大数据分析与智能图像识别技术融合应用

刘云龙 邵愚 王聪 杨放 任东飞

[摘    要]在大数据分析应用过程中，智能图像识别处理方式是一个非常重要的应用方面，在不同的领域中都发挥着作用。对于已经处理过的信息，干扰性比较强，从而有效地提升图像处理效果。因此，这种技术被广泛应用在医疗机械、检测和航天中，虽然这项技术有非常高的优势，但是在实际应用中也存在一些问题，需要进一步研究，这样才能更好的被企业所用。基于此，文章对大数据分析与智能图像识别技术融合应用进行研究，以供参考。

[关键词]大数据分析;智能图像;识别技术;融合应用

[中图分类号]TP391.41 [文献标志码]A [文章编号]2095–6487（2021）11–0–02

Fusion Application of big Data Analysis and Intelligent image Recognition Technology

Liu Yun-long， Shao Yu， Wang Cong， Yang Fang， Ren Dong-fei

[Abstract]In the process of big data analysis and application， intelligent image recognition processing is a very important application aspect， which plays a role in different fields. For the information that has been processed， the interference is relatively strong， thereby effectively improving the image processing effect. Therefore， this technology is widely used in medical machinery， testing and aerospace. Although this technology has very high advantages， there are also some problems in practical applications， which require further research so that it can be better used by enterprises. Based on this， the article studies the fusion application of big data analysis and intelligent image recognition technology for reference.

[Keywords]big data analysis; intelligent image; recognition technology; fusion application

隨着经济的飞速发展与科技水平的不断提升，计算机技术的开发与应用研究成为学者关注的重点。特别是在大数据分析与智能图像识别技术融合应用方面的研究越来越深入，其应用也越来越广泛。大数据分析与智能图像识别技术融合应用的应用，不仅提升了生产的效率，同时为人们的生产生活提供了方便。对此，本文在对大数据分析与智能图像识别技术融合应用进行介绍的基础上，对其关键性技术进行了分析，对提高大数据分析与智能图像识别技术融合应用水平具有重要的工程意义。

1 大数据的含义和特征

虽然在学术界对于大数据还没有做出一个明确的界定，但是普遍都认为大数据是传统IT技术与数据库都无法处理的海量数据。总体来说，大数据的显著特征主要有三个方面的特点。

（1）多样化的特征，主要是包括结构化的数据、半结构化的数据和非结构化的数据，尤其是在网络时代的不断发展影响下，非结构化的数据也逐渐呈现爆炸性的增长。

（2）快速化的特征，主要指的就是数据的产生、获取和处理以及分析的速度已经出现了快速且持续的增加，进而形成一个高速的数据流。

（3）价值化的特征，主要指的就是大数据中含有大量的科研、经济和社会方面的价值，通过对其进行充分挖掘和分析，进而促进各个领域的创新发展。

2 智能图像识别技术

2.1 图像识别的发展历程

图像识别研究是从1950年开始，发展至今经历了3个阶段：文字识别、数字图像处理与识别、物体识别。

①文字识别，主要是识别文字、字母、数字和符号;②数字图像处理和识别;③物体识别。

其主要指的是对三维世界的客体及环境的感知和认识，属于高级的计算机视觉范畴。在人类历史的发展过程中，图像识别从简单到复杂，从单一的平面、静态到多元的声音、立体场景等。前两个阶段，计算机的图像识别正确率远远低于人类，进入第三阶段后，识别的正确率有较大幅度的提高。2015年微软公布的一项图像识别基准测试中，计算机系统识别能力已经略高于人类。对于高速发展的社会，人类的识别能力已经无法满足社会的需求，随着算法技术的不断更新，图像识别技术将会为人类社会带来更为广泛的应用。

2.2 人工智能图像识别技术

人工智能（artificial intelligence，简称AI）图像识别技术是在传统图像识别的基础上发展起来的，这种新型的图像识别技术，是在传统的图像识别方法基础上融合神经网络算法和非线性降维等技术而得到的一种先进的图像识别方法。AI技术的发展促进了图像识别技术的腾飞。AI智能图像识别是基于深度学习卷积神经网络EfficientNet开发和构建图像感知的模型，通过学习和自适应提取图片的特征，并进行解析和优化，实现图像精准识别。卷积神经网络以深度图像识别技术为内核，结合人工智能、边缘感知、边缘计算、边缘智能云端，建立视觉认知、语言认知、环境认知等多模态认知融合。目前我国已掌握AI图像识别的核心技术，随着高性能的AI计算芯片、高清晰摄像头和更优秀的学习算法等技术的进步，AI图像识别技术已达到更高层次，目前已涵盖了生物识别、物体与场景识别、视频识别三大类。

3 大数据分析与智能图像识别技术融合应用

3.1 建立数据库

由于目前网络新系统技术的不断发展运用，我国已经迈入现代网络基础信息的时代，这充分表明网络系统数据在人们生活中占据重要的地位。

人们对于现代化网络基础信息系统技术的应用越来越广泛，通常应用于很多行业领域中，在新时代的发展下为了能够更好地实现经济化社会信息发展的需求，应当利用原有的数据信息库和数据处理系统技术进行信息数据库的研发。

对于人工智能技术的应用，研究人员在对智能数据库技术进行研究时，通常会借助人工智能进行研究分析，对各类数据库的功能信息进行综合分析处理，从而能够提供更加优质的服务。例如：对于智能网络搜索功能以及网络推广服务功能和数据输出等功能，在进行企业数据库系统体系建立时，需要根据当前市场的要求，采用合理有效的方式进行数据搜索和促进数据分析信息化的推广。

