基于人工智能的三維多媒體視覺(jué)圖像識(shí)別研究

唐曉

（鄭州工業(yè)應(yīng)用技術(shù)學(xué)院信息工程學(xué)院，河南鄭州，451150）

0 引言

人眼能夠通過(guò)以往經(jīng)驗(yàn)，對(duì)二維圖像進(jìn)行快速感應(yīng)從而實(shí)現(xiàn)從二維圖像到三維圖像的轉(zhuǎn)換。多媒體傳播時(shí)代的到來(lái)，出現(xiàn)了一種結(jié)合上述人眼識(shí)別的方式，出現(xiàn)了一種人工智能圖像識(shí)別技術(shù)，并在人們的日常生活當(dāng)中得到了廣泛的應(yīng)用，例如在衛(wèi)星定位、生物醫(yī)學(xué)等領(lǐng)域當(dāng)中，均應(yīng)用了人工智能識(shí)別技術(shù)[1]。但當(dāng)前，隨著人們對(duì)圖像識(shí)別要求的不斷提高，在沿用傳統(tǒng)的圖像識(shí)別方法時(shí)，容易出現(xiàn)識(shí)別精度不符合要求、識(shí)別時(shí)間過(guò)長(zhǎng)、識(shí)別結(jié)果與實(shí)際相差較大等問(wèn)題[2]。因此，當(dāng)前該領(lǐng)域研究人員逐漸將研究重點(diǎn)轉(zhuǎn)向?qū)τ行ёR(shí)別方法的研究當(dāng)中。對(duì)此，本文通過(guò)開(kāi)展基于人工智能的三維多媒體視覺(jué)圖像識(shí)別研究，為研究人員提供全新的識(shí)別方法設(shè)計(jì)思路。

1 基于人工智能的三維多媒體視覺(jué)圖像識(shí)別方法設(shè)計(jì)

■1.1 三維多媒體視覺(jué)圖像特征提取

在傳統(tǒng)視覺(jué)圖像識(shí)別方法的基礎(chǔ)上，結(jié)合三維多媒體圖像中各項(xiàng)規(guī)律，對(duì)圖像特征進(jìn)行提取。采用多尺度幾何分析工具，實(shí)現(xiàn)對(duì)多媒體視覺(jué)圖像的切波變換，對(duì)圖像進(jìn)行三維最優(yōu)逼近，從而方便獲取圖像當(dāng)中的各類(lèi)型信息及特征。

首先利用層疊分類(lèi)器對(duì)三維多媒體視覺(jué)圖像進(jìn)行分類(lèi)，在保留圖像窗口的條件下，過(guò)濾掉所有非識(shí)別圖像窗口，在保證漏檢率低的基礎(chǔ)上將大部分非識(shí)別區(qū)域進(jìn)行過(guò)濾。

其次，完成對(duì)原始三維多媒體視覺(jué)圖像的剪切波變換后，對(duì)子圖像獲取，利用多方向局部二值模式，在已經(jīng)獲取到的剪切波變換圖像上得出半徑為a的圓形區(qū)域，并找出其中對(duì)應(yīng)的n個(gè)特征采集點(diǎn)[3]。根據(jù)多方向局部二值模式給出其算子的表達(dá)式為：

公式（1）中，Pq表示為多方向局部二值模式算子；iq表示為三維多媒體視覺(jué)圖像中心點(diǎn)像素值；ic表示為三維多媒體視覺(jué)圖像中相鄰點(diǎn)的像素值大小；m表示為剪切參數(shù)，m值通常取[0,1]。根據(jù)公式（1）計(jì)算得出多方向局部二值模式算子后，按照?qǐng)D1所示流程對(duì)三維多媒體視覺(jué)圖像特征進(jìn)行提取和編碼。

圖1 三維多媒體視覺(jué)圖像特征提取與編碼流程

根據(jù)圖1特征提取和編碼流程得出，在特征提取過(guò)程中需要完成365維的編碼，為了方便后續(xù)識(shí)別，對(duì)其閾值化結(jié)果采用均值處理的方式進(jìn)行編碼。設(shè)定一個(gè)二進(jìn)制序列，并設(shè)定其從0到1和從1到0的過(guò)程不超過(guò)兩次[4]。根據(jù)三維多媒體視覺(jué)圖像在各個(gè)方向上的紋理圖像，進(jìn)一步將其劃分為一個(gè)5×5的矩形區(qū)域。通過(guò)對(duì)各個(gè)方向上的聯(lián)合直方圖進(jìn)行連接，得到一個(gè)完整的三維多媒體視覺(jué)圖像特征量，再利用可編程計(jì)數(shù)器陣列，對(duì)三維多媒體視覺(jué)圖像上的特征進(jìn)行降維處理。最終得到需要進(jìn)行識(shí)別的圖像特征表示。表1為降維處理后，三維多媒體視覺(jué)圖像維數(shù)及保留原始圖像信息百分比對(duì)應(yīng)關(guān)系。

