人工智能图像识别技术赋能档案管理的应用场景研究

■钱 爃

一、引言

人工智能（Artificial Intelligence 简称AI）是研究模拟、延伸和扩展人的智能的理论、方法、技术及应用的一门新的科学技术。该技术的研究范围包括智能机器人、语言识别、图像识别、自然语言处理等。随着人工智能的理论和技术日趋完善，其应用领域也持续扩展。在档案管理领域，档案智能机器人研制已有成功案例，语言识别和自然语言处理也在历史档案资源数据化方向开展了应用研究，但与档案管理密切相关的图像识别亟待进一步开发其高价值的应用场景。

二、图像识别与人工智能

图像识别是在人眼感官的基础上建立的一套自动识别系统，主要有图像采集设备（摄像头、扫描仪）、数据传输网络、图像处理终端（切分、重构、成像）组成。图像识别过程首先由采集设备捕获图像，由传输网络输送至处理终端，终端的逻辑算法通过切分、重构以及成像的过程将原始图像转换为系统可识别的图像，根据不同的识别需求获得图像的关键信息和可供系统识别的特征点，最后输出识别结果。图像识别是一个固化的，依据预设的逻辑算法进行机械式计算输出的过程；通过这一技术能够减轻部分以往依靠大脑和人眼处理的图像识别工作。图像识别需要人工不断的调整识别过程和逻辑算法，以便提升识别的效率和准确率。

人工智能是在图像识别的基础上进行的升级和优化，基于图像识别技术，额外配备智能化处理软件和设备，达到在无人干预的状态下，系统自动收集处理信息、分析数据、深度学习以及系统互联的目标。与传统图像识别技术对比，人工智能图像识别首先在图像采集端预置智能分析算法，在捕获图像的同时对图像进行预处理，提取有助于后续识别的关键信息完成一次解析，由数据传输网络实时传递给图像处理终端进一步生成结构化的数据进行二次解析，输出识别结果。同时结合识别需求与实际识别结果的各种差异特征，自主学习分析识别过程和逻辑算法的缺陷，进行自主优化，逐步提升识别效率和准确率。

三、档案管理应用场景

（一）档案合规检查

在文件归档时通常档案人员会对电子文件进行合规性检查，主要包括属性检查、文件检查以及属性与文件内容一致性检查。检查项主要有文件名称、编号、分类、状态、格式、内容是否完整、是否清晰等。传统检查方式主要依靠人工，存在检查效率低、错误率高等问题。为了降低上述问题引起的档案管理质量风险，引入人工智能图像识别技术进行电子文档的合规性检查。首先需要设定识别技术指标和要求，例如识别完整性和效率指数、识别处理能力指标、自动记录并形成识别报告等。其次需要确定被检查的文件类型（如设计文件、管理文件、图样目录、设计变更单等）；对每一种文件类型划分检查位置（如目录区域、图签区域、内容区域、会签栏、首页、续页、封面、扉页、修改记录页、目录页、正文页等）；对每一种文件类型的每一个检查位置确定检查项（如编码、版本、状态、标题、签字、日期等）；同时对每一个检查项确定检查内容、基础数据来源、检查方法、常见错误案例、检查方式、检查时间点等，再结合以上文件类型、检查位置、检查项三个维度建立合规性检查矩阵。最后通过人工智能图像识别技术与检查矩阵的结合，将文件中需要文档规范性检查的项进行智能识别，针对需要比对的内容提取对比基准值，识别结果与对比基准值分别从系统逻辑、单页逻辑、全文逻辑三个维度进行分析比对，输出待确认的问题项。在一次检查完成后，由人工确认检查结果，系统依据确认结果调整识别过程、检查逻辑以及算法，完成深度自主学习，逐步提升检查效率和正确率。

