关键词：数字化背景；高校图书馆；教育服罩柿浚惶嵘；策略
高校图书馆对高校教师的教学与学生的学习有着重要的意义，是学生进行学习的重要知识载体。因此，高校十分重视图书馆教育服务质量的提升。但是，随着数字化信息技术的发展，传统的以纸质资源利用为主的高校图书馆已经无法满足高校学生和教职员用的知识需求。在这种情况下，高校十分重视图书馆的数字化和信息化发展，积极改进传统的教育服务方式。但是，由于高校在数字化背景下缺乏充足的教育服务经验，高校图书馆教育服务在文献信息、数字资源格式以及阅读方式等方面都存在着一些问题需要高校图书馆积极解决。研究高校图书馆在数字化背景下教育服务质量的提升不仅能够促进高校图书馆的信息化和数字化发展，而且能够满足教师和学生的阅读需求，为学生提供高质量的教育服务。
1.高校图书馆在数字化背景下的教育服务现状
1.1教育服务理念的转变
数字化载体改变了高校图书馆的载体，传统的纸质资源向虚拟数字资源转变，在这种情况下，高校图书馆教育服务理念也发生了一定的转变。传统的高校图书馆十分重视馆藏资源的收藏而忽视了馆藏资源的利用，而在数字化背景下高校图书馆采取馆藏资源收藏和利用并重的教育服务理念，充分发挥馆藏资源的知识载体作为，满足教职员工和学生的阅读需求。另外，在数字化背景下，高校图书馆积极更新管理理念，采用信息化的现代图书馆管理方式。
1.2馆藏资源多元化
在数字化背景下，高校图书资源逐渐丰富，出现了大量的数字化的虚拟馆藏资源。在这种情况下，高校图书馆积极重视数据资源和网络资源的建设，构建数字资源平台，建立纸质资源与数据资源并重的图书馆馆藏资源。并且，高校图书馆积极利用网络技术和网络中的数据资源丰富图书馆的馆藏资源，加快建设虚网络图书馆，以适应数字化的发展。
1.3服务模式实用性化
在数字化背景下，高校图书馆十分重视学生信息素养的培养，积极开展信息素质教育。而且在数字化背景下，高校图书馆承担着对学生开展信息素质教育的责任，以培养学生获取文献信息的能力和网络使用能力。例如，各高校积极开设文献检索课程，向学生讲授文献检索的技巧和方法，以提高学生的信息收集能力和学生的科研能力。
2.数字化背景下高校图书馆教育服务面临的问题
2.1纸质文献利用率降低
首先，在数字化背景下，大学生的信息搜集主要通过网络渠道进行，而且很多大学生都有自己的电脑，能够在宿舍或家里利用电脑搜集信息，大学生到图书馆进行信息搜集的次数大量减少；其次，在数字化背景下，人们主要运用图书馆中的数字资源，这是因为数字资源搜索、保存和携带都比较便利，而且，使用数字图书资源能够避免磨损或丢失图书，在这种情况下，图书馆纸质文献的利用率降低。
2.2文献信息开发不足
首先，高校图书馆对文献信息的开发较弱。虽然在数字化背景下，高校图书馆积极改变教育服务方式，开展了信息化的图书检索，节省了学生查找图书的资源。但是，在数字化背景下，高校图书馆缺乏对文献信息的开发，没有对文献信息进行深入挖掘，信息资源不够系统；其次，高校图书馆缺乏对读者行为的了解，没有全面了解读者的阅读需求、阅读习惯和阅读规律，也没有根据读者的读书需求购置相关的图书资源，导致高校图书馆的图书资源与读者的阅读需求不相符。
2.3数字资源格式单一
当前，大多数高校图书馆的数字资源多为文档格式，而高校教职员工和学生在学习的过程中需要图片、文档等不同格式的数字资源，在这种情况下，但以的数字资源无法满足学生的读书需求。另外，高校图书馆的数字化推送服务不够完善，学生在无法登陆学校图书馆平台的状况下无法进入学校的图书馆系统，严重影响图书馆教育服务的质量。
3.数字化背景下的高校图书馆教育服务质量的提升策略
3.1树立图书馆服务意识
首先，高校应积极树立泛在图书馆理念，突破时间和空间限制，尽量使各种智能终端都能够接入高校图书馆网络，提高图书馆的服务效率。为此，高校图书馆应积极促进基础设施泛在化发展，利用信息技术开展云服务，构建超大规模的云服务平台，促进图书馆信息化和数字化发展；其次，高校应积极促进服务内容的泛在化发展，摒弃传统的图书馆服务模式，构建结构化的图书馆数字馆藏资源，加强对数字化馆藏资源的推送服务，提高图书馆教育服务质量。
3.2积极开发文献资源
首先，高校图书馆应积极开展一站式检索方式，提高信息资源检索效率。为此，高校图书馆应积极运用信息技术加强对高校图书馆信息资源的分析和整理，对同一主题的文献资源进行整合，并且要整理每类信息资源的下载量和浏览量，根据收集的信息和信息分析效果建立科学的信息检索方式；其次，高校图书馆应加强数字资源的多元适配，充分考虑多元化的移动终端接入，增强高校图书馆的适配性，以方便读者随时随地地进行知识浏览；最后，高校图书馆应积极推行文献资源同步阅读，积极引进最新的图书资源，加强书籍作者的沟通与协商，同步更新电子图书馆。
3.3加快搭建移动开放平台
移动开放平台需要互联网信息技术为支撑，积极为学生提供导读和导学服务，创新图书馆教育服务模式。首先，高校图书馆应积极推行导学服务，加强对大学生的科研指导和阅读指导。为此，高校图书馆工作人员可以建设阅读与科研微信群，加强对学生的学习指导，鼓励学生进行科学研究，加强运用图书馆信息资源，提高图书馆信息资源的利用效率；其次，高校图书馆应积极为学生提供导读服务，引导学生阅读经典文学，提高学生的信息筛选能力。另外，高下图书馆工作人员应引导学生对文学经典进行讨论和思考，净化学生的心灵，增加学生的阅读收获；最后，高校图书馆应开展嵌入式推动服务，根据师生的阅读需求，积极调整图书馆的数据资源结构。并且，高校应根据读者阅读需求的差异性开发数字资源嵌入推送软件，开展个性化信息推动服务。
参考文献：
[1]云计算、大数据、数字图书馆与智慧图书馆关联研究――用大数据打造智慧图书馆的思考[J].李浩.四川图书馆学报.2014（06）
【关键词】数字图书馆；特色数据库；建设与实践
现阶段，为了有效地使用现代信息设备以及数字资源，提高高校的各种科研教学活动的整体质量，在数字化发展背景下，通过构建特色资源数据库的方式完善图书馆的自身功能。特色数据库的构建在实际的应用过程中有着极为重要的意义，可以有效地增强信息数据的使用率，为各种教研活动的开展提供有效的信息资源。特色数据库的建设是现阶段高校图书馆信息资源建设的重要内容，也是实现信息服务社会化的重要任务之一。
一、数字图书馆背景下特色数据库建设概述
第一，数字图书馆概念。所谓的数字图书馆（digitallibrary），就是指把传统模式下的纸质图书以及图片等信息资源通过网络技术使其数字化，通过现代计算机技术以及方法对现有的图书资源进行系统地整理、存储以及管理与维护，使用者可以利用网络平台在不同的地域与空间内进行信息资源的查询与浏览。
第二，特色数据库的主要概念。在图书馆建设过程中，特色数据库主要是指在图书馆背景下，依赖于自身的网络资源与信息状况，根据不同用户的实际需求，针对特定学科或者专题对于有利用价值的信息进行深入地探索，经过系统的组织处理，对信息进行处理加工、存储，按照特定的标准与规范将信息数字化建立成信息资源信息库。
第三，特色数据库发展背景。在信息技术的高速发展过程中，数字化信息资源是发展的主要趋势。高校图书馆作为为师生提供文献资料的重要服务机构，为了顺应发展趋势，就要充分利用各种现代化信息技术以及数字化资源进行特色数据的建设与发展。在这种背景下，越来越多的高校图书馆为了提高高校自身的科研以及教学服务，主要依靠自身的信息资源以及网络技术综合能力，建设各类特色资源库。特色资源数据库的构建是现阶段高校图书馆在数字化环境下进行信息资源建设的重要内容，也是一种文献信息资源建设与共享，全面实现信息资源服务社会化与网络化的重要途径。特色数据库是在数字图书馆背景下，充分利用各种馆藏文献以及网络资源建立而来的，特色数据充分的体现了图书馆的资源特色。
二、数字图书馆背景下特色数据库建设的实践意义
在特色数据的建设过程中，主要是通过对现有图书馆的文献信息资源的开发，依附于网络信息资源建立的，集科学性、实用性以及方便性为一体，这种特色数据库是高校学生获得信息的主要途径。同时在学校开展教研活动于教学任务中也要充分的利用特色数据库。也就是说，在数字图书馆背景下建设特色数据库有着较为重要的意义，主要表现在以下几点之中：
第一，开发与优化图书信息资源的作用。构建特色数据库可以提高现有信息资源的使用率，可以将现有文献资源进行系统的、全面的整理，通过具体的用途对其进行深层次的加工，把传统的文献资源转变为数字化的信息资源，再利用网络平台进行整合使用，这种资源使用方式，使得传统文献在信息环境下充分体现了自身的知识价值。
第二，拓展图书馆的服务空间，增强自身的服务质量。依附于图书馆背景建立的特色数据库可以为在校师生提供优质服务，同时也改变了图书馆的空间限制，可以通过网络途径为社会提供优质服务，增强特色数据库的自身价值。在特数据库建设过程中，形成了一个全新的服务模式，基于信息网络开展的各种服务，可以有效地为客户提供更加详细的服务，拓展图书馆的整体服务空间。在构建特色数据的同时，又提高了图书馆管理人员的信息处理、收集以及加工的能力，可以全面地满足信息的实际需求，使图书馆的服务水平得到质的飞跃。
第三，特色数据库的构建可以有效地实现图书馆信息资源共享。特色文献资源数据库的构建过程中，可以有效实现馆藏资源信息化、信息沟通网络化、信息实体虚拟化以及信息使用共享化，这样可以高效实现高校图书馆信息资源共享，数据交换的目的。因此，在未来的发展过程中，要大力倡导图书馆数据库发展建设，利用自身的资源与技术不断完善特色数据库的构建。
三、数字图书馆背景下特色数据库建设的新变化
在数字化技术以及网络技术的发展与普及过程中，信息的传播与存储也逐渐呈现着科学的发展趋势，随之而来的就是数据的爆炸性增长，也就是大数据时代的到来。数字化带动了高校图书馆特色库的建设与改革，在数字化背景下，如何掌握图书馆的建设发展，如何掌握特色数据库的建设发展，是未来发展的主要主要内容与趋势。
第一，基于数字化背景下的图书馆特色库建设会提供更加智能的信息服务。在数字化背景下图书馆特色库建设的重点与机遇就是提高自身的服务质量，充分深入了解使用者的实际需求，为其提供更加合理、更具针对性的智能化信息服务。对此，高校要全面了解用户的实际需求以及发展趋势，根据用户的需求动态，不断地完善自身的服务质量，通过数字化技术手段，对现阶段的图书馆特色库进行升级与更新，保障图书馆信息服务质量的针对性与实用性。在高校中，数字图书馆特色库的主要服务群体就是教师与学生，其服务内容主要涵盖了教学与科研两个方面，有着高度的专业集中性。在数字化背景下，特色库建设，要提高对信息技术改革的重视，通过对大数据的应用，利用各种存储技术、数据分析技术等全新的技术支持，不断地完善图书馆特色库的智能性，在根本上提高图书馆特色库自身的性能，为用户提供更为完善的、智能化服务，全面发展图书馆特色库的自身价值。例如，安徽大学图书馆在数字化发展背景下，在图书馆特色库的建设过程中，根据自身的教学重点以及学生的实际需求，不断完善特色库的智能化的服务，先后后引进和自建62个数据库，涵盖了中外各种信息资源的特色库，为教师与学生开展学习与教研活动更加智能化的服务。
第二，加速信息咨询服务模式，升级特色库，为使用者提供具有实效的服务信息。在数字化的背景下，通过网络资源可以有效地实现信息的收集与传递，这种信息数据急剧增长的状况，使得数据变得更加复杂。传统的知识信息咨询模式无法满足人们的实际需求，因此在图书馆特色库的建设过程中，要不断改变、更新信息的检索与传f方式，保障使用者可以在海量的信息数据中快速检索到自己所需的信息数据，也就是说，在数字图书馆特色数据的构建过程中，要根据用户的具体需求不断完善自身的技术知识，通过信息重组的方式满足用户的各种信息需求。在人们对教学以及科研知识需求日益精细化的今天，图书馆特色库的构建要与时俱进，要充分利用各种高科技技术手段，完善图书馆特色库的系统功能。例如，中国科学技术大学图书馆，在图书馆特色库的构建过程中始终秉持着“敢为天下先”的创新精神，数字化的发展背景之下，不断完善自身的信息咨询服务模式，通过特色库的升级，保障提供各种专业的特色库，在进行自身的馆藏数字资源建设过程中，取得了长足的进展。
四、结束语
在信息化发展过程中，高校的数字图书馆也在逐渐地完善，用户在使用过程中对于专业的特色数据信息资源的需求越来越迫切。基于数字化背景下的特色数据库的建设与开发可以为用户提供大量的专业信息服务，完善了信息时代数字图书馆的功能。因此在实践过程中，要在数字图书馆背景下，积极开展特色数据库的建设。本文主要对特色数据库的建设方法以及时间意义进行了探讨与分析，希望可以为今后特色数据库的建设提供一定的帮助。
【参考文献】
[1]王蓉.地方高校图书馆特色数据库建设实践与思考――以河东文化文献资源特色数据库为例[J].河南图书馆学刊，2011（02）：84-85+140.
