人工智能圖像識別技術賦能檔案管理的應用場景研究

■錢 爃

一、引言

人工智能（Artificial Intelligence 簡稱AI）是研究模擬、延伸和擴展人的智能的理論、方法、技術及應用的一門新的科學技術。該技術的研究范圍包括智能機器人、語言識別、圖像識別、自然語言處理等。隨著人工智能的理論和技術日趨完善，其應用領域也持續擴展。在檔案管理領域，檔案智能機器人研制已有成功案例，語言識別和自然語言處理也在歷史檔案資源數據化方向開展了應用研究，但與檔案管理密切相關的圖像識別亟待進一步開發其高價值的應用場景。

二、圖像識別與人工智能

圖像識別是在人眼感官的基礎上建立的一套自動識別系統，主要有圖像采集設備（攝像頭、掃描儀）、數據傳輸網絡、圖像處理終端（切分、重構、成像）組成。圖像識別過程首先由采集設備捕獲圖像，由傳輸網絡輸送至處理終端，終端的邏輯算法通過切分、重構以及成像的過程將原始圖像轉換為系統可識別的圖像，根據不同的識別需求獲得圖像的關鍵信息和可供系統識別的特征點，最后輸出識別結果。圖像識別是一個固化的，依據預設的邏輯算法進行機械式計算輸出的過程；通過這一技術能夠減輕部分以往依靠大腦和人眼處理的圖像識別工作。圖像識別需要人工不斷的調整識別過程和邏輯算法，以便提升識別的效率和準確率。

人工智能是在圖像識別的基礎上進行的升級和優化，基于圖像識別技術，額外配備智能化處理軟件和設備，達到在無人干預的狀態下，系統自動收集處理信息、分析數據、深度學習以及系統互聯的目標。與傳統圖像識別技術對比，人工智能圖像識別首先在圖像采集端預置智能分析算法，在捕獲圖像的同時對圖像進行預處理，提取有助于后續識別的關鍵信息完成一次解析，由數據傳輸網絡實時傳遞給圖像處理終端進一步生成結構化的數據進行二次解析，輸出識別結果。同時結合識別需求與實際識別結果的各種差異特征，自主學習分析識別過程和邏輯算法的缺陷，進行自主優化，逐步提升識別效率和準確率。

三、檔案管理應用場景

（一）檔案合規檢查

在文件歸檔時通常檔案人員會對電子文件進行合規性檢查，主要包括屬性檢查、文件檢查以及屬性與文件內容一致性檢查。檢查項主要有文件名稱、編號、分類、狀態、格式、內容是否完整、是否清晰等。傳統檢查方式主要依靠人工，存在檢查效率低、錯誤率高等問題。為了降低上述問題引起的檔案管理質量風險，引入人工智能圖像識別技術進行電子文檔的合規性檢查。首先需要設定識別技術指標和要求，例如識別完整性和效率指數、識別處理能力指標、自動記錄并形成識別報告等。其次需要確定被檢查的文件類型（如設計文件、管理文件、圖樣目錄、設計變更單等）；對每一種文件類型劃分檢查位置（如目錄區域、圖簽區域、內容區域、會簽欄、首頁、續頁、封面、扉頁、修改記錄頁、目錄頁、正文頁等）；對每一種文件類型的每一個檢查位置確定檢查項（如編碼、版本、狀態、標題、簽字、日期等）；同時對每一個檢查項確定檢查內容、基礎數據來源、檢查方法、常見錯誤案例、檢查方式、檢查時間點等，再結合以上文件類型、檢查位置、檢查項三個維度建立合規性檢查矩陣。最后通過人工智能圖像識別技術與檢查矩陣的結合，將文件中需要文檔規范性檢查的項進行智能識別，針對需要比對的內容提取對比基準值，識別結果與對比基準值分別從系統邏輯、單頁邏輯、全文邏輯三個維度進行分析比對，輸出待確認的問題項。在一次檢查完成后，由人工確認檢查結果，系統依據確認結果調整識別過程、檢查邏輯以及算法，完成深度自主學習，逐步提升檢查效率和正確率。

