УНИВЕРСАЛЬНЫЙ МЕТОД АНАЛИЗА И ОЦЕНКИ ГРАФИЧЕСКИХ ДОКУМЕНТОВ Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК343.52

КОНСТАНТИН МИХАЙЛОВИЧ ХОЛОСТОВ,

кандидат технических наук, заместитель начальника центра командно-штабных учений ФГКОУ ВО «Академия управления МВД России»

УНИВЕРСАЛЬНЫЙ МЕТОД АНАЛИЗА И ОЦЕНКИ ГРАФИЧЕСКИХ ДОКУМЕНТОВ

Рассматривается метод анализа и оценки графических документов, содержащих управленческие решения. Метод основан на универсальном (с точки зрения содержания документов) подходе к анализу и интерпретации графических документов (изображений) с целью последующей оценки качества управленческих решений, в них содержащихся.

Ключевые слова: управленческие решения, игры и учения, обработка изображений, алгоритмы и программы автоматизированного анализа, информационные технологии в образовании, искусственный интеллект.

K.M. Kholostov, PhD (Engineering), Deputy chief of the center of command-post exercises, Russia Ml Academy of Management; e-mail: hkm_tula@mail.ru, tel.: 8 (499) 150-45-82.

Universal method of analysis and evaluation of image documents.

The article deals with the method of analysis and evaluation of graphic documents containing management decisions. The method is based on the universal (in terms of the content of the documents) approach to the analysis and interpretation of image documents (images) for subsequent evaluation of the quality of management decisions contained therein.

Key words: management decisions, games and exercises, image processing, algorithms and computer-aided analysis, information technology in education, artificial intelligence.

Решение задачи повышения эффективности управленческой деятельности имеет ряд перспективных направлений, одно из которых - широкое применение инноваций, информационных и иных современных технологий. Речь идет, в частности, о применении автоматизированных систем и комплексов (ситуационных центров), использующих в своей работе технологии искусственного интеллекта, что позволяет повысить эффективность управления вообще и в области организации профессионального образования в частности.

К указанным технологиям относятся технологии обработки текстов, изображений (образов), машинного перевода, информационного поиска и пр. Сами же системы, использующие подобные технологии, могут быть сгруппированы по выполняемым ими задачам следующим образом: системы поддержки принятия решения, диалоговые системы (системы общения), экспертные системы, системы технического зрения, системы машинного перевода и т.д. [2; 4]. В рамках настоящей статьи мы остановимся на алгоритмах и процедурах, образующих универсальный метод, связанный с интеллектуальной обработкой изображений, в частности с обработкой изображений в виде документов в графической форме, отражающих принятые руководителем (лицом,

принимающим решение, ЛПР) управленческие решения.

Представление управленческих решений в графической форме, т.е. на картах местности, схемах и планах зданий и сооружений, давно стало традиционным (особенно это характерно для военного управления, управления силовыми структурами, действующими в условиях ЧО и ЧС). Это объясняется очевидным удобством с точки зрения обеспечения полноты восприятия оперативной обстановки и позволяет создавать целостную картину обстоятельств и действий,не пренебрегая отдельными ее деталями.

Понять и оценить содержание принятого управленческого решения, отраженного графически в виде изображений и специальных условных знаков, - довольно сложная задача. Решение ее под силу не каждому специалисту, а только эксперту в данной предметной области. Эта проблема особенно остро стоит при осуществлении образовательной деятельности по подготовке руководителей различного уровня. В ходе практических занятий данной категории обучаемых приходится принимать те или иные управленческие решения, реагируя на учебные задания или разыгрываемые для них учебные ситуации, поскольку основной способ получения управленческих уме-

нии и навыков - это проведение практических занятий в игровой форме, таких как игры, учения, штабные тренировки и тренинги. Интерактивные методы современного образования требуют мгновенной реакции преподавателя на действия обучаемых, не допуская последующего анализа и оценки их действий. То есть результаты учебной работы надо оценить здесь и сейчас, не откладывая на потом. Из этого положения следует, что к каждому обучаемому необходимо прикрепить квалифицированного эксперта, который может адекватно оценить подготовленный им документ и содержание управленческого решения. А это объективно невозможно.

Альтернативное решение данной проблемы - применение средств автоматизированной обработки результатов (т.е. компьютеров вместо экспертов), реализующих задачи, связанные с интерпретацией, анализом графических документов и с последующей оценкой качества содержащихся в них решений. Это может показаться решением, но, по сути, является еще более сложной задачей, поскольку в настоящее время не в полной мере разработаны необходимые методы и способы для ее решения. Вместе с тем, применение автоматизированных систем для облегчения преподавательской деятельности и повышения ее качества видится единственным реальным выходом из данной затруднительной ситуации.

