的旅游景區異常情況圖像自動識別系統和本文系統識別準確性的方法，驗證本文系統的識別準確性是否滿足設計初衷。

實驗在某景區湖面塑造了一個虛擬監控模型，模型包括木船、三個劃槳者和一些干擾因素（花草樹木），如圖5所示。

實驗在特定時間隨機消除了兩個劃槳者，如圖6所示。圖6為旅游景區異常情況圖像的配景，消失的兩個劃槳者則為目標物體。利用基于Android的旅游景區異常情況圖像自動識別系統和本文系統同時對該虛擬監控模型進行自動識別，其結果如圖7和圖8所示。

圖7和圖8中框內的目標物體能夠清晰地反應出兩個系統的準確性。由于實驗中的兩個目標物體距離較近，圖7中的基于Android的旅游景區異常情況圖像自動識別系統將其識別為一個目標物體，準確性較低；本文系統則能準確地識別出目標物體。

以上實驗結果說明，本文系統具有較高的準確性。

3.2 圖像自動識別系統效率驗證

我國一些旅游景區的地質較為復雜，一旦發生異常情況，縮短識別和傳輸時間是旅游景區異常情況圖像自動識別系統所需考慮的首要問題。實驗利用對比基于Android的旅游景區異常情況圖像自動識別系統和本文系統識別時間和傳輸的方法，驗證本文系統的效率是否滿足設計初衷。

實驗在某旅游景區的復雜山地，利用基于Android的旅游景區異常情況圖像自動識別系統和本文系統進行山體滑坡情況的識別，其識別用時如表1所示。

表1 實驗兩系統識別山體滑坡情況用時統計表 ms

由表1可知，本文系統對山體滑坡情況的預處理時間和識別時間均低于基于Android的旅游景區異常情況圖像自動識別系統，而兩系統的傳輸時間持平。整體來說，本文系統的效率更高。該結果能夠驗證本文系統具有較高效率。

4 結 論

本文設計基于物聯網視覺的旅游景區異常情況圖像自動識別系統。該系統采用圖像采集預處理平臺中的PIPER物聯網智能攝像頭采集旅游景區圖像，并利用圖像拆分方法篩選出異常情況圖像。圖像識別平臺利用物聯網射頻識別技術，為圖像采集預處理平臺篩選出的異常情況圖像，并提供惟一編碼。系統通過編碼確定異常情況位置，并給出處理意見。系統通過圖像采集預處理平臺的圖像拆分目標函數，實現圖像拆分工作的高品質運行。經實驗驗證可知，所設計的系統能夠對旅游景區異常情況圖像進行準確、高效識別。

參考文獻

[1] 何翼.物聯網關鍵技術及其在倉庫自動識別管理系統中的運用[J].物流技術，2015，34（2）：301?302.

[2] 陸海虹.基于OpenCV的手勢識別系統的設計與實現[J].計算機測量與控制，2015，23（5）：1649?1652.

[3] 劉持標，林金發，孫麗麗，等.基于Android圖像識別技術的失蹤人員管理系統開發[J].三明學院學報，2014，31（4）：17?23.

[4] 楊興柱，蔣鍇，陸林.南京市游客路徑軌跡空間特征研究：以地理標記照片為例[J].經濟地理，2014，34（1）：181?187.

[5] 李佳，陳佳，楊新軍.旅游社會—生態系統的運行機制：以西安市上王村為例[J].地理研究，2015，34（5）：977?990.

[6] 辛存林，董凱，孟健，等.中天山烏拉斯臺地區礦化異常提取及評價[J].地質與勘探，2014，50（2）：382?390.

[7] 辛存林，廖建棟，董凱，等.新疆和靜如努屋特地區地質地球化學特征及找礦遠景[J].西北大學學報（自然科學版），2014，44（5）：781?788.

[8] 李淑娟，王冉.山東半島藍色經濟區A級旅游景區空間結構分析[J].資源開發與市場，2015，31（2）：235?238.

[9] 孫玉硯，孫利民，朱紅松，等.基于車牌識別系統車輛軌跡的行為異常檢測[J].計算機研究與發展，2015，52（8）：1921?1929.

[10] 孫鵬，馬素霞.基于IEC 61970標準及Web服務的電能質量異常數據檢測系統研究[J].電力信息與通信技術，2015，13（6）：87?91.