表1 降維后圖像維數(shù)與原始圖像信息百分比對(duì)應(yīng)表

結(jié)合表1中的數(shù)據(jù)，在對(duì)三維多媒體視覺(jué)圖像特征進(jìn)行提取時(shí)，應(yīng)當(dāng)根據(jù)實(shí)際需要選擇不同的降維維數(shù)，其中降維維數(shù)為20時(shí)，圖像信息保留百分比最低，識(shí)別訓(xùn)練時(shí)間最長(zhǎng)；降維維數(shù)為55時(shí)，圖像信息保留百分比最高，識(shí)別訓(xùn)練時(shí)間最短。

■1.2 識(shí)別圖像變化特征生成

在完成視覺(jué)圖像特征提取的基礎(chǔ)上，應(yīng)根據(jù)識(shí)別圖像的變化，進(jìn)行識(shí)別特征的生成。在此過(guò)程中，假定獲取的圖像中存在動(dòng)態(tài)的關(guān)鍵點(diǎn)，此時(shí)可利用動(dòng)態(tài)點(diǎn)的變化，進(jìn)行多媒體幾何投影[5]。此過(guò)程可用如下計(jì)算公式表示。

公式（2）中：S(c)表示為在繪制圖像過(guò)程中，多媒體環(huán)境下識(shí)別到的關(guān)鍵點(diǎn)。其中c的取值為c={c;z;v}，將c中的二維圖像與三維空間圖像進(jìn)行對(duì)比，并使用小孔成像設(shè)備，在現(xiàn)實(shí)環(huán)境中，對(duì)特征信息進(jìn)行透視轉(zhuǎn)換。假定在一個(gè)相同的二維圖像環(huán)境中，存在圖像坐標(biāo)、點(diǎn)坐標(biāo)、坐標(biāo)軸、坐標(biāo)系均在同一水平面上，此時(shí)可認(rèn)為識(shí)別的特征數(shù)據(jù)存在統(tǒng)一性。為此，結(jié)合cs;co與c之間的三維目標(biāo)關(guān)系，進(jìn)行視覺(jué)目標(biāo)共性的轉(zhuǎn)換，轉(zhuǎn)換過(guò)程如下計(jì)算公式所示。

公式（3）中：cs表示為識(shí)別到的原始圖像；co表示為三維坐標(biāo)圖像中，視覺(jué)目標(biāo)的對(duì)應(yīng)點(diǎn)。根據(jù)目前已知的圖像變化特征，將其應(yīng)用到實(shí)際中，進(jìn)行多媒體設(shè)備對(duì)圖像的平移、旋轉(zhuǎn)等操作處理。假定Q;E;R分別表示為三維圖像下的矩陣方向，則可認(rèn)為生成特征生成的過(guò)程如下。

公式（4）中：U表示識(shí)別圖像特征的旋轉(zhuǎn)角度；Y表示為識(shí)別圖像特征的平移角度。根據(jù)上述計(jì)算公式，輸出具體數(shù)值，完成對(duì)圖像變化特征的生成。

■1.3 基于人工智能的圖像特征識(shí)別

在完成圖像特征生成的基礎(chǔ)上，引入人工智能技術(shù)，對(duì)圖像特征進(jìn)行最終識(shí)別，此過(guò)程中，使用智能化技術(shù)提供識(shí)別行為的稀疏表示法，構(gòu)建一個(gè)智能化的識(shí)別模型，并采用梯度限制的方式，對(duì)圖像目標(biāo)函數(shù)的最小值進(jìn)行投影，輸出優(yōu)化后的最小值，根據(jù)函數(shù)的梯度方向，進(jìn)行特征識(shí)別。此時(shí)，假定存在一個(gè)三維圖像樣本數(shù)據(jù)集合，且集合內(nèi)樣本數(shù)據(jù)量充足，此時(shí)，可按照第j個(gè)訓(xùn)練矩陣中，J的數(shù)據(jù)樣本字典進(jìn)行三維視覺(jué)的訓(xùn)練。其中J的取值范圍表示為Iα?β，用m表示為j類(lèi)圖像的字典矩陣，q表示為大于0的系數(shù)，則智能提取的過(guò)程可用如下計(jì)算公式表示。

公式（5）中，g表示為樣本訓(xùn)練集合。使用機(jī)器算法與智能化技術(shù)的結(jié)合，利用牛頓內(nèi)點(diǎn)方法對(duì)目標(biāo)函數(shù)進(jìn)行約束，尋找約束范圍中的（g，0）取值區(qū)域，根據(jù)g中的樣本數(shù)量，得到g的最小值樣本集合，以此為依據(jù)，定位函數(shù)的梯度方向，遵循此方向進(jìn)行圖像稀疏投影的分類(lèi)，輸出分類(lèi)結(jié)構(gòu)，并認(rèn)為結(jié)構(gòu)密集區(qū)域存在特征圖像數(shù)據(jù)，反之不存在特征圖像數(shù)據(jù)，綜上所述，完成對(duì)圖像特征的識(shí)別。

