计算机视觉下读者行为识别研究初探——以新疆大学图书馆为例.pdf

中文科技期刊数据库（全文版）图书情报 238 计算机视觉下读者行为识别研究初探以新疆大学图书馆为例 木特力甫马木提 新疆大学图书馆，新疆 乌鲁木齐 830046 摘要：摘要：本文探讨计算机视觉技术在高校图书馆中读者各类行为识别的应用研究，通过研究和分析计算机视觉基本原理及其技术应用，结合高校图书馆的实际情况尤其是新疆大学图书馆的实际情况，深入探讨了计算机视觉在提高图书馆服务质量和馆员工作效率方面的潜力。本文研究采用了实证研究方法，通过收集和分析图书馆场景数据，研究了计算机视觉技术在读者行为识别中的应用，并提出了相应的策略和建议。关键词：关键词：计算机视觉；读者行为识别；特征提取 中图分类号：中图分类号：G251 1 概述 随着计算机视觉技术的不断发展，其在各个领域的应用越来越广泛。在高校图书馆领域，计算机视觉技术可以帮助图书馆实现对读者行为的识别和分析，从而提高图书馆服务质量和效率。本文以新疆大学图书馆为例，探讨了计算机视觉在读者行为识别中的应用。2 计算机视觉技术概述及原理 计算机视觉是人工智能(AI)的一个领域，是指让计算机和系统能够从图像、视频和其他视觉输入中获取有意义的信息，并根据该信息采取行动或提供建议。如果说人工智能赋予计算机思考的能力，那么计算机视觉就是赋予发现、观察和理解的能力。计算机视觉的工作原理与人类视觉类似，只不过人类起步更早。人类视觉系统的优势是终身可以在适当的环境下训练分辨物体、物体距离、物体动静与否以及图像是否存在问题等能力。计算机视觉训练机器来执行这些功能，但它们依靠摄像头、数据和算法在更短的时间内完成工作，而不像人类是依靠视网膜、视神经和视皮质。经过训练用于检验产品或监控生产资产的系统每分钟能够分析数千个产品或流程，并且会发现极其细微的缺陷或问题，因此计算机视觉的能力迅速超越人类。计算机视觉需要大量数据。它一遍又一遍地运行数据分析，直到能够辨别差异并最终识别图像为止。例如，要训练一台计算机识别汽车轮胎，需要为其输入大量的轮胎图像和轮胎相关数据，供其学习轮胎差异和识别轮胎，尤其是没有缺陷的轮胎。这个过程会用到两种关键技术：一种是机器学习，叫做深度学习，另一种是卷积神经网络(CNN)1。2.1 计算机视觉技术应用领域 计算机视觉技术能够模仿人类眼睛对物体进行分类、检测、跟踪、识别等功能，在不接触对象的情况搜集对象相关特征数据，通过数据分析提取有效信息。如今在图书馆工作中，计算机视觉技术可以实现图书馆自动化管理2还有图书馆门将人脸识别、RFID 自助借还图书、图书自动采访、图书自动分拣、姿态识别等。针对高校图书馆的读者行为识别，研究者们已经取得了一些进展。例如，一些研究通过采用深度学习算法，实现了高校图书馆中读者行为的自动识别。这些研究还通过大量的实验数据验证了自动识别的准确性和稳定性，并取得了较好的效果。另外，读者行为识别的研究还可以为高校图书馆的服务提供更多的便利和优化。例如，通过识别读者的面部特征和情绪状态，可以根据读者的需要推荐相关的书籍和资料；通过识别读者的活动区域和行为习惯，可以优化图书馆的布局和设施设置，提供更加贴近读者需求的服务。综上所述，计算机视觉技术在高校图书馆的读者行为识别方面具有广阔的应用前景。在未来，随着计算机视觉技术的不断发展和完善，相信将会有更多的研究成果应用于高校图书馆的读者行为识别中，为图书馆的服务提供更好的支持。当今高校图书馆是高校教学、科研和学术交流的重要场所。中文科技期刊数据库（全文版）图书情报 239 在图书馆中，读者的行为识别对于提高图书馆服务质量、保证图书馆安全、改进图书馆布局等方面都具有很大的价值。