图像识别在不动产登记系统中的应用

廖远富 荣莉 侯均衡

摘要 随着大数据、数据挖掘、云计算等技术的快速发展和改进，不动产登记工作引入了许多的新型技术。图像识别作为一个先进的计算机多媒体信息处理技术，其可以利用特征学习、模式识别和机器学习等技术自动化的识别不动产登记系统中的图片，提取图片上的文字、图案等信息，将这些信息内容保存到数据库中，实现不动产登记的检索、查询、资料预审功能，提高了不动产登记系统的智能化、信息化和共享化，具有重要的作用和意义。

【关键词】图像识别 不动产登记系统 特征提取 数据挖掘

1 引言

随着特征提取、语义分析、模式识别、自然交互等技术的快速发展和改进，机器学习已经在多个领域得到广泛普及和使用，比如在文本检索、图像识别、视频追踪等方面，提高了数据处理速度，实现了人类社会的信息化、智能化和自动化。

不动产是人民群众的重要财产，随着我国房地产市场的发展和壮大，不动产登记成为国土部门的重要工作，为了提高工作效率和质量，国土部门已经建立了不动产登记系统，该系统能够实现信息采集、图片保存等功能，但是不动产登记过程中常见的信息载体多为图片，因此亟需引入先进的模式识别技术，在登记系统中引入人工智能图像识别技术，可以大大提高工作效率及实现图像识别和处理。

因此，本文基于笔者多年的工作实践，重塑一个新的不动产登记系统，申请人可以按照不动产登记要求通过互联网、微信、QQ等上传申请资料，这些资料多为照片或扫描图片，因此可以利用特征提取、语义分析、模式匹配等技术识别图像中的内容，将不动产登记需要的信息提取出来，进一步提高不动产登记的自动化、智能化。

2 不动产登记系统图像识别功能分析

不动产登记操作流程多，录入对象数量也非常多，传统的人工、半人工处理模式，窗口工作人员采用扫描仪、高拍仪进行图像采集，效率低下，质量也不高，不利于提高政府机关的服务水平。因此，为了提高不动产登记效率和水平，本文针对不动产登记系统进行原型化分析，利用先进人工智能技术，分析不动产登记系统图像识别功能，主要功能如下所述：

2.1 图像采集功能

不动产登记过程中，申请对象可以通过多个渠道传递文件内容，这些渠道包括网络、微信、QQ或Email等，加入人工智能后，申请人可以通过网络等渠道直接上传申请材料到平台中，将这些图像导入到系统。

2.2 图像预处理功能

不动产登记系统图像识别时，由于申请对象拍摄的照片光线不均匀，因此图像识别时产生的噪声数据非常多，需要利用二值法、阈值法等针对图像进行预处理，降低图像识别时的噪声数据，更加准确的获取图像内容。

2.3 图像识别功能

图像识别可以利用支持向量机、BP神经网络、遗传算法等机器学习技术进行特征提取，然后针对特征内容进行分类，将图像划分为背景内容、目标对象，然后针对图像进行加工，将这些内容与数据库中保存的模式进行比对，更好的识别申请对象提交的内容。

2.4 图像数据保存

图像识别处理完毕之后，可以将识别出来的内容分类保存到数据库中，然后将识别结果提交给系统，系统就通过人工智能完成预审，预审通过则可以在办理窗口提交纸质再来实现一窗式办结。

3 不动产登记系统图像识别功能设计

不动产登记系统图像识别功能采用自动化处理技术，从系统接受不动产登记图像，然后利用嵌入到系统中的识别功能分析图像内容。不动产登记系统图像识别可以采用云计算和面向服务架构技术，为用户提供一个并发的处理平台，为系统用户操作提供一组接口组件，这些组件具有较强的可移植性、并发性、接入性等，非常易于操作和部署，具有重要的功能。具体的，系统处理架构如图l所示。

4 不动产登记系统图像识别处理关键技术研究

不动产登记系统潜藏图像识别技术，这些技术也是当前人工智能的一个重要研究方向，可以有效的完成图像信息采集、特征检测、特征提取、模式匹配、语义分析等技术，获取不动产登记系统中图像内容，具有重要的作用和意义。具体的，不動产登记系统中的关键技术很多，主要包括特征检测、特征提取、模式匹配、语义分析等四个方面。