(一)高职院校对企业文化背景下高职学生职业素质教育的重视不够
高职院校在企业文化背景下对高职学生职业素质教育的重视不够，很多高职学校的教师都认为高职院校的学生应该在就业之后学习相应的企业文化，在企业中培养自己的职业素质，在学校可以通过相应的素质教育类课程来弥补，所以上课的时候对企业文化一笔带过，甚至是不讲解。就业指导老师认为高职学校自身对学生素质教育培养还不够，主要是领导不重视，教育理念落后，方式不合适等。应该采取转变师生教育理念，让学生的职业素质逐渐形成。
(二)企业文化背景下高职院校培养目标和企业需求相脱节
高职院校培养目标和企业需求相脱节，高职院校大多数都采用前沿的科学体系来培养人才，主要以课堂教学为主，以书本为主，主要讲授理论知识。什么课外时间根本就不重视，有时候就是片面的带领学生到一个工厂或者一个企业去实习。时间很短暂，有的是一个星期，有的是一个月，在哪里还没有适应就返回校园学习了。学生根本不熟悉课本以外的实践操作，无法适应现行高职课程体系，不能适应社会多样变化。所讲授的知识落后，和最新的新建技术相脱轨，不能适应现在企业需要的技术应用型人才模式需求。
(三)企业文化背景下高职院校的素质教育模式不能适应社会和市场的需要
目前，高职院校学生的就业形势日益严峻，部分高职院校为了适应社会和市场的需求，为了更好的培养出符合社会和市场需要的现代职业人才，高职院校开始寻求自身的教育教学模式，改变自身的教学理念。高职院校开始要求学生必须具备过硬的基础技能和现在社会必须具备的职业人才，这是高职院校要求高职学生在进入社会工作必须具备的。这就要求高职院校在培养适应社会和市场需求的学生过程中，通过各种有效的途径，要求讲师在讲课过程中渗透现代优秀从业人才的相关内容。高职院校所培养的企业文化背景下的学生必须有较强的职业素质，培养出的高职人才必须拥有企业文化背景下良好职业素质，为了达到这个目的必须根据企业文化背景下的企业文化教育。
二、加强企业文化背景下高职院校学生职业素质教育的必要性
“根据高职院校学生自身的特点，为了培养学生适应社会的能力，教育学生树立终身学习的学习理念，让所有高职院校的学生学会团队协作和相互交流沟通的能力，提高高职学生的学习能力，提高学生的实践能力、就业能力、创造能力和创业能力。”以上是在《教育部关于全面提高高等职业教育教学质量的若干意见》(教高［2006］16号)文件中提出来的。从此文件中可以看出，高职院校对学生在企业文化背景下的职业素质教育必须渗透企业信息，高职院校的发展方向必须向企业延伸，必须培养高职院校的学生具有必要的企业知识和文化素养。企业是接纳高职学生最多的地方，所以，高职院校中的校园文化活动必须围绕其企业文化，高职院校的学生在进入用人单位后将逐渐显现出一定的优越性，是决定高职学生是否“能发展”的主要指标，这将是形成高职院校的学生进入企业生涯后的可持续发展的主要因素。企业文化背景下高职院校职业素质教育是高职教育特色化的需要。目前，高职院校的教育模式都是比较新颖的、有特色的。高职院校的教育模式也开始发展特色教育、重内涵教育。高职院校开始意识到发展特色教育才能保证高职院校教学特色的经久不衰。特色的校园文化必须要有其特色的校园管理、特色的学科专业、特色的课程、特色的服务等来支撑。高职院校要想在企业文化背景下拥有具有文化特色的校园文化就必须在教学中渗透优秀的企业文化知识，必须把企业优秀的价值观融入到高职院校的职业素质教育中来。
三、企业文化背景下高职学生职业素质研究在实践中的定位
为了适应现在企业转型对优秀人才的需要及要求，高职院校开始把以前的“应试教育”“学科式教育”人才培养的陈旧模式，从现实社会落实。在企业文化背景下，高职院校学生职业素质教育必须适应的现在教育新观念，把培养“现代式”人才职业素质教育理念作为新的教育理念，在不断转变的企业文化背景下高职学生职业素质研究在实践中进行科学的定位。
(一)以培养企业文化认同与依恋为目的，结合高职学生培养目标，做好“职业素质依恋—认同—信念”培养体系的构建
随着经济的全球化、信息化的不断发展企业对高职学生的职业素质要求也在不断的提高。整个社会对各行各业从业人员的企业文化认同度与依恋度也越来越高，企业文化背景下高职院校学生职业素质已经成为各行各业录用人才的首要标准。高职学生职业素质的高低，直接影响着整个企业的文明水平。在培养自身职业素质的同时，也要对自身的职业素质进行认同，从而达到对自身职业有信念、有目标的水平。所以说，高职院校必须做好以培养企业文化认同与依恋为目的，结合高职学生培养目标，做好“职业素质依恋—认同—信念”培养体系的构建。
(二)社会主义核心价值体系信念认同与职业价值认同机制的整合
职业价值是人生态度和人生目标在从业中的主要表象，是一个人对自己的职业方向的认识和态度以及他对职业选择过程中目标的追求和向往。职业价值是高职学生学习的动力源泉之一，是形成学生“人生价值”的出发点，它在最大限度上影响学生在企业文化背景下对自己工作的态度和择业方式。而社会主义核心价值是职业价值的多元体，它是多元集合中居于中心位置、起主要作用的因子。核心价值体系是一般职业价值的主要源头，是职业价值的“主动脉”，是对一般职业价值的总结与概括。什么样的职业价值理念在企业文化背景下都是最为重要和突出的。所以说我们要注重社会主义核心价值体系信念认同与职业价值认同机制的整合。
(三)专业人才培养目标与企业需求、职业规划衔接
高职院校中专业人才培养的目标是高职院校中持续发展的主要手段，是高职院校得以生存的体现。是区别于其他普通学校教育的内在特质和主要因素。专业人才的培养不仅满足于企业的需求，而且体现在高职学生在今后的工作中本质和价值的体现。高职院校专业人才培养的目标是高职院校构建新兴职业的主要体现，需要适应现在企业的需求和职业的规划，需要围绕适应地方经济社会发展对人才知识、素质、技能的要求。培养专业人才，一是适应企业的需求，适应现在职业的特殊要求。二是，合乎现在新型企业规划的需求，体现高职学生个体素质的养成。专业人才的培养目标不仅是实施企业文化背景下实施职业素质教育的源泉和归宿，也是适应现在企业的需求，它贯穿职业特定规划的全过程。所以，要注重专业人才培养目标与企业需求、职业规划衔接。
(四)高校人才培养体系与用人单位要求的一致性
高职院校对高职学生在企业文化背景下的职业素质教育，应加强对用人单位的调研与合作，应该更加深入的了解用人单位对高校人才职业素质和人才规格的要求，必须以用人单位对高校高职素质人才的需求为主要导向，根据培养适应社会的职业素质为主线;调整高职院校学生在企业文化背景下人才培养体系中职业素质课程的主要内容、结构和积极调整高校人才培养体系的目标。注重高职学生的创新精神、教育观念、实践能力和职业操守等教育观念;注重对知识的优化，重视对科学的先进理念掌握与运用，积极把用人单位对高职院校学生在企业文化背景下对职业素质培养的要求，整合到高职院校的教育理念中和高校人才培养体系之中去，以便培养出来的有用人才更好的服务于社会;让专业人才更好的具备适应现在用人单位的岗位的职业素质、良好的沟通交流能力、人力资源管理能力、专业知识熟练掌握能力、良好的做人处事能力、计算机应用能力、团队合作意识能力、随机应变能力和敢于承担风险的能力。所以，高校人才培养体系必须与单位要求一致。
(五)专业人才与企业文化相互性
随着经济的全球化，企业文化的改变将越来越受到更多人的关注。毋庸置疑，在企业文化背景下塑造优秀的专业人才。对企业的制度创新、管理创新和技术改进都有着越来越重要的意义。企业文化是在企业一段时间的管理和经营中，逐渐形成的，并且经过一系列的筛选和提炼形成的一套行为方式和优良作风。同时企业文化是企业的“灵魂立法”，是企业的无形资产。企业文化又贯穿于整个企业的管理过程，高职院校还没有企业文化科目专业。因此，在企业文化背景下培养一批高素质的专业人才队伍，已经成为满足日益发展的企业需要。
四、企业文化背景下高职学生职业素质研究与实践采取的措施
在《国家中长期教育改革和发展规划刚要(2010－2022年)》中指出:“全面贯彻党的教育方针是时代的要求，坚持以人为本、教育改革发展的战略主题是全面实施素质教育，怎样培养人的重大问题、解决好培养什么人是教育改革的核心”。由此可见，《规划纲要》中已经把在企业文化背景下培养高职院校学生职业素质教育，提升到国家优秀人才培养的全新的战略高度。所以，高职院校在企业文化背景下，根据社会和市场的需求，培养出受到良好企业文化氛围的熏陶和熟悉企业文化，让优秀人才在日常工作中自觉的接受企业管理制度和管理理念，养成爱岗敬业的好习惯、在企业和社会中生存、发展的能力、团队精神等。同时，在企业文化背景下构建一个职业素质教育的激励和培养机制，搭建职业素质养成与企业文化对接的基础平台，让高职院校的学生充分感受这些企业的精神和深厚的文化底蕴。建立职业素质测评的数学模型，让高职院校的学生树立责任感和使命感。建立现行职业素质与职业认同率的数学模型，为实现从高职院校学生到企业员工或者企业经营者的优秀角色定位相互转换打下良好的基础。
(一)构建一个职业素质教育的激励和培养机制高职院校的学生在企业文化背景下的职业素
质教育是区别于普通学校的教育内涵，是高职院校自身发展和生存的必经之路。这种职业素质教育的激励和培养机制，不仅体现在学生今后的职业能力、职业素质、职业情操、职业适应等方面，还体现在高职院校学生在企业文化背景下对自身工作职业行为的操守上。构建一个职业素质教育的激励和培养机制，不仅需要高职院校构建适应企业经济社会发展对高职学生知识技能、能力、素质的需要，还要在企业文化背景下构建新型的职业素质教育的数学体系。构建一个职业素质教育的激励和培养机制还要调整高职院校的教学计划、教学手段和方法、教学内容、管理方法等。总之，构建一个职业素质教育的激励和培养机制，首先是为了高职院校学生在企业文化背景下个体专业素质的养成。其次是为了满足日益增长的社会对高职院校学生现在职业的特定需要。构建一个职业素质教育的激励和培养机制，不但是为了激励高职院校学生在企业文化背景下个人经过自身的学习、自我的体验和自身实践形成的职业品质，而且是高职院校实现职业素质教育的出发点和归宿。总之，构建一个职业素质教育的激励和培养机制它贯穿于高职院校学生职业素质教育成长的全过程，是职业素质教育特定要求在学生个体心理的内化。
(二)建立职业素质测评的数学模型，建立现行职业素质与职业认同率的数学模型