计算机视觉技术的发展为读者行为识别提供了新的思路和方法。2.2 读者行为识别的关键路径 对于读者不同的行为，识别目的有不同的识别方法以及与之对应的独立算法，但主体上，用于读者行为识别的计算机视觉系统通常由几条关键的路径，每条路径在分析过程中都有特定的用途。这些路径包括图像采集、预处理、特征提取、模式匹配和识别、三维重建等3。图像采集：计算机视觉技术首先需要图书馆内部或公共区域校内网通过连网摄像头、自动扫描仪等设备获取图像。这些图像通常以数字形式存储，采用像素矩阵来表示图像的亮度、颜色、位置等信息。图像预处理：获取的所有图像往往需要用一定的处理方法来进行初步的预处理，判定是否在所需范围内的图像然后进行消除噪声、污点等、提高图像清晰度、进行大小或尺寸调整。特征提取：关键步骤之一，计算机视觉技术需要从图像中提取关键信息，以便进行分析和识别。特征提取方法包括边缘检测、纹理分析等。这些特征有助于描述图像的局部或全局信息。模式匹配和识别：计算机视觉系统通常需要对提取的特征进行匹配和识别，以完成任务（如物体识别、场景理解等）。这一步骤可能涉及到机器学习算法，如支持向量机、神经网络、决策树等。三维重建：在某些应用场景下，计算机视觉系统还需要对二维图像进行三维重建。这通常需要多视图几何、深度估计等技术，以获取物体的三维结构信息。高级处理：计算机视觉技术还可能涉及一些高级处理，如图像分割、物体跟踪等。这些处理方法有助于实现更复杂的视觉任务，如视频监控、自动驾驶等。综上所述，计算机视觉技术的原理主要包括图像获取、预处理、特征提取、模式匹配和识别、三维重建以及高级处理等环节。在实际应用中，这些环节可能会根据具体任务和需求进行调整。3 高校图书馆读者行为识别的现状分析 在高校图书馆读者行为各式各样，不符合正常范围内的读者行为最突出的有一下几种：（1）占座现象：读者在图书馆内长时间占用座位，但实际上并未进行学习或阅读活动，导致其他有需要的读者无法找到座位。这种现象在高校图书馆最为突出。（2）噪音扰乱：读者在应保持安静的区域大声交谈、打电话或播放音乐，影响其他读者的学习和阅读环境。（3）不遵守图书馆规定：读者在图书馆内吃喝、抽烟、乱扔垃圾等，破坏图书馆环境。（4）擅自移动图书馆资源：读者私自将书籍、期刊、桌椅、公共区域美化设施等资源从阅览室带出或随意更改摆放位置，导致其他读者难以查找所需资料。（5）破坏图书馆设施：故意破坏图书馆的设施，如书架、座椅、电脑等，影响图书馆的正常运营。（6）擅自占用公共设备：长时间占用公共设备（如电脑、打印机等），不顾其他读者的需求。（7）篡改或损坏图书资料：故意篡改、撕扯、涂改图书馆的书籍、期刊等资源。（8）盗窃图书馆资源：未经许可擅自带走图书馆的书籍、期刊、电子设备等财产。（9）非法侵入或滞留：在图书馆非开放时间擅自进入图书馆或滞留至闭馆后。（10）骚扰其他读者或工作人员：对其他读者或图书馆工作人员进行言语或行为骚扰。以上所列举的是一些高校图书馆不符合正常范围内的读者行为。针对这些行为，图书馆应当采取相应措施，如加强规章制度的宣传、提高监管力度、对违规行为进行处理等，以维护图书馆的良好秩序和服务质量。3.1 计算机视觉技术在高校图书馆读者行为识别的应用 本文主要讨论擅自移动图书馆资源：读者私自将书籍、期刊、桌椅、公共区域美化设施等资源从阅览室带出或随意更改摆放位置，导致其他读者难以查找所需资料方面采用计算机视觉技术在一定时间范围内物体（桌椅、公共区域美化设施等）不在原先位置，如果没有馆员巡视就发现不了这些随意移动设施的情况，所以本文以实际情况出发提出计算机视觉技术在图书馆读者行为识别中的拓展应用方面进行探讨，从而帮助馆员提高工作效率和监管能力。