人工智能与物联网在智慧城市中的应用

2020-02-03邱天冲

电子技术与软件工程 2020年19期

关键词：图像识别语音联网

邱天冲

（电子科技大学格拉斯哥学院四川省成都市 611731）

1 人工智能与物联网的发展

随着时代的变化科技的发展，人工智能已经走进千家万户，从50年代计算机学家约翰麦卡锡提出”人工智能”一词，人工智能就走上了快速发展的轨道,到70年代人工智能进入低谷期,其主要难点在于：

（1）计算机性能不达标从而导致有程序但是无法实现的困境；

（2）特等问题在维度上,程序无法实现；

（3）数据的不足从而导致无法支撑深度学习，很容易导致计算机做出的算法无法实现目标需求。

到80年代卡内基梅隆大学设计出一套”专家系统”使得人工智能再次被崛起，直90年代，神经网络技术的逐步发展再到1997年”深蓝”战胜了国际象棋大师卡斯帕罗夫引领了人工智能技术的再次崛起。这就是人工智能发展的历史发展轨迹。

人工智能的发展，物联网技术也随之崛起，物联网，即物物相连，可以说成是感知层与互联网的结合，感知层也就是我们平时说的各类传感器，可以实现任何地点时间人物相互连接，而人工智能与物联网技术已经被广泛的应用到我们生活中，物联网主要是各类传感器进行数据采集。然后对采集数据进行处理，通过智能算法对数据进行分析或展示。

物联网与人工智能存在共生的关系，我们把物联网采集的数据利用人工智能的计算能力来得到最优解。到目前为止人工智能与物联网的结合已经广泛应用在各个领域中，并对未来发展起关键性作用。目前市面上比较常见的人工智能与物联网结合有医疗保健、智能制造、智能家居、智慧城市、智慧农业等。

2 人工智能与物联网可应用领域

2.1 人工智能与物联网在智能制造上的应用

近几年发展迅速的智能机器人，无人驾驶汽车,其中智能机器人在人工智能的制造行业是一个重要分支，被广泛关注，机器人根据一定算法包括图像识别、机器学习、专家系统等技术纳入到机器人制造应用中,现如今的机器人可以与人类进行人机交互对话,通过智能分析感知当前人类心情，并且可以完成复杂的工作。无人驾驶汽车，是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车，它是利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶，是集自动控制、体系结构、人工智能、视觉计算等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物，也是衡量一个国家科研实力和工业水平的一个重要标志，在国防和国民经济领域具有广阔的应用前景。

2.2 人工智能与物联网在智慧城市上的应用

图1：图像识别流程图

可以利用深度学习、图像识别技术与硬件模型相结合,打造智慧城市管理管理系统,其中包括智能城管监管与养护、智能工地监管、智能交通、智能危险源气体检测等等。其中智能城管监管通过现有视频监控设备和图像标签化技术实现对渣土车、违停、堆物堆料、非机动车治理、人流监控等场景的24 小时自动识别，并与互联网进行对接，实现监控的启动、监控事件的上报、派发状态，专项治理的全流程、自动化、智能化。智能城管养护是利用城管局现有的巡查车加装车载式视频监控系统，对桥梁和道路的抛洒物、坑槽、路面破损进行图像自动识别和定性分析，并将分析结果自动同步到平台中。智能工地监管是规范区内智慧工地统一建设标准，工地施工单位将视频、实名制出入信息、扬尘、噪音等数据都接入到系统中，实现工地监测设备的统一上线，有效监督工地监控设备的有效运行。同时，利用现有工地的视频监控系统，通过视频分析技术实现工地行为识别管理，实现安全帽是否穿戴、人员姿态、人员踪迹的自动识别。智能危险源气体检测则是在学校、菜市场、重要商圈建设化粪池与下水道可燃气体预警监测系统，对危险气体（甲烷、硫化氢）、温度、液位进行监测。当危险气体超过一定浓度的时候进行预警。现有环保局水质监测站、空气质量监测站、视频监控摄像头数据，同时在水库各部署一套自动水质监测系统，并增加微型空气质量监测单元；软件上利用AI 图像识别技术对河道漂浮物、河岸垃圾、水面颜色、违章建筑、排污口、钓鱼等场景进行智能识别与预警。通过视频识别交通事故、拥堵状况，融合互联网数据及接警数据，即时全面的对城市突发情况进行感知，同时动态根据路口拥堵情况实时调整红绿灯显示状态，并结合智能车辆调度技术，对警、消、救等各类车辆进行联合指挥调度，同时联动红绿灯对紧急事件特种车辆进行优先通行控制。打造智慧城市人工智能技术与物联网技术缺一不可。