首先是建立职业素质测评的数学模型，建立现行职业素质与职业认同率的数学模型小组。以班级为单位，以班级的辅导员为组长，组员以班级的班干部、班级辅导员和平时表现良好的团员组成。全面了解班级各个成员的情况，在学生中树立一定的威信，评价要公正公平。其次是把全部成员中学生自我评价的测评表，收到组长那里，组长和成员组织测评，根据每名学生的自我测评，组长和测评小组成员对本阶段每名学生的职业素质学习情况进行测评。测评的时候，要对比较容易的测评表进行打分，然后把不容易测评的分成四个标准即:优、良、中、差。再根据每名学生的自我评价和评审及对他们的了解，不记名的给每名成员打分进行测评。再次是建立制度保障评定表，建立制度保障是高职院校学生开放式接受职业基本素养教育的有效途径。在教育实施中，高职院校制订了各种有意义的开放式教育的相关具体规定，比如定期组织观看特定的影片与视频，定时观看新闻联播节目;如感动中国的十大人物，最美乡村教师等，让高职院校的学生在电视、网络、报纸、广播等传播载，把看到的、听到的、收集到有意义相关信息加以正面引导。让学生相互评价，让学生知道就业后将面临着愈演愈烈的竞争和压力，建立现行职业素质与职业认同率的数学模型，从而让学生根据本班学生是否自觉地遵纪守法、是否发奋学习、是否学会生存、是否学会求知、是否学会相处等来进行互相评价。最后，面向全体学生，了解评定体系，让全体学生在企业文化背景下的职业素质全面发展，扬长避短，发挥自身的特长和优势，把测评表发给每名学生，让他们自己评价。
五、结语
关键词：背景差分算法；连通域分析；运动检测
中图分类号：TP311文献标识码：A文章编号：1009-3044（2016）22-0207-03
随着计算机技术、通信技术、图像处理技术的不断发展，运动目标检测在智能交通流量检测、商用安防检测、模式识别等场合的作用越来越重。运动检测是运动图像分析、智能监控、可视人机交互中的重要处理步，通过运动检测可以得到图像中的运动信息，提取图像中的运动人物或目标，然后进行定位跟踪，在需要安全防范的应用场合下具有十分重要的意。
针对这个问题，本文设计了一种利用回归型背景差分算法进行实时运动检测与跟踪的系统。不同于对已存储视频的分析，系统直接对摄像头输出的当前帧进行分析处理，首先建立一个可靠的背景模型，然后载入摄像头的实时帧图像，对背景图像和当前帧进行初步处理后通过差分算法得到完整可靠的运动目标图像，最后用形态学滤波进行后处理，以消除噪声和背景扰动带来的影响，最后通过对连通域分析将当前视频中的运动目标检测出来并实时跟踪达到实时检测跟踪的目的，提高了实时性。
1系统概述
本系统模拟实际应用场合，系统硬件采用斯科技USB摄像头模组，型号XC2440，广角120度。系统软件采用在32位Windows10系统上运行的matlabR2011b。整体由固定位置的摄像头和基于matlab的图像处理程序组成，程序分为图像载入，背景模型建立，差分运算预处理，灰度处理，二值化分析，差分运算结果连通域分析，运动检测与跟踪，背景模型更新等过程，同时设计了一个交互方便的GUI，对数据监测和数据处理流程进行全方位的展示。界面设计如图1。设计了四个axes，左上角为preview，主要显示当前摄像机拍摄到的画面；右上角为Detection_minus，主要灰度处理、二值化和图像差分等操作后的图像实时显示；左下角为camera，主要用于显示读入的图片数据、拍摄照片后的图片数据；右下角为figure_centeroid，主要用于画出检测到的运动物体的质心相对于坐标轴的坐标位置。
2整体设计
2.1实时图像预处理
在MATLAB中采用videoinput命令读取USB摄像头数据保存到一个类中，将图像帧从YUV模式转为RGB颜色表显示。通过get函数将类中的图像数据读出，用image函数转存为图像。由于RGB是三维数据，不能直接进行差分运算，需要预先使用RGB2GRAY函数将RGB图像转为灰度图，彩色图像的像素色为RGB（R，G，B），灰度图像的像素色为RGB（r，r，r），R、G、B可由彩色图像的颜色分解获得。R、G、B的取值范围为0-255，所以灰度的级别只有256级。灰度化的处理方法主要采用加权平均值法：根据某个指标例如重要性给R、G、B赋予不同的权值，并使R、G、B等于它们的值的加权和。
即：R=G=B=（R*WR+G*WG+B*WB）/3（2-1）
其中，WR，WG，WB分别是R、G、B的权值。由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，研究表明，当WR=0.30，WG=0.59，WB=0.11时，可以得到由彩色图像转换过来的最合理的灰度图。转化为灰度图像后再使用im2bw函数将图像转化为二值化图像。
2.2回归型背景差分算法
根据建立的背景模型是否具有自适应更新的功能，可以将背景建模划分成非回归型和回归型两。非回归型是预先根据若干帧图像的数据恢复出背景，这类方法运算速度较，而且对于后续的处理较为简便，缺点是不能适应后续图像中背景的渐变。回归型则是根据每次输入的图像更新背景模型，这种方法能够适应背景的渐变，排除光照等因素对检测结果造成的影。
假设摄像机输出图像转为灰度图后为f（x，y，t），其中t表示帧数，将t=1时设置为初始的背景模型，即f（x，y，1）；任意时刻的图像为f（x，y，t），背景差分算法则是将图像模型进行（1）运.
其中D（x，y，t）为当前环境下的差分图，再对其进行二值化，即设定决策阈值Th，将大于此阈值的像素点设置为1，反之为0；如式（2）所示。
由此可以进行像素点量化统计，如式（3）所示
其中TH为二值化后图像总像素点的阈值量TH，当总像素和小于TH时即表示此时处于背景模型状态中，对ans进行连续计数，如式（4）所示，当ans大于一定程度时，即表示此时的图像长期不变可，此时可更新背景模型减小光照强度变化等对差分算法的影响，其中T为当前帧的像素图。
根据背景差分算法的，对图像处理的流程进行细致分析，具体流程图如图4所示。
2.3形态学滤波
差分检测之后，由于当前环境的光强的微弱变化和摄像机位置的微弱震动都会导致差分之后的图像的噪声出现，此时就需要对差分之后的图像镜像形态学。因此，为了去除一些噪声，使用开运算，在MATLAB函数库中，可直接用imopen进行开运算，先腐蚀后膨胀，可以去除隔离的噪点和小桥连接处等。设定形态学滤波元素为半径为2像素的。开运算之后，使用bwareaopen删除面积小于200的对象。
2.4实时运动物体检测
形态学滤波后，程序流程进行到了多运动目标连通区域的识别，多运动目标连通区域的质心和面积的提取，当判断为运动物体时，对最大面积的连通区域的质心在当前帧图像上进行矩形框标记。读取滤波后的图像数据，利用regionprops函数进行连通区域处理。Regionprops是用来度量图像区域属性的函数，常用来统计被标记的区域的面积分布，显示区域。利用max函数，取出最大面积的块的面积参数和质心参数，判断当前最大面积的块的面积参数是否达到被检测物体的阈值，记录其质心，利用MATLAB中的矩形函数在预览画出以质心为中心的矩形框，并利用MATLAB的plot函数坐标轴中画出此时被检测运动物体的坐标位置。完成实时运动物体的检测。
3实验结果及分析
将一个圆形物体从画面中以4cm/s，如图6所示，在差分结果框中显示了差分效果图，由连通域面积分析法可知当前画面包含运动物体，于是如图5中所示，在preview中将物体的运动轨迹检测并跟踪，达到了实时运动物体检测与跟踪的要求。运动检测查分效果图如6所示。
为检测系统的实时性，建立一个单摆模型帮助检测，在摄像头前放置一个自然下垂的圆形物体，让其自然下垂于摄像头前，通过控制单摆的起摆角度来控制运动物体的速度。观察不同角度下的检测与跟踪效果。本文对30度时的情况进行检测分析。
当角度为30度时，由于单摆的运动特性，即运动到最低点时速度最大，运动到最高点时速度最小，理论上左右两边的运动检测点将比中线的运动检测点多且密度较大。如图7和图8所示，由检测效果图可得，该系统对30度时的单摆检测效果良好，清晰的检测并跟踪了运动物体的运动状态和坐标。
4结论
本文针对目前广泛的视频运动物体检测，提出了一种实时运动物体检测与跟踪的方法，不同对视频的检测分析，该方法从摄像头初始帧中实时读取当前摄像头数据；利用回归型背景算法实时更新背景；通过差分运算的结果进行连通域分析进而完成运动物体的检测与跟踪；从数据源中增加了运动物体检测的实时性，达到了实时检测并跟踪的要求；同时设计了交互方便GUI界面，可对运动物体检测与跟踪的处理流程和其涉及的重要参数进行全方位展示，具有一定的适用价值。
参考文献：
[1]苑晶，刘钢墩.激光与单目视觉融合的移动机器人运动目标跟踪[J].控制理论与应用，2016（2）.
[2]於正强，潘S.一种结合帧差法和混合高斯的运动检测算法[J].计算机应用与软件，2015（4）.
[3]刘晓悦，孟研.运动目标检测与跟踪算法的研究[J].河北联合大学学报（自然科学版），2015（1）.
[4]陈钢，李鸿燕.基于运动检测的自适应降噪算法及的实现[J].上海工程技术大学学报，2015（6）.
[5]JiaYubo，XiaGuanghu，ZhangQian，etal.AnImprovedAprioriAlgo-rithmBasedonAssociationAnalysis[C]//Proceedingsof2012ThirdInternationalConferenceonNetworkingandDistributedComputing，2012：208-211.
[6]KONDAXAKISP，BALTZAKISH，TRAHANIASP.Learningmovingobjectsinamulti-targettrackingscenarioformobilerobotsthatuselaserrangemeasurements[C]//ProceedingsofIEEE/RSJInter-nationalConferenceonIntelligentRobotsandSystems.St.Louis，USA：IEEE，2009：1667C1672.
[7]张星明.视频图像捕获及运动检测技术的实现[J].计算机工程，2002（7）.
[8]ShiJianbo，Carlotomasi.Goodfeaturestotrack[C]//ProceedingsofIEEEConferenceonComputerVisionandPatternRecognition（CVPR94），USA，1994：593-600.
[9]甘玲，赵华翔.一种改进的Vibe算法结合多特征融合的阴影移除方法[J].微电子学与计算机，2015（7）.
[10]李毅，孙正兴.一种改进的帧差和背景减相结合的运动检测方法[J].中国图象图形学报，2009（8）.