对于经济体系的全面发展，人工智能技术能够更好地提高我国社会主义经济发展水平。然而，对于网络信息数据的发展，面临着重要的技术考验以及创新发展的机遇。对大量的网络信息进行保存并对信息进行整理分析或数据信息的搜索等，如果不能及时对这些信息数据进行更加全面的处理，就会大大缩减信息数据库对于信息综合运用的能力，从而达不到理想的效果。

为了进一步及时有效处理数据内容，需要尽快对人工智能数据信息进行深层次的应用，提升数据处理的工作效率以及数据的准确度。另外，在进行人工智能技术综合运用的前提下，需要通过自身对人工智能技术进行判断，将不同的数据信息进行综合分类、优化技术处理，才能提高整体的用户数据处理效率。

3.2 安全数据库的设计

数据库要保存用户的海量信息，为了提高数据信息的安全性，需要设计安全数据库，大数据在存储时最重要的是做好数据的保密工作，防止出现数据信息的泄漏。由于在接口层使用保障机制不利于用户的快速便捷访问，因此为了从整体上保障数据的安全性，需要做好安全数据库的设计工作，安全数据库是数据的核心内容，采用安全数据库的管理系统对数据的核心进行管理，将管理方式应用到数据信息中，发挥安全数据库的配置管理、安全审计、操作日志管理、用户管理等性能。

这些性能还分别包括其他的部分，正是由于核心数据库存储的信息是十分重要的，所以要严格管理方式，从数据结构和数据管理方式的角度出发，重点关注数据存储的方式和数据存储的管理等。安全数据库的设计工作要以核心数据库为核心，着重关注安全保障机制，这类数据库主要是有警告数据库、性能数据库以及配置数据库等。安全数据库的设计工作可以提高数据平台的服务品质，这样数据信息在层层管理和过滤之后就会变得更加安全和高效。

一些数据十分重要，为了提高数据的保密性需要对数据进行准确管理，需要建立一个专门的数据信息库，将数据存储在数据信息库里，这样才能全面提高数据的安全性。安全数据库的建立需要有专门的技术人员进行设计，注重提升数据安全性和科学性，为了提高数据库的安全程度，有关部门要引进专业的科学人才，只有这样才能发挥人才的作用和价值。安全数据库工作的主要目的是核心数据库的安全，因此，管理人员要重视安全技术的创新。

3.3 图像识别技术

图像识别技术作为计算机人工智能技术的重要领域与分支。其核心是对图像进行相应的对象识别，以便区分出不同模式下的目标与对象。图像识别技术从发展上来讲，总共经历了3个阶段。分别为文字识别、图像处理与识别、物体识别。其通过对图像信息进行相应的处理分析，得到我们所需要的研究目标。发展到了今天，图像识别不仅是通过肉眼进行识别，同时借助计算机进行识别也是重要的识别手段。

在识别原理上，计算机图像识别技术与人客户肉眼识别上是相同的。人类进行图像识别是根据图像本身具有的特征，将图像识别出来。当我们看到一张图片时，大脑会迅速反应出该相识的图片，并进行分类识别与存储记忆。人工智能图像识别技术是以图像特征为基础，关注每个图片的主要特征，并排除掉多余的输入信息，找到所需要的关键信息，分阶段的完成对图像信息的整理形成一个完整的直觉映像。在人工智能图像识别过程中，模式识别是关键，模式识别是对事物不同形式的信心进行分析处理，从而实现对一个事物或者现象的描述、辨别以及分类。如图1所示，为一个完整的图像识别过程。

如今国家越来越重视安全生产，企业也采取各种措施保障员工的安全生产，从而保障企业的利益。为降低管理难度，提高人員安全意识，可在各种生产作业现场部署安全监测设备，实时视频监测、预警在岗工人是否按照要求做好安全防范措施作业。真正做到安全生产信息化管理，做到事前预防、事中常态监测、事后规范管理。

（1）在岗工人着装及安全帽佩戴检测。利用视频监控的实时视频对工作人员安全帽的佩戴及着装是否符合要求进行识别和检测，对未佩戴安全帽以及未穿着长袖长裤的危险行为可实时监测和预警，告警视频、截图都可在客户端显示，在现场部署音响和扬声器给出报警提示，并将报警信息推送给相关管理人员，协助管理人员开展安全生产管理。

（2）人员设备施工环境因素监测。环境管理主要是对温度、风速等环境因素的监测。当温度过低或过高时，某些工种的修整或养护作业需要特别细心，必要时需增加作业量甚至改期作业。风速也是某些设备工作的重要考量之一，如塔式起重机正常作业允许的最大风力不得超过六级。当环境因素将影响作业施工时，推送预警信息给相关管理人员。

4 结束语

随着经济水平与科学技术的不断提升，大数据分析与智能图像识别技术的应用也越来越广泛。因此，对大数据分析与智能图像识别技术进行研究对于提高人们生产生活质量水平具有重要的意义。本文在对大数据分析与智能图像识别技术的定义、研究现状以及其优点优势介绍的基础上，对大数据分析与智能图像识别技术进行全面分析。这对于促进大数据分析与智能图像识别技术水平的发展具有重要的意义。同时，在未来的大数据分析与智能图像识别技术的发展中，需要对相应的工程实践经验进行总结，并结合环境发展的趋势要求，做好相应的技术研发工作。

参考文献

[1] 仲崇丽.大数据分析与智能图像识别技术融合应用[J].网络安全技术与应用，2019（9）：79-80.

[2] 吴倩.一种基于图像识别技术的智能选址方法与系统[J].计算机产品与流通，2019（7）：119.