互聯網街景安全保密信息處理平臺建構

王巖　佟健

【摘要】? ? 本文提出了一種街景信息處理方式，構建互聯網街景安全保密信息處理平臺，分析該平臺運用的主要技術，包括關聯拓撲、差異化處理方式以及人臉圖像處理方式以及車牌信息處理技巧等，對街景圖像信息處理提供了一定借鑒。

【關鍵詞】? ? 互聯網街景? ? 保密信息? ? 關聯拓撲? ? 人臉圖像

街景能夠反映城市的真實信息，還原城市的真實面貌，當前對街景信息觀測與分析是互聯網信息工具的重要應用場景之一，在聯網街景服務快速發展的背景下，信息使用的安全性逐漸受到關注，街景安全保密信息包括國家以及公民個人層面的信息，以此街景信息處理中，要求除去安全涉密信息。

一、互聯網街景安全保密信息處理平臺

互聯網街景安全保密信息具有較廣的分布范圍，信息差異較大，分布較為離散，信息特征不夠明顯。由此在信息處理中，應當對大量信息進行歸類整理，建立對信息的多種有效處理方式。互聯網街景安全保密信息處理平臺包括數據預處理、信息檢測、信息編輯、模糊處理、編輯一體化等模塊。在對街景信息進行前期處理的基礎上，制定有效的信息檢測方式，實現對街景信息的有效識別，準確測量解密信息場景點，運用的主要技術包括以下幾點。

1.1關聯拓撲

在對涉密類街景安全保密信息處理中，運用了關聯拓撲分析方式，對街景涉密信息建立安全保密信息成果庫，并與圖形信息分布有效結合，檢測并定位涉密場景，并與人工確認相結合，最終得出涉密要素與涉密位置。

在街景圖形信息分析中，由于觀察角度的因素，存在著一些難以辨識的涉密內容，為了保證信息中不存在遺漏，以此消除街景中一些不容易識別的涉密類安全保密信息。建立街景數據保密信息歷史庫，當前已經具有近300座城市建立了街景信息數據庫，該技術逐漸應用推廣。當前涉密信息檢出正確率已經超過98%，該技術運用中，要求核查街景信息總量與信息范圍，并為信息檢測設置合理的緩沖區閾值，以此提升預判結果準確度，正確處理提升檢出率與降低虛警率之間的關系，提升信息檢測的可靠性[1]。見圖1。

1.2圖像識別

圖像識別在信息安全管理中應用較為常見，收集了大量的圖片信息，通過迭代優化、機器訓練等，提取圖片中的人臉要素以及車牌信息等，對圖像信息要素進行定點識別。

通過對百萬數量級車牌信息以及人臉 樣本進行特征訓練與數據分析，當前已經形成了相對較為承受的圖像識別技術。當前已經具有達到高于90%的圖像信息自動化識別平均檢測正確率。

1.2.1人臉識別

人臉檢測中能夠對 十萬級非人臉 樣本以及萬級人臉樣本信息進行分析，對人臉大小、膚色以及分布等情況進行檢測，對人臉膚色信息的位置以及大小進行粗篩選，得出重點候選區域[2]。

制定兩級級聯分類器，得出街景全景狀態下的復雜分布情況以及復雜街景下的人臉分布情況。針對街景全景運用人工神經網絡作為分類器，針對復雜街景運用支持向量機分類器，并結合方向梯度直方圖局部特征對人臉信息進行分析，能夠達到高于85%的人臉檢測成功率。俯仰旋轉角度大過人臉、較小模糊人臉在檢測中容易漏掉[3]。見圖2。

工神經網絡的重要類型之一為卷積神經網絡CNN，圖像分析中能夠減少權值數量。提升了對網絡模型的分析效率。在多維圖像分析，例如人臉圖像分析方面運用優勢明顯，直接將圖像作為網絡輸入，有效改善了傳統算法中特征較為復雜需要進行數據重建過程。卷積神經網絡的運用對比例縮放、平移及其他形式變移方面能夠有效分析，是針對二維形狀而設計的一種分析方式，具有高度不變性的特征[4]。

1.2.2車牌識別

當前對車牌信息識別方式主要是結合灰度紋理認證進行車牌定位，并通過小波變換進行車牌定位，在車牌信息分析中，受到背景變化情況、圖片本身質量以及檢測目標角度等因素的影響，難以直接將其運用于街景圖像識別與分析之中，在圖像信息分析中，應當對此進行一定技術與處理與檢測。