随着互联网技术与便携式阅读设备的普及，人们的阅读习惯也随之发生了改变，逐渐趋向数字化、移动化阅读。多种媒介的融合进一步为数字图书馆的建设开辟了一条快速路，同时也为高校图书馆的数字移动阅读服务创造了一个新的信息环境，而用户对图书馆资源建设也提出了新要求。
1媒介融合背景下的数字图书馆及其移动阅读服务概述
1.1媒介融合概念及特点
所谓媒介融合，是指将原属于不同类型的媒介结合在一起，既包括传统的电视、报纸、期刊媒体，也包括基于互联网而产生的多媒体平台，其中数字互联网是媒介融合的核心平台。目前我国的媒介融合属于初级发展阶段，仅是物理意义上的融合，高层次的应用融合鲜少涉猎。实际上，媒介融合的特点更多体现在数字化、全能化、移动化三个方面[1]。首先，媒介融合要依赖互联网平台进行发展，其传输的信息往往是利用数字技术进行编码和转送，信息的数字化特性是数据、图片、声音相互传送的基础条件。其次，媒介融合的全能化是指大众文化、高雅文化、世俗文化都能被包容在内，表现全能性与多元化的特点。最后，媒介融合还促进了无线通信系统的发展，网络以其无处不在的特征占据了人们的日常生活，促使人们的信息获取途径向移动化转变。
1.2数字图书馆及相关概念
数字图书馆最早是由美国人Garrett于1992年探讨并提出的，同年，美国国家科学基金会以数字图书馆为关键词召开主题会议，此后数字图书馆概念被大众所知。所谓数字图书馆，是指以数字化信息进行存储，并且通过网络访问的一种有组织的信息馆藏与相关服务。数字图书馆对数字化馆藏的存储具有一致性与永久性等特点，由计算机技术、通信网络组成。
1.3移动阅读服务及相关概念
目前，数字图书馆移动阅读服务的概念存在争议，有学者将其解释为无线图书馆、移动图书馆，还有学者提出移动图书馆服务、图书馆移动信息服务系统的概念。笔者认为，数字图书馆移动阅读服务是一种以?底只?信息服务资源形态为核心、以信息服务为目的、依托移动终端等技术为平台的图书馆的服务活动，无论从哪个切入点对移动阅读服务进行研究，都离不开信息人、信息技术、信息资源和信息服务四大要素。
2媒介融合背景下高校图书馆的数字移动阅读服务系统组成要素（见图1）
2.1主导因素：信息人
信息人是指高校数字图书馆移动阅读的服务者，它是媒介融合背景下高校图书馆数字移动阅读服务系统的主导因素，涵盖了数字图书馆相关服务的所有参与者，即移动阅读的设计者、组织者、建设者、执行者和管理者，在广义范畴内也包含数字移动阅读的使用者。高校数字图书馆移动服务水平的优劣，在一定程度上取决于信息服务者的基本素养。具体而言，随着知识技术对数字图书馆的影响作用越来越大，从事移动阅读服务的人才也需要具有更高的专业水平。如：清华大学图书馆、北京大学图书馆、南京大学图书馆等的数据库就十分完善与先进，有能力为高校学子提供全面而优质的国内外资源信息，有利于促进媒介融合背景下高校图书馆的数字移动阅读服务。
2.2技术因素：信息技术
所谓信息技术，泛指在资源信息的收集、整理、加工、传递、存储和应用过程中所采用的技术和方法。从高校图书馆数字移动阅读服务系统层面看，信息技术可以分为信息基础技术、信息系统技术、信息应用技术和安全技术四个方面。信息基础技术又包括微电子技术与分子电子技术等；信息系统技术包括信息的获取、传输、处理技术；信息应用技术则主要指信息管理技术；安全技术，顾名思义为密码技术与防火墙技术等[3]。媒介融合背景下的高校图书馆的数字移动阅读服务模式构建要依赖先进的信息技术，目前大多数高校图书馆已进行相关技术的自主开发与创新，图书馆、数据库生产商等资源提供方将成为数字图书馆移动服务技术平台开发的主导者。
2.3资源因素：信息资源
高校数字图书馆移动服务中的资源因素，是指信息用户在相关服务接受过程中直接的利用对象，集中体现出媒介融合背景下高校数字图书馆移动信息服务的核心价值。高校图书馆的服务对象主要是在校学生，他们对图书馆的使用更多的是集中在知识层面，离开了信息资源，图书馆就失去了其存在的价值。因此，加强对数字图书馆的移动服务信息资源建设是各类建设的重中之重。目前，高校移动阅读服务的资源建设内容主要来自传统数字资源的移动化升级与具体移动信息资源内容建设两个维度。
2.4服务因素：信息服务
媒介融合背景下高校图书馆数字移动阅读服务，是指信息用户接触的数字图书馆移动服务的门面，是最贴近读者的一项因素，是数字移动阅读服务系统四大要素中最具操作性的一环，也是集中体现数字移动阅读服务模式成效高低的重要环节。与传统图书馆的信息服务相比，高校数字图书馆移动信息服务体现出服务对象社会化、服务内容数字化、服务方式移动化等特点。因此，开展高质量的信息服务不仅是信息用户的需求，更是数字图书馆移动服务系统发展的内在动力。截至2015年年底，美国已有54%的高校图书馆提供移动阅读服务，我国高校图书馆的移动阅读服务起步较晚，但近年来呈快速发展趋势[4]。
3媒介融合背景下高校图书馆的数字移动阅读服务模式构建需要解决的关键问题
3.1优化信息资源平台
一项针对天津大学的调查报告显示，大学生的资源需求除专业知识内容外，基本不受年级因素的影响，其整体趋同性较为明显。如：在信息资源的选择方面，大学生多集中在青春文学类、励志教育类、考试辅导类与生活服务类几方面，部分信息资源的选择率一度高于50%。除此之外，大学生对移动网络信息资源的需求表现在娱乐和生活两方面。互联网媒介下的信息选择具有较强的分散性，共性行为较少，更多的是个性化利用过程。因此，媒介融合背景下高校图书馆数字移动阅读服务模式在构建过程中要根据大学生的需求，优化信息资源建设，做到传统媒介与互联网媒介全面融合、共性资源与个性化服务共同建设[5]。
3.2准确服务需求定位
传统图书馆在升级移动服务的同时，应加强书目查询、信息导航等基本服务的建设，同时，根据媒介融合的特点与平台，充分利用移动媒体展开相关的特色化信息服务。如：视频资源服务、互联网自助借阅与查询服务、移动媒体个性化订阅服务、终端推送服务等。以最为普及的终端推送服务――短信息服务模式为例，其最大优势在于通过对缓存数据库与DL数据库的建设，用户只需拥有可收发短信的手机设备，即可享受图书馆提供的短信息移动阅读服务；而图书馆通过群发功能，在几分钟内就可以向几百个用户发送消息，大大节约了时间（见图2）。但这种服务缺乏灵活性，如果将移动服务与传统服务结合起来将会更有意义，高校图书馆应基于媒介融合的背景，突破束缚，准确定位服务需求。
3.3健全移动阅读机制
一般来说，图书馆数字移动阅读服务机制包括组织决策机制、资源构建机制及平台研发机制。组织决策机制是指宏观制定符合用户需求的战略规划；资源构建机制是指根据本校情况和师生要求，甄选信息资源，并进行收集、分析和归纳，最终向师生提供完整、有用的资源产品；平台研发机制是指采用先进的科学技术，结合师生阅读习惯，研发更加符合用户需求的资源阅读平台。在媒介融合的背景下，高校图书馆只有健全移动阅读机制，才能促使数字移动阅读服务模式不断进步。
4媒介融合背景下高校图书馆的数字移动阅读服务模式构建策略
4.1依托媒介融合背景，创新移动阅读方式
媒介融合背景使高校移动阅读方式发生了重大变化，传统的纸质文献开始向数字化方向转变，阅读方式不再仅限于?质阅读，碎片化阅读、掌上阅读、互联网阅读等新形式不断涌现。高校图书馆可依托媒介融合的背景，依据本校师生阅读情况开发适用于本馆的特色化客户端或APP软件，丰富自身的服务项目，创新多种移动阅读方式。
4.2整合馆藏资源，完善馆藏文献构成
高校图书馆拥有过硬的图书情报知识专业人员及丰富的馆藏资源，可以利用这种优势整合馆藏资源，完善馆藏文献构成。如：高校图书馆可以将不同学科的图书、期刊、数据库等重新归类加工，针对高校读者群不同的年龄及阅读习惯，提供不同学科专业的研究导航，开发具有本馆特色的移动阅读资源，方便读者的检索及阅读[7]。
4.3转变馆员服务理念，培养高质量的服务团队
媒介融合背景下的高校图书馆数字移动阅读服务模式的构建离不开馆员的努力。图书馆员要转变传统的服务理念，不仅要具备基本的馆员素质，还要提高数字化与网络化建设的水平。培养高质量的服务团队，是媒介融合背景下高校图书馆数字移动阅读服务的发展需求，也是推动未来高校图书馆数字化发展的强大动力。高校图书馆可以定期开展馆员培训讲座，充分调动馆员的工作积极性、主动性与创造性，提高馆员的技术与服务水平。
关键词：电力系统；视频监控；运动目标检测
1.引言
在电力系统中，智能视频监控用于对变电站设备、工作人员及周围环境的监控等，为变电站工作安全保障起到关键作用，特别是无人值守变电站的应用，确保其调控运行更为安全、可靠。
运动目标检测技术是智能化视频分析的基础，它的目的就是从动态图像序列中找到那些可能包含运动物体的感兴趣区域以供后续模块的进一步处理。常用的方法包括帧差法、背景差分法、光流法等。
帧差法是在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分并阈值化来提取图像中的运动区域。帧差法对动态环境适应性强，但一般情况下不能得到完整的运动目标，需要较多的后处理工作。背景差分法是利用当前图像帧与背景图像帧的差分来检测运动区域。背景差分法可以得到完整的运动目标，但对光线和其他外部的动态场景变化非常敏感，需要对背景作不断更新。光流法采用了运动目标随时间变化的光流特性来检测运动目标。光流法即使在摄像头运动时也能有效地检测运动目标，但计算复杂，不适用于实时性要求高的监控场合。
2.高斯混合背景建模算法
建立背景模型是背景减除法的重要步骤。采用高斯混合模型进行背景建模，这种模型能够根据样本值（像素点的颜色值）进入模型的不同频率，以及和模型中各个分布成功匹配的不同频率，来不断更新模型中所有高斯分布的参数，即对各个高斯分布的权重、均值和协方差等参数进行训练，使背景像素值分布收敛于一个或某几个高斯分布，实现背景像素值的聚类，从而实现对背景的建模。图像中每个像素点的混合高斯模型可以表示为：
的高斯分量的概率密度函数。
高斯混合背景建模算法根据当前像素值与模型中的K个高斯分布的匹配情况，对模型进行更新。如果像素值在某高斯分布均值的2.5倍方差范围之内，称之为成功匹配上该分布。如果当前像素值与K个高斯分布都不匹配，则用一个新的高斯分布取代权重值最小的那个分布，新的分布的均值即为当前的像素值，同时为它分配一个较大的初始协方差和一个较小的初始权重值。
3.运动目标跟踪技术
运动目标检测常用的是利用图像序列的帧内信息和帧间信息，从而提取动态信息，这里采用背景差帧法检测运动目标。它的基本思路是将背景建模后的图像与新输入的图像做比较，通过判断像素点的灰度值变化、直方图的统计信息变化等来分割动态目标。
不难看出背景差帧法简单易于实现，并且能提供比较完全的数据，适用于背景好提取或者比较简单的情况。当出现光照、遮挡、雨雪雾、树枝摇摆、水面波动、机器抖动等变化时，背景模型需要进行及时更新变化。
运动目标在视频帧序列中会呈现一定规律的变化，主要取决于目标的运动速度以及视频的帧率。通过连续多帧图像的运动目标检测结果，可以对运动目标在图像空间的运动速度进行估算，结合图像的采集帧率，可以预测出运动目标在下一帧图像中出现的大致范围，从而实现对运动目标的视觉跟踪。
4.图像序列的语义理解
所谓图像序列的语义理解，就是通过对监控场景中的目标物行为的分析理解，给出相应的事件与行为描述。在动态图像的语义理解中，如何对行为建立好的模型从而进行行为的识别并与语义相联系是其中最为关键的内容。目前已经存在的行为建模方法有：模版匹配方法、框架模型、状态空间模型、神经网络模型和语义化的推理模型等。
基于模版匹配的方法，首先把一个图像序列转化成为一个静态的形状模型，然后，通过与预先存储的行为原型的比较进行识别。它的优点在于计算复杂度低且简单易行，但是，它对噪声和运动的时间间隔内的变化比较敏感。框架模型在动态图像语义化理解中经常用来对运动进行建模，采用事例框架来对行为建模。这种方法比较适合对静态图像进行解释，对比较复杂的动态场景中发生的运动来建立该模型不太合适。状态空间方法把每一种静态姿势定义为一个状态，状态空间的交互关联用一定的概率来表示。任意运动序列都通过状态表示的不同姿势间的某种组合来实现。组合概率的最大值作为行为分类的标准。神经网络具有非线性映射的能力，可以采用神经网络来实现从几何化的描述到语义概念之间的映射。神经网络具有学习能力，使得它能够通过学习得到行为模型，但是神经网络无法合理利用已知的知识。语义化的推理网络是一种常用的知识表达结构，同时也是一种推理结构，被广泛地用于动态图像序列的语义理解。
5.运动目标的行为分析
在电网环境下，监控的目标主要是人。人的行为分析是指对人的运动模式进行分析和识别，并用自然语言等加以描述，包括行为的表述、检测和识别。对于人运动的视觉分析系统而言，一般可分为三个处理层次：
（1）运动检测与目标分类：从图像序列中把变化的运动区域从背景中提取出来，并将检测到的不同的运动区域分成不同的运动目标。运动检测与目标分类是视觉监控系统的底层处理部分，是各种后续处理的基础。
（2）定位与跟踪：定位是指确定图像序列中运动目标的图像位置，进而确定其空间位置和姿态；跟踪是指在图像序列中创建基于位置、速度、形状、纹理、色彩等有关特征的对应匹配的过程。
（3）行为分析与理解：在上述两步的基础上，进一步研究图像序列中各个运动目标的性质和它们之间的相互关系，对运动模式进行分析和识别，最终得出对图像内容含义的理解以及对客观场景的解释。
6.总结
智能视频监控中运动目标检测涉及到计算机视觉、图像处理和视频分析等方法，在电力系统中有着重要的应用意义和应用价值。目前，该方向的研究已有很多，但是在实践中运动目标多样性及其场景的复杂性使得目标检测变得较为困难，有很多问题有待解决。
参考文献
[1]侯宏录，李宁鸟，刘迪迪等.智能视频监控中运动目标检测的研究[J].计算机技术与发展，2012，22（2）：49-52.