2 對(duì)比實(shí)驗(yàn)

本文選擇三維多媒體視覺(jué)圖像中的某一人體動(dòng)作視覺(jué)圖像作為實(shí)驗(yàn)對(duì)象，分別利用本文提出的基于人工智能的三維多媒體視覺(jué)圖像識(shí)別方法，和傳統(tǒng)圖像識(shí)別方法對(duì)該實(shí)驗(yàn)對(duì)象進(jìn)行識(shí)別，以此完成對(duì)兩種識(shí)別方法的應(yīng)用效果對(duì)比。為實(shí)現(xiàn)對(duì)實(shí)驗(yàn)結(jié)果的定量分析，本文按照人工智能識(shí)別率RR準(zhǔn)則作為標(biāo)準(zhǔn)，對(duì)其正確識(shí)別率γ進(jìn)行計(jì)算：

公式（6）中，K'表示為本文識(shí)別方法或傳統(tǒng)識(shí)別方法準(zhǔn)確識(shí)別視覺(jué)圖像樣本個(gè)數(shù)；K表示為實(shí)驗(yàn)過(guò)程中供進(jìn)行識(shí)別的樣本總數(shù)。本文實(shí)驗(yàn)當(dāng)中選用的實(shí)驗(yàn)對(duì)象為ORL人體動(dòng)作三維多媒體視覺(jué)圖像庫(kù)當(dāng)中的500組視覺(jué)圖像，其中共包含了50人，每個(gè)人在不同的環(huán)境下，完成了10張不同動(dòng)作和形態(tài)的視覺(jué)圖像展現(xiàn)。為確保實(shí)驗(yàn)的客觀性，兩種識(shí)別方法在應(yīng)用過(guò)程中，均設(shè)置115×98的分辨率，灰度均在256級(jí)。根據(jù)上述實(shí)驗(yàn)準(zhǔn)備，完成實(shí)驗(yàn)，并隨機(jī)抽取100組識(shí)別結(jié)果，利用本文上述計(jì)算公式（6）對(duì)其正確識(shí)別率γ進(jìn)行計(jì)算，并求解出每組平均γ值，將實(shí)驗(yàn)結(jié)果記錄如表2所示。

表2 兩種識(shí)別方法實(shí)驗(yàn)結(jié)果對(duì)比表

根據(jù)表2中的數(shù)據(jù)結(jié)果進(jìn)一步得出，本文識(shí)別方法平均γ值明顯高于傳統(tǒng)識(shí)別方法平均γ值。因此，通過(guò)實(shí)驗(yàn)證明，本文提出的基于人工智能的三維多媒體視覺(jué)圖像識(shí)別方法在實(shí)際應(yīng)用中具有更高的識(shí)別準(zhǔn)確性。同時(shí)，在實(shí)驗(yàn)過(guò)程中，通過(guò)對(duì)其識(shí)別時(shí)間進(jìn)行比較得出，無(wú)論是在對(duì)三維多媒體視覺(jué)圖像的特征提取，還是在識(shí)別過(guò)程中，本文識(shí)別方法耗時(shí)均明顯小于傳統(tǒng)識(shí)別方法耗時(shí)。因此，進(jìn)一步證明本文識(shí)別方法具有更加重要的現(xiàn)實(shí)意義。

3 結(jié)束語(yǔ)

當(dāng)前三維多媒體技術(shù)的快速發(fā)展，使得圖像識(shí)別技術(shù)的出現(xiàn)為人們的日常生活帶來(lái)了諸多便利，針對(duì)傳統(tǒng)識(shí)別方法存在的精度不高、識(shí)別結(jié)果準(zhǔn)確率低等問(wèn)題，本文通過(guò)引入人工智能技術(shù)，對(duì)其進(jìn)行了創(chuàng)新研究。將本文提出的識(shí)別方法應(yīng)用到實(shí)際當(dāng)中，能夠有效增強(qiáng)識(shí)別性能，具有更高的實(shí)用價(jià)值。但由于研究能力的有限本文僅針對(duì)三維多媒體視覺(jué)圖像中的灰度圖像進(jìn)行了研究，而對(duì)于彩色視覺(jué)圖像的識(shí)別內(nèi)容并未涉及，因此在后續(xù)的研究中還將針對(duì)彩色視覺(jué)圖像進(jìn)行更加深入的研究，從而提高識(shí)別方法的實(shí)用性范圍。