3 应用到的技术

图像识别、视频识别、语音识别是当今社会上用到最广泛的人工智能技术，通过物联网硬件设施对图像进行数据采集，在通过模板匹配、神经网络、马尔科夫链等算法对图像进行分类识别。就上文提到的智慧城市中用到的关键技术加以说明。

3.1 图像识别

图像识别技术是计算机视觉的深度学习中占主导地位，大致经过以下几个步骤信息获取图像采集、图像预处理、得到特征数据、训练、最后识别。如图1所示。

根据城市管理图像数据的类别进行实时的问题处理，图像识别可以自动识别城市管理图像数据的类别，解决了需要人工识别并且响应不及时的问题，从而大大提高了城市管理问题处理效率。

识别分类方法包括：接收城市管理图像数据，城市管理图像数据由摄像设备产生，为各种城市管理问题的图像信息；使用群智算法和众包算法对历史存储的城市管理图像数据进行分类标注，并使用分类标注后的城市管理图像数据自动训练人工智能图像分类识别算法，所述的人工智能图像分类识别算法进而对所述的城市管理图像数据进行分类识别。

3.2 视频识别

视频智能识别的应用场景非常广泛，诸如，人脸识别、车牌识别、行人重识别、车辆重识别、非法入侵检测、人员聚集检测、车流量检测、逃犯追捕等等。人工智能与物联网在智慧城市上的应用中，对于已经建设的视频监控网络和设备，利用监控摄像头拍摄的实时监测视频，建设城市治理视频监测和分析服务，针对城市治理领域智能化的需求，对城市管理部事件进行有效识别。包括视频流的接入、视频分析算法引擎、视频搜索、视频分析调度策略。目前，各处布置的监控摄像头的数量越来越多，人工观察异常事件在人力成本、精力方面是一个巨大的浪费，可行性也不高，因此视频识别在监控系统中占主导地位，而在视频识别中最主要的是如何建立视频库，视频识别中用到的视频检测方法有形态学处理方法，静止背景下的运动目标检测方法，类似于RCNN 的深度学习方法等，智慧城市的视频识别主要分以下步骤：

（1）初始化服务器智能识别分析系统，并加载已经训练完成的神经网络模型等。

（2）初始化监控设备，获取由监控摄像头经光纤传回服务器的一帧图像。

（3）根据需要对图像进行预处理，可能包括标准化、归一化、中心化、图像大小缩放、色彩通道转换、灰度化、滤波去噪、提取关键点等。

（4）调用人工智能模型进行指定对象的检测和识别，如调用深度卷积神经网络进行目标的定位和分类等。

（5）用返回的结果合成图像供用户在客户端实时查看，或保存数据在数据库中。

（6）使用结束后，关闭监控设备，清理监控设备资源，关闭服务器智能识别系统。

图2 是视频智能识别分析系统的流程图。

3.3 语音识别

语音识别，也被称为自动语音识别（Automatic Speech Recognition,ASR）技术，就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术，也就是让机器听懂人类的语音。不同的语音识别系统，虽然具体实现细节有所不同，但所采用的基本技术相似。语音识别的基本过程有两部分，一是学习和训练，二是识别过程。人工智能与物联网在智慧城市上的应用中使用的语音识别模块，智能语音模块负责对语音进行语义识别，提供事件结构化数据，上报融合引擎负责接收事件结果，并对事件进行智能预处理。