[2]郭玲.智能视频监控中运动目标检测的算法研究[D].华南理工大学，2013.
[3]柯天兵，李永倩.电力系统视频监控中目标检测与跟踪算法研究[J].2014，30（1）：42-46.
[4]高凯亮，覃团发，王逸之等.一种基于帧差法与背景减法的运动目标检测新方法[J].电讯技术，2011，51（10）：86-91.
>>大数据背景下高校图书馆管理服务职能创新研究新技术环境下大数据在图书馆服务中的应用研究浅谈大数据背景下的图书馆服务大数据背景下图书馆数据挖掘的应用研究大数据背景下高校图书馆学科服务的创新发展研究大数据时代背景下高校图书馆的服务变革探析大数据背景下高校图书馆学科服务的实践探究大数据背景下高校图书馆电子信息资源建设与服务试论大数据背景下高校图书馆移动信息服务优化策略大数据下高校图书馆信息服务策略大数据在图书馆的应用研究基于大数据背景下的图书馆服务研究大数据背景下高校图书馆研究热点可视化分析①大数据环境下高校图书馆信息服务创新研究大数据环境下高校图书馆个性化信息服务研究高校图书馆大数据应用服务模式体系建设研究试论大数据环境下信息检索技术在数字图书馆中的应用我国大数据技术应用于图书馆的实践研究图书馆个性化服务中的大数据可视化分析与应用研究图书馆治理背景下我国图书馆服务产品的属性研究常见问题解答当前所在位置：l？miscdictId=7，2013-05-20.
[2]韩翠峰.大数据带给图书馆的影响与挑战[J].图书与情报，2012，（5）：37-40.
[3]付蔚，王海兰.Web20时代OPAC发展及书目创新服务的思考[J].图书情报工作，2007，（2）：117-120.
[4]余金香，李书宁.Web20时代OPAC发展研讨[J].图书馆杂志，2007，（8）：31-35.
[5]魏瑞斌，陈丹丹.基于引证网络的高被引文献实证分析――以知识服务为例[J].现代情报，2011，31（3）：117-121.
[6]钱文丽，李亮先.“211工程”高校图书馆OPAC系统比较评价研究[J].图书馆论坛，2010，（2）：75-77.
[7]黄田青，陈清文.WPopac：新一代的Opac[J].情报杂志，2007，（12）：112-113.
[8]马骅.国外主要联邦检索系统的兴起、现状及发展趋势[J].图书馆建设，2009，（3）：1-5.
[9]陈家翠.联邦检索机制及其存在的问题[J].图书情报工作，2006，（6）：87-89.
[10]秦鸿，钱国富，钟远薪.三种发现服务系统的比较研究[J].大学图书馆学报，2012，（5）：5-11.
[11]安伟，徐敏，李刚.网络规模发现服务的研究与实践[J].图书情报工作，2012，（9）：125-128.
[12]窦天芳，姜爱蓉.资源发现系统功能分析及应用前景[J].图书情报工作，2012，（7）：38-43.
关键词：运动检测；背景差分；混合高斯模型
中图分类号：TP391.41
在智能监控系统研究领域中，目标检测算法是其中的一个重要研究课题，是目标识别、行为理解等各种后续高级处理基础，也是智能监控技术自动化和实时应用的关键。如何从视频流中准确地提取出运动目标，是很多智能监控系统，如：安全监控，交通自动监控，人体检测与跟踪等的基础部分[1]。
运动目标检测的方法有很多种，其中在视频监测系统中被广泛应用的是背景差分法。背景差分法将新得到的每一帧图像和一个背景表示进行比较，从而确定出每帧图像中属于运动目标像素点的位置。背景差分的方法也很多，如Ahmed[2]提出的非参数法，Stauffer等人[3，4]提出的高斯混合模型法等等。本文提出了一种改进的多高斯混合模型的目标检测算法。它能够在视频序列存在运动目标的情况下，快速建立背景模型，还可以迅速适应背景的变化。
1改进的目标检测算法
在摄像机固定、视频中背景完全静止的情况下，背景图像中的每一个象素点，都可以用一个高斯分布来描述。然而，在绝大多数实际场景中，由于一些噪声的干扰，如树枝的摇摆、或是窗帘的晃动等，导致背景场景不是绝对静止的。这就使得背景图像上的某些象素点在不同时刻会表现出不同的颜色值。因此，用一个高斯模型来描述的背景跟实际背景会有偏差。本文中采用一种混合高斯分布来描述实际场景的背景模型。假设有K个高斯分布用来描述每个象素点Xt颜色，K的取值区间为3～5，则象素点Xt的概率函数可用公式（1）来表示：
（1）
在公式（1）中：μi，t∑i，t是第i个高斯分布在t时刻的均值及协方差矩阵，ωi，t是第i个高斯分布在t时刻的权值，令∑i，t=σ2iI。高斯概率密度函数η用公式（2）来表示：
（2）
当有新的一帧图像时，背景模型就需要进行更新。将高斯分布按照优先级由高到低进行排序，设一全局阈值T，将前B个高斯分布的权值求和，如果刚好大于该阈值，则将前B个分布认定为背景分布。全局阈值T决定了背景分布模型的数量，T越大，则背景分布模型个数就越多。
对t时刻任意的像素点Xt，将其与B个高斯分布进行匹配，定义：
（3）
如果Mi，t=1，则判断该像素点为背景点，并对第i个高斯模型参数进行更新，更新方程如下：
1）更新权重
ωi，t=（1-α）ωi，t-1+α（Mi，t）（4）
2）更新均值和方差
对于匹配不成功的高斯分布，不予更新均值和方差。对于匹配成功的第i个高斯分布如下：
μi，t=（1-ρ）μi，t-1+ρXt（5）
σ2t=（1-ρ）σ2t-1+ρ（Xt-μt）T（Xt-μt）（6）
其中，ρ=αη（Xt|μi，σi）（7）
其中，α为权值更新率，ρ为参数更新率。如果该像素点与多个高斯分布匹配，则选择优先级最高的高斯分布进行更新。如果在混合模型中没有高斯分布匹配Xt，则去除掉权值最低的高斯分布，并用一个新的高斯分布来代替，同时将该像素点认定为前景点。在Stauffer[2，3]描述的模型更新方法中，权值更新率α是一个固定数值。如果α过小，模型的建立时间会较长。如果α过大，模型对噪声的抑制作用就会降低。
为解决上述问题，本文提出了一种新的模型更新方法，仅使用最新的N帧图像更新背景模型。在建立背景模型的初始阶段，由于可用来建立模型的帧数小于N，因此为了快速建立背景模型，我们选取了时变的权值更新率α和参数更新率ρ，使初始阶段的α值和ρ值较高，增大了开始若干帧在建立背景模型中的权重。α和ρ定义如下：
（8）
随着视频中帧数的增加，当稳定像素点（即连续多帧都能与背景分布相匹配的像素点）的参数更新率ρ逐渐稳定之后，背景模型也趋于稳定。
当t0≥N时，基本建立起背景模型，令，利用最新的N帧数据更新背景模型。
另外，对于场景本身的变化，如场景中原本静止的物体发生了运动，本文采取了如下的更新方法：
对于每一个象素点Xt，统计它被连续检测为前景的次数F（Xt），即Mi，t=0的次数。如果F（Xt）大于阈值THF，则将该点的背景替代成当前的前景值。THF的取值不宜过小，否则将会把在场景内做短暂停留的对象更新到背景中，影响后续检测的准确性。
统计场景中被检测为前景点的象素个数，如果大部分的象素点被检测为前景（如大于80%），则放弃继续更新，并且重新开始学习新的模型，方法如前文所述。
2实验结果及分析
利用上述方法，我们对一段320×240视频序列进行实验，实验证明该算法在普通PC机上的处理速度达到了每秒约27帧，能够满足实时处理的要求，实验结果如下图所示：
（a）（b）（c）（d）
（e）（f）（g）（h）
（i）（j）（k）
图1改进背景模型算法与Stauffer算法的比较
上图是基于本文算法的实验结果，其中图（a）～（d）是原始视频的155、310、375、465帧。（e）～（h）是采用Stauffer等人的方法所得结果。初始的时候柜门是关闭的。可以看出，采用Stauffer等人的方法，当实验者把柜门推开后，背景模型便将柜门也认为是前景目标，直到465帧时，被推开的柜门仍然被误检测为前景。说明背景模型仍然不能完全更新。图（i）～（k）为本文提出的改进算法的检测结果的第155、310、375帧，可以看到，在375帧时，图（k）中移动后的柜门就已经被认定成了背景。这说明该算法能够增强背景模型适应场景变化的能力，加快了背景与前景转换的响应速度，增强了算法处理的实时性。
3结束语
本文提出了一种新的混合模型自适应更新算法，提高背景模型的初始化速度，使背景模型能更快地适应背景的变化。为进一步目标检测、标识和跟踪提供准确的目标区域信息。实验结果表明，该方法准确、快速，具有一定的实用价值。
参考文献：
[1]S-C.S.Cheung，CKamath.Robusttechniquesforbackgroundsubtractioninurbantrafficvideo[J].IS&T/SPIE’SSymposiumonElectronicImaging，2003.
[2]AhmedElgammal，RamaniDuraiswami，andDavidHarwood.“Backgroundandforegroundmodelingusingnonparametrickerneldensityestimationforvisualsurveillance.”[J].ProceedingsoftheIEEE，2002（07）：1151-1164.
[3]GrimsonWel，StaufferC.RomanoR.LeeL.“Usingadaptivetrackingtoclassifyandmonitoractivitiesinasite.”inProceeding[J].1998IEEEComputerSocietyConferenceonComputerVisionandPatternRecognitionIEEEComput.Soc，1998.
[4]CStauffer，WELGrimson.“LearningPatternsofActivityUsingReal-TimeTracking”[J].IEEETrans.PAMI，2000（22）：747-757.