防止长时间无中文科技期刊数据库（全文版）图书情报 240 人管理的现象。计算机视觉技术不一定与被观测对象接触，对观测与被观测者都不产生任何损伤，安全可靠，且无形、无感，能最大限度降低对图书馆读者的打扰。3.2 图像获取与预处理 首先建立原场景视频数据库，计算机视觉数据库的构建过程，同时涉及到视频信息的处理和同步。在数据的来源上，为了降低成本尽可能的使用学校统一部署的监控摄像机所记录视频比较好，最终单独获取在图书馆区域视频资料建立视频数据库。获取的图像往往需要进行预处理，以消除噪声、提高图像质量或进行尺寸调整。预处理方法包括滤波、归一化、灰度化等。3.2.1 检测和特征点标记：对视频数据库进行进一步的处理，得到所有镜头原有信息也就是说原场景信息，接下来的第一步首先对每个镜头内的视频特征标志，然后对抽样检测得到的帧进行正在拍摄视频对比判断。实施方案：（1）对原场景视频数据库和现场拍摄视频场景进行比较，判断是否异常，如有异常第一时间给馆员发送信息，某处设施或桌椅移动不在原位等信息。（2）对没有座位预约的自习室不定期扫描原场景视频检测，如有某处有物体比如：书籍、书包等不在人的场景则进行视频数据库比较，如检测物体长时间（时间设置为 20 分钟）在原地，则判断占座行为及时发送信息让馆员处理。如图 1 图 1 图书馆设施移动识别简图 3.2.2 读者行为特征提取 特征提取是读者行为识别过程中最重要的一环，提取的特征优异与否，将直接影响分类识别的结果4。特征提取是从预处理后的图像中识别出相关图像的模式或特征。特征即是特点，但对于计算机而言，其并没有人类那样情态上的识别图像突出特点的能力，所以要转化为计算机能理解的逻辑，就是可以通过计算机测量、计算或认知的信号、符号或数据。想要将人类的感受转化为代码去表达，就需要精准把握待提取特征的特点和合适的表达方式5。如果是对视频中运动物体的识别，背景减除法（Background subtraction）也是一种可用的算法。该算法通过比对视频中发生变化的像素，确定发生运动的物体的区域，进一步描绘运动物体的轮廓，从而确定物体的类别。该算法简单易行，受环境的影响大，光照与阴影变化对该算法影响尤甚。由于在自然环境下，背景本身就包含了高斯噪音，如果移动的物体引起的像素变化没能明显超过噪音，则该物体就难以被识别6，但在图书馆内部有些摄像图像不清晰有些清晰，图书馆设施（桌椅等）的移动会引起整个背景较大的变化，因此背景减除法在识别现场的移动物体上有着不错的效果。不管多么好的物体识别算法，都无法实现百分之百的正确。目前有两个常用的考察算法性能的指标，分别是准确率Precision）和召回率（Recall）。准确率是指识别出的结果中目标物体所占的比例，召回率是指目标物体中有多大比例被识别。两者之间是此盈彼亏的，为了保证高准确率，就要尽量保证每个识别结果都是目标物体，识别结果会偏谨慎，一些本应被识别的目标物体没有被识别，导致召回率下降。但在现场应用中，召回率应该是优先保证的目标7，高召回率保证了近乎所有的目标物体被成功识别，从而发现读者的不规范行为，进而帮助馆员提高工作效率和监管能力。4 计算机视觉在高校图书馆读者行为识别中的潜在价值 计算机视觉技术在高校图书馆读者行为识别中的应用，可以带来很多潜在的价值。提高服务质量：通过读者行为识别，可以了解读者的需求和兴趣，提供更加贴近读者需求的服务，从而提高服务质量。提高安全性：通过读者行为识别，可以及时发现和处理不规范行为，提高图书馆的安全性。提高空间利用效率：通过读者行为识别，可以了解读者对不同类型书籍的需求和使用频率，从而优化图书馆的布局，提高空间利用效率。