不动产登记系统图像识别可以使用摄像头、传感器采集外界的视频图像、文字语音信息，也可以直接接受网络上传数据，然后就可以利用特征检测技术对这些信息进行预处理，获取视频图像或语音文字中的目标对象，标定出这些目标信息的轮廓大小。比如在一副图像或一帧视频中，其包含的内容非常丰富，客观物体的特征也较多，比如直方图特征、模板各种、颜色特征、结构特征等，特征检测就是可以将有价值的信息挑出来，利用这些特征实现对象检测。目前图像识别能采用的图像检测方法非常多，比如神经网络、支持向量机、Adaboost等，这些算法是一种分类方法，能够将较弱的分类方法集成在一起，构建一个很强的分类方法。图像检测可以使用检测算法挑选一些目标对象矩形特征，按照加权投票方式为弱分类器构建一个强分类器，然后通过训练学习就可以将强分类器串联在一起，形成一个级联结构的层叠分类器，提高分类器的检测速度。特征提取是图像识别引入的另一个关键技术。由于视频图像、语音文本中包含的特征很多，经过检测之后，就可以将这些特征提取出来。特征提取是图像识别学习建模的过程，又被人们称为图像表征描述，特征提取方法经过分类可以划分为两个类别，分别是基于知识表征的方法，另一种是基于代数特征或统计学习表征方法。基于知识的表征方法可以根据目标对象轮廓形状以及距离度量特性获取特征数据，这个特征距离度量的种类包括曲率角度、欧氏距离等，目标对象轮廓特征很多，可以将这些局部特征一一分解，利用局部特征之间的几何结构，将常见的知识特征提取出来。基于代数特征和统计学习表征方法则是利用目标对象像素的密度进行统计，然后可以充分的利用统计学的严密规则实现特征分离和提取，目前基于代数的特征提取方法包括K均值、密度聚类、谱聚类、支持向量机。

特征提取完毕之后，图像识别就可以将这些特征与模式库中保存的信息进行匹配，匹配也是模式搜索、对比的过程。图像识别可以设置一个模式匹配操作闽值，比如可以利用相似度作为度量，然后设置一个阈值，闽值设置完毕之后就可以进行对比，如果相似度超过规定阈值，则判定模式匹配成功。目前，模式匹配最常用的算法为BM算法，这个算法是精确字符串匹配算法的改进，引入了模糊匹配的关键功能，能够从右向左进行数据比较，同时利用了启发式的比较规则，也即是坏字符规则和好后缀规则，来决定向右跳跃的距离。BM算法实现模式匹配速度快，并发性好，更加适用于当前的不动产登记系统，具有重要的作用。

模式匹配成功之后，图像识别能需要将机器语言转换为人们可以理解的自然语言，这样就可以使用语义分析技术，将识别的结果提供给人们，帮助人们进行决策，比如下达下一步操作指令等。语义分析过程中，系统需要审查识别出来的每一个字符，针对字符进行编译，编译可以按照系统规定的运算实现逻辑处理，翻译为自然语言，实现人机交互。

5 结束语

不动产登记智能化管理是当前电子政务发展的一个重要方向，可以极大的提高不动产登记速度，方便群众办事。随着不动产登记的增多，利用扫描仪、摄像头拍摄的照片日益增多，因此利用先进的机器学习技术构建一个图像识别功能，能够提取图像中潜藏的目标对象特征，利用模式匹配分析图像内容，进一步改进不动产登记效率，具有重要的作用和意义。

参考文献

[1]罗维薇，基于图像识别的火灾报警系统设计[J].自动化与仪器仪表，2016 （01）：177-178.

[2]钟阳，李外云，金豫，基于图像识别的智能文字阅读系统[J]，数字技术与应用，2016（01）：87-87.

[3]官洪运，许广洋，于融正，基于云端的视频图像识别系统的实现[J].微型机与应用，2016，35 （22）：51-53.

[4]刘洋，黄欣，基于图像识别的网上阅卷系统的设计[J].电子技术与软件工程，2016 （19）：90-91.

[5]严雷，杨晓刚，郭鸿飞等.结合图像识别的移动增强现实系统设计与应用[J].中国图象图形学报，2016，21（02）：184-191.