作者简介：唐宜清（1980-），男，湖南永州人，讲师，硕士研究生，研究方向：计算机视觉、计算机网络、数字校园。
关键词：中低密度人群估算头部特征
中图分类号：TP302.1文献标识码：A文章编号：1007-9416（2013）05-0142-01
1引言
很多人对人群估算方法做了相应的研究，由于监控角度和研究目的不同，出现了很多复杂的方法。本文在此探讨一种在固定场景中低密度人群快速估算法。
2建立背景图像模型
在监控镜头角度固定的情况下，所对应监控场景也应是固定的。如果监控区域中没有运动目标出现，其视频序列可以被认为是静止的。为了有效检测运动目标，就必须建立一个有效的背景图像模型。在视频监控模式下，一般固定不动或变化差异小的场景为背景图像，行人等运动目标是主要检测对象。摄像头将背景图像和运动目标生成融合的图像文件或者视频文件。因此，我们需要建立相应模型提取出背景图像。
视频监控通过获取运动目标进行人的数目估算。背景图像一般不会随着运动目标一起运动，为了获取准确的人数目标，必须对背景图像进行有效处理。自适应背景建模算法可以有效地计算色度差，解决运动物体的阴影消除问题（韩鸿哲等，2003）；三维模型检测阴影法取得了较好的阴影检测效果，但其计算复杂、易受光照等外在因素影响，仅适合在一些特定监控场合；Cucchiara等提出检测阴影的经验公式；Salvador等[1]在RGB空间内定义特征不变量来判断阴影区域；Leone等则通过Gabor变换提取纹理特征来检测阴影；Chien等提出采取梯度滤波器去除图像中的阴影。
上述研究起到了消除背景色的作用，但让运动目标受到相应影响，失去了关键的色度信息[2]。本文研究方案是通过一定的算法将背景图像和前景画面分离，应用广义高斯等算法对背景图像进行降噪处理，突出图像中的运动目标轮廓形态，区分背景图像与运动目标，应用于快速估算人数，流程如图1。
3建立几何画面模型
摄像头监控视角主要包括水平、垂直和斜视角。水平和垂直视角适合些特定监控场景，实际应用中多以斜视角为主。斜视角存在很多优点，如观察视线和角度好、可视信息量大以及监控画面开阔。斜视角也存在一些不可避免的缺点，最重要的是几何变形大。因此，我们有必要对监控场景进行相应的几何纠正。一种基于区域划分的人群估计法在能发现异常情况为安全预警提供帮助，它适合于低密度人群统计（张燕，2011）。Damian研究了将场景的网络化特征提取法，对几何变形进行了相应的矫正，对于低密度的人群估计准确率较高。上述关于图像的几何纠正研究有良好的参考价值，对于鱼眼类宽场景摄像头摄取画面的纠正方法那就应该另当别论了。
结合上述观点，我们需要对监控场景建立简易模型。在模型中，考虑监控角度等因素将任意画面分为远、中、近三个视线场层次，同时按照一定的比例进行网格划分。如图2，在模型中，区域1和区域3中的网格区域面积与头像大小是成等比。
4建立头部特征模型
国内外对人数统计的研究包括纹理模型、行人边缘信息等思路。纹理建模法适合大型场合高密度人数统计，行人边缘信息统计法适用小范围区域的低密度人数统计。有人研究利用hough变换对人头检测实现计数是一个很好的思路，它选择分割获取候选头部区域后将其作为目标区域，借助候选头部区域的视差提取深度与透视特征，去除虚假头部区域以获取最终的头部检测结果（于海滨等，2009）。上述研究思路是在垂直视角下完成的，适用范围小，如图3，在实际中很难推广应用，存在监控视角小和人群密度统计不够等缺点，当背景与前景灰度相近时，提取出的前景边缘薄弱，采用Hough变换很难检测到头部位置。本文着力于探讨中低密度人群统计方法，因此需要对上述思路进行改进。
对头部检测是人数识别的关键，目的是搜索人体头部位置。头部检测方法主要分肤色特征法和轮廓特征法。我们建立的头部特征模型其实是对轮廓特征法做了进一步改进，将头部的特征按照正面、背面、侧面、斜面、长发、短发和光头等识别特征建立在模型数据库中。系统进行人数统计的时候自动与模型数据库的特征信息比对识别。斜视角的监控摄像头会产生近大远小的视频图像，因此在识别目标时需要采用小波变换方法以自动识别目标[3]。在处理过程中，采用数学形态法对人体头部轮廓的边缘进行变换处理以达到能正常识别的目的。
5结语
根据头部特征进行人群估算是具有研究潜力的新思路，具体建立特征模型库的方案本文不做论述。
参考文献
[1]SalvadorE，CavallaroA，EbrahimiT.Castshadowsegmentationusinginvariantcolorfeatures[J].ComputerVisionandImageUnderstanding，2004，95（2）：238-259.
关键词：核心能力；程序设计；混合教学模式；线上线下
程序设计类课程是大数据智能化产业建设的基石，是承担培养工程开发技术、物联网技术、大数据开发技术、人工智能技术等创新应用型人才的支柱之一。大数据智能化背景下计算机程序设计课程主要包括C/c++方向、Java方向和Python方向。目前高校开设的程序类课程，C/C++方向包括面向过程的C/c++程序设计（基于函数），面向对象的C/C++程序设计（基于对象）和智能应用开发。Java方向包括JavaSE程序设计、JavaWeb开发和JavaEE开发。Python方向包括Python程序设计和PythonWeb开发课程。程序设计课程覆盖了大数据智能化应用专业基础课、专业核心课和专业方向课,是专业能力培养的支柱。与时俱进的程序设计类课程混合教学模式研究，是当前高等教学研究的热点。
1程序设计课程教学模式存在的问题
程序设计课程计算机类专业都在开设，但课程教学模式缺乏针对性。程序设计课程培养目标与专业大数据智能背景结合不够，线上线下教学整合的深度和广度不够。程序设计课程教学没有同大数据智能化创新应用型人才培养目标体系结合起来，没有同当前智能化时代需求和技术场景结合起来，没有同大数据智能化人才的知识结构结合起来，没有同专业课程结合起来，没有建立起适合大数据智能化创新应用型人才培养的线上线下混合教学模式体系。目前线下的程序设计课程教学模式，教学效果还存在一些问题。①课堂预习缺乏目的性。②教学活动互动参与性不强。③习题资源不够，测试操作不方便。④作业提交不及时。⑤作业评阅不方便。⑥学情统计、课堂统计和成绩统计缺乏数据支持，无法自动进行。⑦学生自学拓展缺乏平台资源。因此，大数据智能背景下程序设计课程线上线下混合教学模式构建是当前程序设计课程教学改革急需解决的重要问题。
2程序设计类课程线上线下混合教学模式构建
大数据智能背景下，程序设计课程混合教学模式构建采用基于工程教育认证、新工科建设和课程群建设的思路进行研究与实践，坚持以成果为导向，以学生为中心，以持续改进为目标[1-2]。坚持以成果为导向，依据市场和专业发展需求，确定程序设计课程培养目标和课程培养的核心能力体系，构建课程知识体系和教学资源体系。坚持以学生为中心，强调以全体学生为中心制定课程群培养目标及配置教学资源，开展线上线下融合教学。持续改进，改革课程考评体系，建立多元测评系统，强调混合教学模式教学质量监控机制和持续改进机制，不断提升人才培养质量[1-3]。大数据智能化背景下程序设计类课程混合教学模式构建主要考虑以下问题。2.1构建程序设计课程培养核心能力的体系。程序设计课程教学模式构建，需应对市场需求的大数据创新应用型人才特征进行调查分析，结合工程教育认证和新工科建设发展需求，确定专业人才培养目标[4]。专业人才培养以“面向工程、项目驱动、能力培养、全面发展”为目标，依据培养目标确定毕业要求[5-6]。根据毕业要求对程序设计类课程培养的学生核心能力进行分类分层次打造。课程核心能力体系分为通识能力和专业能力。通识能力分为口头表达能力、沟通交流能力、团队协作能力和创新应用能力。专业能力分为识记理解能力、阅读修改程序能力、程序编写调试能力、程序逻辑思维能力、系统分析设计能力、系统开发能力、项目管理能力和自主创新学习能力。根据核心能力体系重构程序设计课程体系，明确课程具体培养目标和要求。大数据智能化背景下创新应用型人才培养计算机程序设计课程主要包括C方向、Java方向和Python方向。对语言方向的每一门课程知识体系进行研究与实践，明确与核心能力匹配的课程知识体系，与课程内容匹配的学生能力目标体系。2.2构建语言-课程-平台一体的程序设计课程体系，解决程序设计课程群建设系统性问题。根据大数据智能化背景下的应用型人才核心能力的培养要求，构建面向应用、面向工程、面向能力理念的语言-平台一体化课程体系[6-7]。大数据智能化背景下创新应用型人才培养程序设计语言选择主流的C语言、Java语言和Python语言。根据核心能力培养体系开设课程，一个语言方向统一开发平台，解决学生培养知识脱节，开发平台混乱的问题。开发平台的选择要符合市场主流，选择具有模块化开发、代码分层、功能分层的框架集成式开发环境，以便提高学生解决复杂问题的能力。C方向课程体系分为面向过程的C/C++程序设计，面向对象程序设计和智能应用开发，统一开发平台可选择DEVC++,MicrosoftVisualStudio和Qt。DEVC++是C/C++轻量级开发环境，侧重于算法，VisualStudio是Window集成式开发环境，侧重于项目开发，Qt是跨平台GUI开发环境。Java方向包括Java程序设计，JavaWeb开发和JavaEE企业级开发课程,统一开发平台可选择MyEclipse和IDEA。Python方向包括Python程序设计，PythonWeb和爬虫课程，统一开发平台可选择PyCharm。同时要解决语言方向课程知识的衔接问题，确定课程标准，明确教学目标。程序设计语言-方向-课程一体图如图1所示。2.3开发在线课程资源，解决线上线下融合教学问题以全体学生为中心，应是集中学和分层分散教学的统一。线下课堂集中教学，适合课程理论知识的讲解学习，线上教学适合课程实训指导和拓展。程序设计课程线上线下融合教学过程分为资源开发、课前准备、课堂教学、课程实验、课程设计和课程总结五个过程。整个教学过程，以学生为中心，采用“参与式、启发式、研讨式”教学方法，利用平台提供的签到、章节学习、讨论、选人、分组、抢答、作业、测试、互评、群聊、通知等教学手段，实施线上线下、课内课外融合的教学模式，充分发挥教师主导作用和学生主体作用，引导学生参与互动、自主学习、创新学习，调动学生学习积极性和主动性，逐步培养学生的专业通识能力、识记理解能力、阅读修改能力、程序设计能力、修改调试能力、项目开发能力和工程实践能力[1，6，7]。程序设计课程线上线下混合教学模式如图2所示。2.4构建程序设计阶梯能力训练平台，解决能力培养平台单一问题。构建程序开发能力训练平台是一项系统工程，涉及到思维、体制和管理问题。依据学生程序设计能力培养层次，构建与能力培养匹配的阶梯能力训练模型，解决能力培养平台单一问题是程序设计能力培养的重要保障。根据学生程序能力培养层次建立课程章节训练、课程设计项目训练、方向课程综合训练、程序算法竞赛、创新创业项目训练和开发竞赛训练的阶梯式训练平台。每个阶梯训练平台要有具体的目标、训练内容、场地保障和组织管理。课程章节训练主要在课堂，解决章节模块知识的应用问题。课程设计项目综合训练旨在通过项目形式进行课程知识的综合训练，解决课程知识的综合应用问题。语言方向课程综合训练通过理论和项目形式解决同一门语言前后课程衔接和知识综合应用问题。程序算法竞赛利用一种语言工具进行算法专题训练，比如查找排序、贪心和动态规划算法等。创新创业项目训练通过创新创业项目与程序设计课程结合，提高项目分析设计和开发能力问题。学科竞赛通过对创新创业项目培养，按照竞赛文件要求，完善系统功能和文档，提高项目开发能力。通过程序设计阶梯能力训练以培养学生程序设计核心能力，提高学生就业质量。例如C语言方向程序设计课程能力阶梯训练模型如图3所示。2.5考核方式改革，解决学生能力考核科学系统性问题。大数据智能化创新应用型人才程序设计课程考核，理论知识和实践能力考核要注重全面性、科学性，突出课程培养的核心能力考核。课程考核应建立标准化考核、过程化考核和能力考核的多元测评系统[1,7]。标准化考核利用在线平台，建立标准的试题库和试卷进行课程章节、期中和期末考核。过程化考核充分利用平台对学生学习全过程活动进行记录、跟踪和统计分析。能力考核从学科竞赛、创新创业项目和科技创新方面来进行，注重学生程序设计开发能力，创新思维能力及团队合作能力的考核。同时改革考核线下操作模式，利用平台对学习过程进行大数据分析，利用在线平台进行半自动或全自动的考核方式，提高学生学习效率和教师工作效率。改革老师单一的评阅方式，建立学生互评、小组互评和教师评阅的方式，合理地分配成绩权值，建立重能力考核的观点及理念。能力考核多从单元知识应用、课程设计、学科竞赛、创新创业项目和科技创新方面来进行，注重学生程序设计开发能力，创新思维能力和团队合作能力的考核。