（二）影像档案管理

在传统的影像档案管理中，通常通过档案属性查找需要的影像，如果影像归档时属性不全或者描述不准确，就会大大降低影像档案查询的准确率。尤其对于重要人物的图像查找，随着时间的推移，人的外貌不可避免会发生变化，即便通过属性查询到相关影像，也很难立即判断出多张影像中相似的人是不是同一个人。引入人工智能图像识别技术可快速判断出多张图像中是否存在同一个人，现有的识别技术可支持年龄跨度在25 至30 年之间的容貌变化，可以有效避免人物相貌变化而出现的查询错误。人物影像的智能识别主要分为图像的采集与预处理、面部特征提取、识别和鉴别三个过程。采集与预处理需要一张人物的基准图像作为输入，由图像采集设备对图像进行捕获之后使用面部检测算法进行预处理，输出面部五官的关键点坐标，坐标由二维平面坐标组成，即X 坐标和Y 坐标。面部特征提取是依据五官关键点坐标和人物基准图像，开展面部特征的提取，使用人脸五官关键点坐标与系统预置的标准人脸五官关键点坐标相比较，计算特征值，将人物图像转变为一个固定长度数值串，这个固定长度的数值串被称为面部特征，该特征展示了人物面部的特点。识别和鉴别是识别出人脸的年龄、表情、姿态等属性值后鉴别与其他图像中人物的一致性。开展识别时依据人物基准图像、五官关键点坐标以及面部特征数值，通过缩放、旋转等操作将人脸图像调整到预定的大小和位置，通过识别算法进行分析，基于深度学习的人工智能图像识别技术能够通过一个算法同时得到人物的性别、年龄、姿态等完整的人脸特征属性值。基于寻找对象完整的人脸特征属性值，对所有影像档案进行鉴别，寻找匹配人物的影像。依靠云计算、AI 大模型的强大算力，在数秒内可完成影像人脸的比对，依据两个人脸的特征属性值，评估两张人脸的相似度，一般对特征属性值相符性设定一个值，满足设定值即可判断为同一人物影像。采用该技术可以大幅度提高影像档案的查找效率和准确度。

（三）库房安防管理

在传统档案库房的安防管理中，摄像头是最基础的监控防护设备，一旦发生安防事件，在传统安防工作模式下，档案管理人员主要采用查看监控视频的方式，这种方式需要通过人工一秒一秒的查看筛查摄像头捕获的视频画面，整个筛查过程不仅工作量大，同时浪费了大量的时间和精力。基于人工智能图像识别技术的档案库房自动化视频监控系统的建立逐步改变了传统的库房安防模式，这一系统主要由前端和终端智能技术组成，以采集设备捕获的视频、图像及结构化数据为基础，实现以图像搜索人员并进行相似性鉴别，帮助档案管理人员快速准确地发现库房安防问题。前端主要依靠具有AI 功能的摄像头，比如人脸识别摄像头，在捕获视频和图像的同时，依靠摄像头内置的智能算法，将捕获的目标转换为结构化的数据后传到处理终端，可以减少终端分析处理的压力和网络带宽的压力。终端主要由具备智能分析功能的网络录像机、人脸识别和视频结构化分析模块组成。智能网络录像机是在集中存储图像的基础上，通过集成深度学习算法对图像内容进行信息提取和智能分析。人脸识别和视频结构化模块是基于图像提取分析的结果，通过深度学习算法，对人脸特征进行快速提取和准确识别比对并输出识别结果，这一系统能够在快速捕获视频内容及相关信息的同时将其转化为结构化数据，进行人像对比以及轨迹还原分析，能够有效提升档案库房安防管理的效率。随着档案智能库房的发展，智能需求日益增多，在这个过程中能够将原有的档案管理者从传统的库房管理中解放出来，让智能技术和设备代替人工是大势所趋。

四、档案领域应用前景

在档案管理领域，存在大量基于视频、图像工作的场景，人工智能图像识别技术具有广阔的应用前景。但相关技术和设备在满足档案领域管理需求方面还需有所优化提升。首先在图像前端采集方面，进一步加快图像捕获设备的研发以及升级，基于目前主流的高清图像、二维图像的捕获向三维图像的捕获构建转变，在前端实现更多维度的数据采集；进一步结合生物仿生原理，对光学系统以及识别系统进行升级优化，具备智能调节功能，从而获取更加清晰的图像。在后端算法处理方面，算法是人工智能图像识别技术应用的核心，但目前的算法的速率和精准度还未达到较高的水准，对图像、人物的识别精准率较低，如何提升图像识别算法和准确率是关键的核心任务。同时，图像识别与人工智能是高度依赖网络开展的，需要通过网络连接硬件设备、软件系统以及打通与关联领域的互通，打造立体化、多维度的人工智能图像识别应用体系，支持文件控制、档案管理、库房管理、人员管理等，真正实现内部业务的联动，真正让信息成为推动档案事业发展的重要载体。