（二）影像檔案管理

在傳統的影像檔案管理中，通常通過檔案屬性查找需要的影像，如果影像歸檔時屬性不全或者描述不準確，就會大大降低影像檔案查詢的準確率。尤其對于重要人物的圖像查找，隨著時間的推移，人的外貌不可避免會發生變化，即便通過屬性查詢到相關影像，也很難立即判斷出多張影像中相似的人是不是同一個人。引入人工智能圖像識別技術可快速判斷出多張圖像中是否存在同一個人，現有的識別技術可支持年齡跨度在25 至30 年之間的容貌變化，可以有效避免人物相貌變化而出現的查詢錯誤。人物影像的智能識別主要分為圖像的采集與預處理、面部特征提取、識別和鑒別三個過程。采集與預處理需要一張人物的基準圖像作為輸入，由圖像采集設備對圖像進行捕獲之后使用面部檢測算法進行預處理，輸出面部五官的關鍵點坐標，坐標由二維平面坐標組成，即X 坐標和Y 坐標。面部特征提取是依據五官關鍵點坐標和人物基準圖像，開展面部特征的提取，使用人臉五官關鍵點坐標與系統預置的標準人臉五官關鍵點坐標相比較，計算特征值，將人物圖像轉變為一個固定長度數值串，這個固定長度的數值串被稱為面部特征，該特征展示了人物面部的特點。識別和鑒別是識別出人臉的年齡、表情、姿態等屬性值后鑒別與其他圖像中人物的一致性。開展識別時依據人物基準圖像、五官關鍵點坐標以及面部特征數值，通過縮放、旋轉等操作將人臉圖像調整到預定的大小和位置，通過識別算法進行分析，基于深度學習的人工智能圖像識別技術能夠通過一個算法同時得到人物的性別、年齡、姿態等完整的人臉特征屬性值?；趯ふ覍ο笸暾娜四樚卣鲗傩灾?，對所有影像檔案進行鑒別，尋找匹配人物的影像。依靠云計算、AI 大模型的強大算力，在數秒內可完成影像人臉的比對，依據兩個人臉的特征屬性值，評估兩張人臉的相似度，一般對特征屬性值相符性設定一個值，滿足設定值即可判斷為同一人物影像。采用該技術可以大幅度提高影像檔案的查找效率和準確度。

（三）庫房安防管理

在傳統檔案庫房的安防管理中，攝像頭是最基礎的監控防護設備，一旦發生安防事件，在傳統安防工作模式下，檔案管理人員主要采用查看監控視頻的方式，這種方式需要通過人工一秒一秒的查看篩查攝像頭捕獲的視頻畫面，整個篩查過程不僅工作量大，同時浪費了大量的時間和精力?；谌斯ぶ悄軋D像識別技術的檔案庫房自動化視頻監控系統的建立逐步改變了傳統的庫房安防模式，這一系統主要由前端和終端智能技術組成，以采集設備捕獲的視頻、圖像及結構化數據為基礎，實現以圖像搜索人員并進行相似性鑒別，幫助檔案管理人員快速準確地發現庫房安防問題。前端主要依靠具有AI 功能的攝像頭，比如人臉識別攝像頭，在捕獲視頻和圖像的同時，依靠攝像頭內置的智能算法，將捕獲的目標轉換為結構化的數據后傳到處理終端，可以減少終端分析處理的壓力和網絡帶寬的壓力。終端主要由具備智能分析功能的網絡錄像機、人臉識別和視頻結構化分析模塊組成。智能網絡錄像機是在集中存儲圖像的基礎上，通過集成深度學習算法對圖像內容進行信息提取和智能分析。人臉識別和視頻結構化模塊是基于圖像提取分析的結果，通過深度學習算法，對人臉特征進行快速提取和準確識別比對并輸出識別結果，這一系統能夠在快速捕獲視頻內容及相關信息的同時將其轉化為結構化數據，進行人像對比以及軌跡還原分析，能夠有效提升檔案庫房安防管理的效率。隨著檔案智能庫房的發展，智能需求日益增多，在這個過程中能夠將原有的檔案管理者從傳統的庫房管理中解放出來，讓智能技術和設備代替人工是大勢所趨。

四、檔案領域應用前景

在檔案管理領域，存在大量基于視頻、圖像工作的場景，人工智能圖像識別技術具有廣闊的應用前景。但相關技術和設備在滿足檔案領域管理需求方面還需有所優化提升。首先在圖像前端采集方面，進一步加快圖像捕獲設備的研發以及升級，基于目前主流的高清圖像、二維圖像的捕獲向三維圖像的捕獲構建轉變，在前端實現更多維度的數據采集；進一步結合生物仿生原理，對光學系統以及識別系統進行升級優化，具備智能調節功能，從而獲取更加清晰的圖像。在后端算法處理方面，算法是人工智能圖像識別技術應用的核心，但目前的算法的速率和精準度還未達到較高的水準，對圖像、人物的識別精準率較低，如何提升圖像識別算法和準確率是關鍵的核心任務。同時，圖像識別與人工智能是高度依賴網絡開展的，需要通過網絡連接硬件設備、軟件系統以及打通與關聯領域的互通，打造立體化、多維度的人工智能圖像識別應用體系，支持文件控制、檔案管理、庫房管理、人員管理等，真正實現內部業務的聯動，真正讓信息成為推動檔案事業發展的重要載體。