3结束语
本文对大数据智能化背景下程序设计课程线上线下混合教学模式构建问题进行了研究。大数据智能化背景下程序设计课程线上线下混合教学模式，应结合专业背景优势和课程本身教学需求，从教学思维、教学目标、教学内容、教学保障和组织管理方面建立起适合专业发展需求的程序设计课程完整教学体系，以提高学生学习效率和老师教学质量，提升学生程序设计开发能力，培养大数据智能化创新应用型人才。
参考文献:
[1]李昱,郭晓燕,梁艳春.应用型本科计算机专业程序设计类课程教学模式改革与实践[J].计算机教育,2022.311(11):111
[2]高晓娟,牟莉,张旭风.程序设计类课程混合教学模式研究[J].商洛学院学报,2022.34(2):60
[3]杨卫明.创新应用型信息类专业实践能力培养模式研究[J].教学现代化,2019.6(88):21
[4]王晓芳,刘鹍,赵燕.工程教育认证背景下程序设计类课程改革探索-以济南大学为例[J].合肥工业大学学报(社会科学版),2019.33(4):134
[5]乔加新,梁后军,魏苏林.构建全方位分层次程序设计类课程创新教学体系-基于新工科理念下的计算机专业[J].黑龙江工业学院学报,2019.9:20
[6]吕娜,张琎,张芊茜,史桂娴.混合教学模式在程序设计类课程中的应用[J].计算机教育,2019.5:115
关键词：媒介融合；高校图书馆；数字移动阅读；模式构建
中图分类号：G258.6文献标识码：A文章编号：1003-1588（2017）02-0033-03
随着互联网技术与便携式阅读设备的普及，人们的阅读习惯也随之发生了改变，逐渐趋向数字化、移动化阅读。多种媒介的融合进一步为数字图书馆的建设开辟了一条快速路，同时也为高校图书馆的数字移动阅读服务创造了一个新的信息环境，而用户对图书馆资源建设也提出了新要求。
1媒介融合背景下的数字图书馆及其移动阅读服务概述
1.1媒介融合概念及特点
所谓媒介融合，是指将原属于不同类型的媒介结合在一起，既包括传统的电视、报纸、期刊媒体，也包括基于互联网而产生的多媒体平台，其中数字互联网是媒介融合的核心平台。目前我国的媒介融合属于初级发展阶段，仅是物理意义上的融合，高层次的应用融合鲜少涉猎。实际上，媒介融合的特点更多体现在数字化、全能化、移动化三个方面[1]。首先，媒介融合要依赖互联网平台进行发展，其传输的信息往往是利用数字技术进行编码和转送，信息的数字化特性是数据、图片、声音相互传送的基础条件。其次，媒介融合的全能化是指大众文化、高雅文化、世俗文化都能被包容在内，表现全能性与多元化的特点。最后，媒介融合还促进了无线通信系统的发展，网络以其无处不在的特征占据了人们的日常生活，促使人们的信息获取途径向移动化转变。
1.2数字图书馆及相关概念
数字图书馆最早是由美国人Garrett于1992年探讨并提出的，同年，美国国家科学基金会以数字图书馆为关键词召开主题会议，此后数字图书馆概念被大众所知。所谓数字图书馆，是指以数字化信息进行存储，并且通过网络访问的一种有组织的信息馆藏与相关服务。数字图书馆对数字化馆藏的存储具有一致性与永久性等特点，由计算机技术、通信网络组成。
1.3移动阅读服务及相关概念
目前，数字图书馆移动阅读服务的概念存在争议，有学者将其解释为无线图书馆、移动图书馆，还有学者提出移动图书馆服务、图书馆移动信息服务系统的概念。笔者认为，数字图书馆移动阅读服务是一种以底只信息服务资源形态为核心、以信息服务为目的、依托移动终端等技术为平台的图书馆的服务活动，无论从哪个切入点对移动阅读服务进行研究，都离不开信息人、信息技术、信息资源和信息服务四大要素。
2媒介融合背景下高校图书馆的数字移动阅读服务系统组成要素（见图1）
2.1主导因素：信息人
信息人是指高校数字图书馆移动阅读的服务者，它是媒介融合背景下高校图书馆数字移动阅读服务系统的主导因素，涵盖了数字图书馆相关服务的所有参与者，即移动阅读的设计者、组织者、建设者、执行者和管理者，在广义范畴内也包含数字移动阅读的使用者。高校数字图书馆移动服务水平的优劣，在一定程度上取决于信息服务者的基本素养。具体而言，随着知识技术对数字图书馆的影响作用越来越大，从事移动阅读服务的人才也需要具有更高的专业水平。如：清华大学图书馆、北京大学图书馆、南京大学图书馆等的数据库就十分完善与先进，有能力为高校学子提供全面而优质的国内外资源信息，有利于促进媒介融合背景下高校图书馆的数字移动阅读服务。
2.2技术因素：信息技术
所谓信息技术，泛指在资源信息的收集、整理、加工、传递、存储和应用过程中所采用的技术和方法。从高校图书馆数字移动阅读服务系统层面看，信息技术可以分为信息基础技术、信息系统技术、信息应用技术和安全技术四个方面。信息基础技术又包括微电子技术与分子电子技术等；信息系统技术包括信息的获取、传输、处理技术；信息应用技术则主要指信息管理技术；安全技术，顾名思义为密码技术与防火墙技术等[3]。媒介融合背景下的高校图书馆的数字移动阅读服务模式构建要依赖先进的信息技术，目前大多数高校图书馆已进行相关技术的自主开发与创新，图书馆、数据库生产商等资源提供方将成为数字图书馆移动服务技术平台开发的主导者。
2.3资源因素：信息资源
高校数字图书馆移动服务中的资源因素，是指信息用户在相关服务接受过程中直接的利用对象，集中体现出媒介融合背景下高校数字图书馆移动信息服务的核心价值。高校图书馆的服务对象主要是在校学生，他们对图书馆的使用更多的是集中在知识层面，离开了信息资源，图书馆就失去了其存在的价值。因此，加强对数字图书馆的移动服务信息资源建设是各类建设的重中之重。目前，高校移动阅读服务的资源建设内容主要来自传统数字资源的移动化升级与具体移动信息资源内容建设两个维度。
2.4服务因素：信息服务
媒介融合背景下高校图书馆数字移动阅读服务，是指信息用户接触的数字图书馆移动服务的门面，是最贴近读者的一项因素，是数字移动阅读服务系统四大要素中最具操作性的一环，也是集中体现数字移动阅读服务模式成效高低的重要环节。与传统图书馆的信息服务相比，高校数字图书馆移动信息服务体现出服务对象社会化、服务内容数字化、服务方式移动化等特点。因此，开展高质量的信息服务不仅是信息用户的需求，更是数字图书馆移动服务系统发展的内在动力。截至2015年年底，美国已有54%的高校图书馆提供移动阅读服务，我国高校图书馆的移动阅读服务起步较晚，但近年来呈快速发展趋势[4]。
3媒介融合背景下高校图书馆的数字移动阅读服务模式构建需要解决的关键问题
3.1优化信息资源平台
一项针对天津大学的调查报告显示，大学生的资源需求除专业知识内容外，基本不受年级因素的影响，其整体趋同性较为明显。如：在信息资源的选择方面，大学生多集中在青春文学类、励志教育类、考试辅导类与生活服务类几方面，部分信息资源的选择率一度高于50%。除此之外，大学生对移动网络信息资源的需求表现在娱乐和生活两方面。互联网媒介下的信息选择具有较强的分散性，共较少，更多的是个性化利用过程。因此，媒介融合背景下高校图书馆数字移动阅读服务模式在构建过程中要根据大学生的需求，优化信息资源建设，做到传统媒介与互联网媒介全面融合、共性资源与个性化服务共同建设[5]。
3.2准确服务需求定位
传统图书馆在升级移动服务的同时，应加强书目查询、信息导航等基本服务的建设，同时，根据媒介融合的特点与平台，充分利用移动媒体展开相关的特色化信息服务。如：视频资源服务、互联网自助借阅与查询服务、移动媒体个性化订阅服务、终端推送服务等。以最为普及的终端推送服务――短信息服务模式为例，其最大优势在于通过对缓存数据库与DL数据库的建设，用户只需拥有可收发短信的手机设备，即可享受图书馆提供的短信息移动阅读服务；而图书馆通过群发功能，在几分钟内就可以向几百个用户发送消息，大大节约了时间（见图2）。但这种服务缺乏灵活性，如果将移动服务与传统服务结合起来将会更有意义，高校图书馆应基于媒介融合的背景，突破束缚，准确定位服务需求。
3.3健全移动阅读机制
一般来说，图书馆数字移动阅读服务机制包括组织决策机制、资源构建机制及平台研发机制。组织决策机制是指宏观制定符合用户需求的战略规划；资源构建机制是指根据本校情况和师生要求，甄选信息资源，并进行收集、分析和归纳，最终向师生提供完整、有用的资源产品；平台研发机制是指采用先进的科学技术，结合师生阅读习惯，研发更加符合用户需求的资源阅读平台。在媒介融合的背景下，高校图书馆只有健全移动阅读机制，才能促使数字移动阅读服务模式不断进步。
4媒介融合背景下高校图书馆的数字移动阅读服务模式构建策略
4.1依托媒介融合背景，创新移动阅读方式
媒介融合背景使高校移动阅读方式发生了重大变化，传统的纸质文献开始向数字化方向转变，阅读方式不再仅限于质阅读，碎片化阅读、掌上阅读、互联网阅读等新形式不断涌现。高校图书馆可依托媒介融合的背景，依据本校师生阅读情况开发适用于本馆的特色化客户端或APP软件，丰富自身的服务项目，创新多种移动阅读方式。
4.2整合馆藏资源，完善馆藏文献构成
高校图书馆拥有过硬的图书情报知识专业人员及丰富的馆藏资源，可以利用这种优势整合馆藏资源，完善馆藏文献构成。如：高校图书馆可以将不同学科的图书、期刊、数据库等重新归类加工，针对高校读者群不同的年龄及阅读习惯，提供不同学科专业的研究导航，开发具有本馆特色的移动阅读资源，方便读者的检索及阅读[7]。
4.3转变馆员服务理念，培养高质量的服务团队
媒介融合背景下的高校图书馆数字移动阅读服务模式的构建离不开馆员的努力。图书馆员要转变传统的服务理念，不仅要具备基本的馆员素质，还要提高数字化与网络化建设的水平。培养高质量的服务团队，是媒介融合背景下高校图书馆数字移动阅读服务的发展需求，也是推动未来高校图书馆数字化发展的强大动力。高校图书馆可以定期开展馆员培训讲座，充分调动馆员的工作积极性、主动性与创造性，提高馆员的技术与服务水平。
5结语
综上所述，对媒介融合背景下高校图书馆的数字移动阅读服务的全面建设，有益于促进信息资源共享、创新数字化阅读环境，有益于实现信息用户的个性化体验、推动高校数字图书馆事业的发展。因此，推动高校图书馆的数字化建设和移动服务转型，是完成高校图书馆阅读推广发展的里程碑式的革新。
参考文献：
[1]吴信训，吴小坤，高红波，等.互联网与传统媒体融合趋势研究[M].//吴信训.世界传媒产业评论（第7辑）.北京：中国国际广播出版社，2011：69.
[2]马骏涛.基于移动互联网技术的移动图书馆系统研建[D].北京：中国人民军事医学科学院，2012.
[3]王建娟.中国高校移动图书馆服务研究[D].郑州：郑州大学，2013.
[4]李彬彬.我国移动数字图书馆建设研究[D].湘潭：湘潭大学，2014.
[5]陈宇碟.大数据背景下我国高校图书馆移动信息服务优化研究[D].长春：吉林大学，2015.
[6]陈新昕.从数字出版看我国移动图书馆建设[D].哈尔滨：黑龙江大学，2013.
