基于機器學習的多因子尋物app

陳 鵬 潘宏錦 高貝貝 董敏弘 江曉蕾 馬天宇 李媛媛*

（天津工業大學計算機科學與技術學院，天津 300000）

1 相關工作和研究現狀

針對丟失物品的尋回或者防止物品丟失，目前通用的方法和研究領域如下，一個是通過給物品綁定物理設備，如藍牙，GPS定位設備等，可以實時定位到物品的物理位置。但是這樣的缺點也很明顯，每一個物品都需要額外的物理設備，不但要消耗資源，而且如果每件東西都要附加上這樣的設備的話，會非常繁瑣。通常這種技術用于防止老人和孩童丟失和重要物品的丟失等。對于生活中不是非常重要的物品的實用性不強。

另外一個通常用的方法是尋物啟事。除了傳統的尋物啟事外，隨著互聯網的發展，QQ空間等社交平臺也會有大量的尋物啟事信息。目前市面上有一些尋物的app也是采用發尋物啟事的帖子來尋找丟失的東西。這種方法的優點是操作非常簡單，不需要復雜的實現手段。弊端也很明顯，失主和撿到東西的人的信息來源不一定匹配，撿到東西的人很有可能看不到失主發的尋物啟事，失主也未必能看到拾物者發布的招領信息，而且對于一定的貴重物品，還有可能出現冒領的問題，如何鑒別真的失主也是一個問題。

2 尋物算法及圖像識別的應用

針對于現有的方法和技術的弊端，我們采用了一種新的解決思路。設計了兩套算法，以及應用機器學習的圖像識別技術，通過采集用戶的行走軌跡，丟失物品的詳細信息（包含大小、主要顏色、種類等）來精準地匹配丟失物品。我們采用技術手段而非尋物啟事等主觀判斷手段，可以在很大程度上減少失主和拾物者信息不對稱的問題，以及可以減少冒領的風險（失主看不到丟失物品的詳細信息，只能通過算法進行匹配）。

2.1 收集用戶信息

采集用戶的實時出行路線，以及設定一個閾值，當用戶在某個范圍的地方停留的時間超過這個閾值，就記錄下這個地點。當用戶丟失物品時，需要上報物品的主要顏色、大小、物品種類、丟失日期信息，如果有丟失物品的照片，同時上傳，還有聯系方式。當有拾物者撿到東西時，需要上報物品的主要顏色，大小，物品種類，撿到的地點，時間，以及物品的照片、聯系方式。

2.2 匹配算法

系統首先會從撿到物品的掛失庫中搜尋。根據拾物者撿到的物品的主要顏色、大小、物品種類以及撿到物品的地點進行匹配。首先根據物品種類篩選出符合種類的物品，然后根據主要顏色、大小再次進行匹配。再之后進行地點匹配，如果撿到物品的地點在該用戶的行走路線之中，則判定為符合，否則不符。如果失主能提供物品照片，那么最后還會進行一個物品圖像識別的判定。匹配成功后，將拾物者的聯系方式推送給失主。如果匹配失敗，則會進行人工圖像判定。

算法主要流程：傳入參數為物品名稱，丟失日期區間(開始和結束時間)、物品類型、物品顏色、物品大小和地點誤差，首先根據物品的狀態排除那些已經被認領的物品(狀態為1為已被認領的，設置該值是為了減少刪除數據庫中數據需要定期整理數據庫的情況，之后新的失物加入數據庫中會優先替代這些被認領過的物品)，然后根據物品名稱再進行篩選，如果傳入參數中有類型，顏色和大小，則會繼續進行對應的篩選，最后再根據日期區間進行篩選，然后得到失物結果集，再之后根據時間段篩選路線地點，得到路線集，然后將失物結果集和路線集進行地點匹配，最后匹配的結果放到res集中，并返回。

2.3 基于AlexNet卷積神經網絡的圖像識別

AlexNet由2021年ILSVRC 2012競賽冠軍Hinton和其學生Alex Krizhevsky設計，是現代卷積神經網絡中的一個重要模型。它具有以下幾個特點：

2.3.1 AlexNet使用ReLU激活函數，解決了sigmod激活函數梯度飽和的問題。由于ReLU稀疏性較好，提高了模型的預測能力、減少了過擬合現象的發生、提高了模型的泛化能力。

2.3.2 使用Dropout的方式在神經網絡正向傳播時隨機刪除一些神經元。這一方法是現在比較常用的防止過擬合的方法。

2.3.3 使用LRN局部響應歸一化，對局部神經元的活動創建競爭機制，使得其中響應較大的值變得相對更大。提高了模型的泛化能力。AlexNet中給出的局部響應歸一化公式為：

其中k，α，β，n為超參數，N為卷積核個數，a表示卷積層后的輸出結果。

利用TensorFlow，采用fashion-mnist數據集，建立AlexNet模型如表1。

表1

Total params:8,467,146

Trainable params:8,467,146

Non-trainab1e params:0

2.4 尋物算法

如果未能匹配成功，下面會有兩個操作。

一是根據用戶丟失那一天的行走路線和標記點以及丟失物品的種類與標記點的關聯性，給出一條推薦的尋回物品的路線。如果用戶根據這條路線尋找物品成功，則該流程結束，如果未能尋找成功，那么該物品的信息將進入進入掛失庫，等待進一步的匹配。

流程：該路線匹配方法的參數為起始時間、結束時間、地點判定誤差和停留閾值，首先根據傳入的起始時間和結束時間來確定要被分析的地點集，然后遍歷該集合，從第1個地點開始，依次向后進行地點誤差和停留閾值匹配，滿足條件則記錄進結果集中，若不滿足條件，則對下一個地點進行下一輪判斷，最后再將結果集中的結果進行去除重復項后得出最后結果集。

3 針對特殊類型的物品：

身份證、學生證、校園卡等有明確號碼的東西，可以精準匹配，拾物者和掛失者都需要提交證件的號碼用來精準匹配。

對于手機電腦等貴重物品，除了基本信息外，失主需要提供對丟失物品詳細的描述信息，比如手機的具體型號，鎖屏密碼等。平臺人員與拾物者聯系后，確認失主描述符合失物特征后，推送拾物者的聯系信息。

4 App系統的設計

4.1 系統總體架構設計與功能

該系統基于C/S架構，分為安卓端、服務器后端。安卓端采用java開發，后端采用php語言實現邏輯功能。數據庫采用My SQL數據庫。算法通過java實現。經過前期需求分析，確立了該app系統的主要功能。分別為注冊、登錄、失主，拾物者提交信息、匹配算法匹配提交的信息與數據庫里物品是否匹配、尋物算法給出尋物路線、系統推送聯系信息等。

4.2 系統流程圖如圖1。

圖1

4.3 系統數據庫的設計，如表2。

表2

5 結論

通過該系統，實現了通過技術手段來尋找丟失物品的操作。利用失主的行走路線以及物品信息等多維度的信息，與發布的撿到的物品進行精確匹配，并通過圖像識別技術來做最后的判斷。有效地實現了物品的高效率匹配，并且減少了冒領的可能性。系統實現所應用的技術比較成熟，實現難度相對較低，可行性較高。