提升效率：通过读者行为识别，可以了解读者的借阅习惯和图书馆各类设施的需求，从而合理规划图书馆的书架布局、桌椅布局、花盆摆放、休息区布局等提高图书馆设施的利用率，减少时间，提升图书馆的工作效率。促进科研创新：通过读者行为识别，可以发现读中文科技期刊数据库（全文版）图书情报 241 者对某一领域的兴趣，从而有针对性地推荐相关书籍和文献，促进科研创新。数据分析：通过读者行为识别，可以收集大量的图书馆使用数据，利用数据分析技术进行深入分析，了解读者行为模式和偏好，为智慧图书馆建设的服务提供全面的数据支持。5 计算机视觉在高校图书馆读者行为识别中的挑战与未来发展 虽然计算机视觉技术在高校图书馆读者行为识别中具有很大的应用潜力，但是也面临着一些挑战。隐私保护问题：人脸识别技术的应用涉及到读者的隐私问题，需要在技术应用过程中加强隐私保护措施。技术难度问题：姿态识别、行为识别等技术需要较高的计算机视觉技术支持，技术难度相对较大。模型训练问题：计算机视觉技术的应用需要大量的数据支持，而对于高校图书馆读者行为识别，由于数据量相对较小，导致模型训练困难。未来，计算机视觉技术在高校图书馆读者行为识别中的发展趋势包括：多模态数据融合：将人脸识别、姿态识别、行为识别等多种技术进行融合，实现读者行为的多维度识别。智能推荐系统：基于读者行为识别，建立智能推荐系统，为读者提供更加精准的服务。自适应技术应用：针对高校图书馆特定场景，结合读者行为识别技术，开发自适应技术应用加强隐私保护：加强技术应用过程中的隐私保护措施，保障读者个人信息安全。多样化应用场景：在高校图书馆读者行为识别基础上，开发更多的应用场景，如学生考勤、图书馆安防等。6 结论 高校图书馆是一个重要的学习和研究场所是未来的学习中心和科研数据中心，读者行为识别技术可以为图书馆提供更加精准的服务。计算机视觉技术作为读者行为识别的重要支撑，具有广阔的应用前景。通过对高校图书馆读者行为的识别，可以提高图书馆的服务效率、空间利用效率和资源利用效率，促进科研创新和文化交流。随着技术的不断发展和应用的深入，高校图书馆读者行为识别技术将进一步完善和优化，为读者提供更加优质的服务和学习环境。同时，在技术应用过程中也需要加强隐私保护措施，确保读者个人信息的安全。参考文献 1 什 么 是 计 算 机 视 觉 EB/OLhttps:/ Gist和 IPCA 算法的多文种离线手写签名识别J.计算机工程与科学.2022,44(11):2048-2055.5刘子豪,陈星澎,潘炳羽,李帅,谢文卿.计算机视觉技术在猪只行为识别中的应用J.智慧农业导刊.2023,3(15):35-40.6Park M W,Brilakis I.Continuous localization of construction workers via integration of detection and tracking J.Automation in Construction,2016:129-142.7Zhu Z,Ren X,Chen Z.Integrated detection and tracking of workforce and equipment from construction jobsite videos J.Automation in Construction,2017,81:161-171.作者简介：作者简介：木特力甫马木提，男，硕士，副研究馆员，研究方向为图书馆学、情报学、数字图书馆、信息处理。基金项目：2022 年新疆高等学校图书情报工作委员会科研项目（TGW-20221408）。