针对视频监控中行人在运动中将出现部分或严重遮挡的问题，提出了一种基于人体骨架特征的人数统计算法。首先，利用形态学骨架提取算法提取初始人体骨架图；然后，剔除骨架孤立点和骨架伪分支，得到最优人体骨架特征；最后，通过分析骨架的人头区域特征，建立人头检测响应规则，检测行人人头个数实现人数统计。实验结果表明，该算法能够解决视频监控人物相互之间部分遮挡和严重遮挡问题，针对相对稀疏的场景该算法人数统计准确率为95%左右。
关键词：
人数统计；人头检测；骨架特征；前景检测；检测响应规则
中图分类号：
TP391.41
文献标志码：A
Peoplecountingbasedonskeletonfeature
Abstract：
Concerningtheproblemthatpedestrianswouldbepartiallyorseriouslyshadedbyeachotherinvideomonitoring，thispaperproposedapeoplecountingalgorithmbasedonhumanbodyskeletonfeature.Atfirst，theinitialhumanskeletonwasextractedbymorphologicalskeletonextractionalgorithm.Thentheoptimalskeletonfeaturewasobtainedbyeliminatingoutliersandpseudobranches.Finally，thispaperestablishedaheaddetectionresponserulethroughanalyzingthecharacteristicsofskeletoninheadareastodetecttheheadofpedestrian，andcompletedpeoplecountingbycountingtheheadsofpedestrians.Theexperimentalresultsshowthatthealgorithmcansolvetheproblemsofpartialandseriousshadinginvideomonitoring.Forrelativelysparsescene，theoverallpeoplecountingaccuracyrateofthealgorithmisabout95%.
Keywords：
peoplecounting；headdetection；skeletonfeature；foregrounddetection；detectionresponserule
0引言
在许多商业和公共领域，行人的信息有各种潜在的应用价值。目前国内外已有许多学者提出多种算法估计图像序列或监控视频中的人数，使得人数统计系统得到广泛的研究。其中，Chan等[1]针对高密度人群遮挡严重问题提出一种通过动态纹理分割出不同流向的人群，然后对人群分割中提取的28种特征采用高斯过程回归模型估计人数。但是这种算法不能估计出输入图像中人体的位置，准确率低且不能达到实时。Antonini等[2]提出了一种通过跟踪算法得到轨迹来进行人数统计；该算法适用场合有限，缺乏通用性，对于实际过程的处理非常困难。文嘉俊等[3]使用AdaBoost算法学习训练人头检测分类器，然后通过过线跟踪的方法统计进出口人流量。牛胜石等[4]结合AdaBoost和支持向量机（SupportVectorMachine，SVM）训练人头检测分类器；但是该算法的离线训练过程繁杂，且训练的分类器的检测准确率不高。Thome等[5]采用三角剖分方法提取人体骨架特征，通过计算相邻骨架点连线与垂直方向的夹角估计人头位置实现人数统计；但该算法对前景目标的提取要求过高，难以达到自适应统计人数。
针对目前人数统计主流算法中存在的计算复杂度高和人体相互遮挡导致的准确率低问题，提出一种基于骨架特征的人数统计算法。
1算法描述
在前期人数统计算法研究基础上，提出一种基于骨架特征的人数统计算法。改进人体骨架提取算法，建立人头检测响应规则，检测行人人头，实现人数统计。算法的主要流程如图1所示。
输入图像序列，通过混合高斯自适应背景建模获取背景和手动获取背景，两次背景减除得到前景，再进行前景融合实现前景检测。改进已有的骨架提取算法，剔除骨架孤立点和骨架伪分支，根据人头区域骨架特征建立人头检测响应规则准确检测人头，从而实现人数统计。
1.1前景检测
首先采用Grimson等提出的改进混合高斯算法[6]。假定不同高斯分布代表不同的颜色，混合模型的权值大小代表这些颜色在当前场景中的时间比例，通过假定背景有B个可能的最高色彩来决定背景组成部分。每一个新的像素值与现有模型顺序检查匹配度，最先匹配的模型将进行更新，如果没有与之匹配的高斯分布，将创建一个以该点为均值、最大方差矩阵和小的权值的新高斯分布，从而实现自适应背景模型的建立。
然后通过已知背景进行背景减除。自适应背景建模得到的背景由于含有当前帧大量信息，背景减除得到的前景存在大量空洞区域。由手动得到的背景进行背景减除得到的前景噪声较多。将两次背景减除得到的前景进行融合得到较完整的前景目标。
1.2骨架提取
在最大圆盘形态学骨架提取算法[7]的基础上，提取初始人体骨架，分析骨架特征，剔除多余的骨架孤立点和骨架伪分支，最后得到最优的人体骨架，为后续人头检测的准确率打下基础。基于形态学的骨架提取流程如图2所示。
1.2.1骨架提取
针对人体前景目标，采用最大圆盘形态学骨架提取算法提取人体骨架。设X为R2上的离散二值图像，并且非空有界，D为图像X中的一个内切圆盘，即至少有2点与图像边界相切，如果D不是图像X内部任何其他圆盘的子集，则称为最大圆盘。此时，骨架可定义为图像内部所有最大圆盘圆心的集合。则X的形态学骨架Skel（X）可表示为：
1.2.2剔除孤立点和伪分支
在骨架提取过程中，部分由噪声或边缘细微变化引入的骨架点，称为孤立点。它们不含有目标的形状及拓扑信息，且会降低整体骨架对目标特征的描述能力。基于此，对孤立点及由孤立点引入的伪分支进行剔除处理，以进一步优化骨架结构是非常必要的。
经过对骨架特征的分析，要实现孤立点和伪分支的剔除，必须首先识别骨架中的端点和连接点。定义骨架点p的八邻域内像素沿逆时针方向由0到1和1到0变换的次数用XT（p）[8]表示，计算式如式（3）：
分析从上述骨架提取算法中得到的人体骨架二值图像数据，骨架图像是由单像素集组成，且骨架点分为端点、连接点和分支点。一般情况下，人体头部骨架点p包含在骨架端点中，因此，人头检测过程中只需关注骨架端点。人体头部骨架二值图像素7种分布如图4所示。
2.1评价指标
实验结果用两个指标度量：平均绝对误差和均方差。假设当前帧i中人数真实数据为T（i），估计数据是E（i），其中：i=1，2，…，n（n为统计图像的帧数）。用式（13）～（14）分别表示平均绝对误差ErrT和均方差（MeanSquareError，MSE）[12]：
两个度量指标，总体评价人数统计结果的准确率。人数统计的准确率越高，平均绝对误差和均方差值均越小。
2.2实验结果及分析
在PETS数据集上测试本文算法，针对数据集中单人、多人存在部分和严重遮挡的场景分别进行了实验。实验结果如图5所示。
单个人能分割得到完整的人体目标区域，通过人头检测实现人数统计的准确率为98%；多人存在部分遮挡场景，即两个或多个人在图像中存在部分重叠区域，但可以分割出部分区域，人数统计准确率为95%；严重遮挡情况下，即两个或多个人完成重叠为一个区域不可分割，如前后重叠或两个人在一条直线上时，人数统计准确率为93%。
对PETS中View_005整个数据集进行了测试，图6给出了200帧图像中实际人数和估计人数的实验对比图。
本文算法的ErrT值和MSE值最低，相比之下更能准确地统计行人人数，说明本文算法是有效的。
另外，本文算法不需要进行离线训练过程，直接提取特征然后进行人数统计，在时间开销上相对较低。从提取骨架特征到人头检测并统计整个过程的时间开销是0.313698秒/帧。基于神经网络回归算法针对100帧提取前景特征和纹理特征时间开销分别为110.295072s和2.208339s，然后通过特征进行统计回归的时间开销为0.362848s。所以在回归模型已经离线训练成功的基础上，基于神经网络回归算法的时间开销大约为1.128662秒/帧。基于AdaBoost人头检测算法的时间开销相对较低，大约在0.278427秒/帧。尽管这里时间开销比本文算法低，但是基于AdaBoost人头检测还需要时间进行前期的离线训练人头检测分类器。所以综合估计本文算法在时间开销上相对另两种算法较低。
从实验结果可看出：在人与人之间存在遮挡情况下，目标像素、边缘特征的统计率和人头可见度是相对较低的从而使得在回归计数和通过人头检测分类器计数的准确率较低。而本文算法通过前景目标提取单像素骨架特征，即使在人与人之间存在部分或严重遮挡的情况，人体头部只要没有被全部重叠遮挡，亦能提取出头部骨架分支，从而实现准确计数。实验证实该算法在相对稀疏场景中存在部分遮挡和严重遮挡的情况下人头检测准确率较高，鲁棒性较好。
3结语
本文提出了一种新的基于骨架特征的人头检测人数统计的算法。该算法可用到监控、建筑管理、获取超市数据等。算法减小了多人相互遮挡对统计准确率的影响，经实验测试，该人数统计算法正确率达到95%左右。针对多人严重遮挡时的漏检情况，我们在以后的研究中，将考虑结合前景目标跟踪和人头识别来解决当前存在的问题。
参考文献：
[1]
CHANAB，ZHANG-SHENGJL，VASCONCELOSN.Privacypreservingcrowdmonitoring：countingpeoplewithoutpeoplemodelsortracking[C]//CVPR2008：Proceedingsofthe2008IEEEConferenceonComputerVisionandPatternRecognition.Piscataway：IEEEPress，2008：1-7.
[2]
ANTONINIG，THIRANJP.Countingpedestriansinvideosequencesusingtrajectoryclustering[J].IEEETransactionsonCircuitsandSystemsforVideoTechnology，2006，16（8）：1008-1020.
[3]
WENJ，XUY.PeoplecountingbasedonAdaBoostandinter-framefeatures[J].JournalofImageandGraphics，2011，16（9）：1729-1735.（文嘉俊，徐勇.基于AdaBoost和帧间特征的人数统计[J].中国图象图形学报，2011，16（9）：1729-1735.）
[4]
NIUS，MAOX，HOUJ，etal.RealtimeheaddetectionbasedonAdaBoostandSVM[J].MicrocomputerandItsApplications，2010（13）：33-36.（牛胜石，毛晓晖，侯建华，等.基于AdaBoost和SVM的人头实时检测[J].微型机与应用，2010（13）：33-36.）
[5]
MERADD，KHEIR-EDDINEA，THOMEN.Fastpeoplecountingusingheaddetectionfromskeletongraph[C]//Proceedingsofthe2010SeventhIEEEInternationalConferenceonAdvancedVideoandSignalBasedSurveillance.Piscataway：IEEEPress，2010：233-240.
[6]
STAUFFERC，GRIMSONWEL.Learningpatternsofactivityusingrealtimetracking[J].IEEETransactionsonPatternAnalysisandMachineIntelligence，2000，22（8）：747-757.
[7]
ZHOUN，CUIQ.Skeletonandreconstructionofmathematicalmorphology[J].JournalofImageandGraphics，1997，2（10）：712-716.（周南，崔屹.数学形态学骨架化及重建[J].中国图象图形学报，1997，2（10）：712-716.）
[8]
WANGH，WUF，WANGB，etal.Skeletonextractionusingimprovedmathematicalmorphologyalgorithm[J].ScienceofSurveyingandMapping，2006，31（1）：29-32.（王辉连，武芳，王宝山，等.利用数学形态学提取骨架线的改进算法[J].测绘科学，2006，31（1）：29-32.）
[9]
ZHOUL，HEL，SUNY，etal.Algorithmofbiasedskeletontrimbasedonintersectingcorticalmodel[J].JournalofComputerApplications，2012，32（9）：2553-2555，2627.（周理，何林远，孙毅，等.基于交叉视觉皮质模型的骨架伪分支剔除方法[J].计算机应用，2012，32（9）：2553-2555，2627.）
[10]
GONZALEZRC，WOODSRE.Digitalimageprocessing[M].2nded.RUANQ，RUANY，translated.Beijing：PublishingHouseofElectronicsIndustry，2007：442-443.（GONZALEZRC，WOODSRE.数字图像处理[M].2版.阮秋琦，阮宇智，译.北京：电子工业出版社，2007：442-443.）
[11]
ARIFM，SAQIBM，BASALAMAHS，etal.Countingofmovingpeopleinthevideousingneuralnetworksystem[J].LifeScienceJournal，2012，9（3）：1384-1392.