車牌信息分析中，包括車輛紋理、車牌顏色以及大小等因素，要求規范化收集并處理數萬典型車牌樣本，并與非車牌信息進行對比，通過假設產生與假設驗證兩個方式進行分析。見圖3。

在假設產生步驟中，結合車牌顏色信息選定候選區域，對圖形信息進行紋理驗證，包括垂直投影、水平投影等，與其他信息聯合等，構成車牌信息重點候選區域。對車牌圖形信息進行分析，通過Radon變換提取車牌邊緣直線，并對車牌進行旋轉變換，對圖形信息進行進一步分析。在假設驗證階段，對車牌信息進行最終的驗證分析，主要通過對車牌特征及分類器進行信息判斷，能夠得出高于94%車牌檢測率[5]。本次研究中，卷積神經網絡訓練人臉模式的運用，克服了傳統顯示特征取樣中的局限性，提升了模式運用的泛化能力，在較為復雜街景圖像分析中也可運用。街景圖像具有較高的分辨率，圖像分析中可以適當降低卷積神經網絡隱含層層數，由此檢測出更多的非人臉圖像目標，結合過級聯HoG+SVM分類器的運用，將多余非人臉進行濾除。

1.3差異化處理

互聯網街景信息分析中，對涉密類安全保密信息運用差異化處理技術進行分析，由此判斷街景周邊地物的色彩信息、紋理等，通過技術處理進行圖像移植分析。該技術運用的重要前提條件為對周邊信息的判斷與選取。街景安全保密信息周邊地物可能并不具備單一性特征，若不進行差異化分析，而采用統一處理方式，在信息處理之后，圖像區域中的色彩、紋理等會與周邊地物等出現較大差異。容易出現較大處理痕跡，很容易被識別出來。

而差異化處理方式的運用，有效分析了圖像的占比以及涉密要素的大小等信息，通過綜合判斷，得出是否利用周邊信息等。如果需要利用周邊信息，則對周邊信息進行相應好處理，首先適當選取周邊信息，比對不同方位的連接要素，判斷相似性，綜合計算得出相似度，并進行加權計算，得出相似度評估值。對比相似度評估值與相似度閾值。若兩者數值超過了閾值，則對街景周邊涉密區域進行移植處理，如果沒有超過閾值，則按照程序標記信息，對街景圖形信息進行人工確認，并對此進行進一步判斷分析。該技術應用處理之后，能夠達到超過95%的信息保密處理合格率[6]。

二、結束語

人臉以及車牌自動化識別技術的運用能夠初步定位非涉密類安全信息場景點，對人臉及車牌在街景中的大小以及位置進行統計分析，以此過濾非人臉以及非車牌信息，在對街景圖像分析中具有較高的編輯效率。互聯網街景安全保密信息處理平臺的構建能夠對平臺安全信息進行有效分類與管理，當前我國已經形成了較為成熟的街景信息分析體系，平臺具有較高的準確率與有效率，應當加強對街景信息平臺的運用，從而更好的發揮街景信息在多個領域中的應用價值。

參? 考? 文? 獻

[1]邵鈺涵，殷雨婷，薛貞穎.基于街景大數據的北京、上海街景舒適度評價及比較[J].風景園林，2021，28（01）：53-59.

[2]劉曉天，孫冰，廖超，金佳莉，施招婉，范黎明，唐藝家，何繼紅，何衛忠，楊龍，孫倩，裴男才.基于街景圖像的城市街道綠視率計量方法比較分析[J].江西農業大學學報，2020，42（05）：1022-1031.

[3]邵鈺涵，薛貞穎，殷雨婷，馬東波.街道景觀視覺補償公平性研究：以上海市城市低等級街道為例[J].風景園林，2020，27（09）：109-115.

[4]李康淳.街景設計初探——以南京市興智科技城興智路街景設計為例[J].現代園藝， 2020，43（16）：73-74.

[5]董夢. 基于街景影像的城市意象空間分布特征研究[D].北京建筑大學，2020.

[6]牛牧. 首都功能核心區慢行系統設計優化策略研究[D].北京建筑大學，2020.