Собственный опыт автора и анализ данных Росстата [7] говорят о том, что наличие в большинстве вузов значительного количества современной компьютерной техники позволяет обеспечить обучаемых автоматизированными рабочими местами с установленным на них прикладным программным обеспечением, которое предоставляет возможности подготовки как текстовых, так графических документов. Следовательно, основная проблема будет состоять не в отсутствии средств автоматизации, а в недостатке разработанных надежных и эффективных методов и алгоритмов их применения для решения учебных задач. Это в полной мере относится и к методам анализа и оценки управленческих документов. Ниже рассмотрим имеющиеся методы анализа и обработки изображений.

В первую очередь обратимся к достаточно изученному и широко используемому направлению в области искусственного интеллекта (ИИ) - к технологиям обработки изображений и системам на их основе, т.е. к системам обработки изображений (СОИ), или по-другому - системам технического зрения [3]. Большинство интеллектуальных

систем, в том числе и СОИ, основаны на применении моделей, алгоритмов представления знаний и способов суждения о них. Современные технологии настолько прочно вошли в нашу жизнь, что с работой СОИ мы сталкиваемся в повседневной жизни, так как методы технического зрения используются повсеместно - от систем контроля за дорожным движением, обработки дактилоскопической информации до комплексов по идентификации изображений разыскиваемых лиц.

Кажется очевидным, что применение известных методов и алгоритмов, предназначенных для СОИ, их адаптация для целей автоматизированного анализа графических документов на первый взгляд представляется наиболее целесообразным способом решения задачи. Однако стоит учесть, что методы и алгоритмы технического зрения довольно сложны в реализации, используют большой вычислительный ресурс и объемы памяти. Для решения учебных задач задействование таких больших ресурсов явно не оправдывает себя, особенно если учесть, что при формировании графических документов, содержащих управленческие решения, используется ограниченное количество специальных условных знаков и обозначений, а карта (схема) местности подготавливается самим преподавателем, а значит, ему заведомо известна, может быть специально подобрана, предварительно обработана и т.д.

Таким образом, применение известных методов технического зрения для решения рассматриваемой задачи будет не вполне рациональным. Следовательно, имеет смысл использовать иные, менее сложные и затратные, но при этом достаточно эффективные методы. Один из таких методов, а также разработанные на его основе алгоритм и прототип программного комплекса описаны автором [8, с. 49-54]. Он основан на сравнении принятого обучаемыми управленческого решения с эталоном (образцом) или несколькими эталонами, если допускается вариативность решения. В качестве образца используется решение, подготавливаемое экспертами заранее, еще до начала проведения практических занятий. На основе рассматриваемого метода создан программный комплекс автоматизированного анализа и оценки графических решений, при этом опыт его использования показал отдельные недостатки, ограничивающие сферу его применения, что подтолкнуло автора к разработке более универсального метода, который будет рассмотрен ниже.

Рассматриваемый нами универсальный метод, так же как и описанный выше [8, с. 49-54], ос-

новывается на технологиях анализа изображения, которые почти полностью соответствуют стратегии решения задач интерпретации изображений, используемой в экспертных системах анализа изображений (ЭСАИ). Один из вариантов работы подобных ЭСАИ основан на стратегии управления данными [2; 4]. Такая стратегия реализует особую последовательность действий, основанных на полученных результатах обработки данных. Так, выявив в результате сегментации на участке изображения цветную геометрическую фигуру, система пытается интерпретировать ее и соотнести с конкретным объектом, например с объектом, относящимся к классу «транспортное средство». После этого система производит пошаговое сравнение объектов, выявленных на анализируемом изображении (карте или схеме) и имеющих конкретные параметры, например размер, цвет, месторасположение относительно центра изображения с такими же данными на эталонном изображении.

В методе анализа и оценки графических документов [8, с. 49-54] результатами проведенного анализа становилась оценка, основанная на соответствии варианта представленного графического документа имеющемуся образцу (или одному из образцов, если правильных решений может быть несколько). Детализация оценки предусмотрена в предоставлении данных об ошибках, совершенных обучаемым в ходе подготовки своего варианта решения.

Для получения представления о реализации механизма интерпретации и оценивания изображений в рассматриваемом нами универсальном методе представим описания процедур сравнения двух

изображений - эталонного изображения и подготовленного обучаемым собственного варианта.

Как и было указано ранее, выгодной с точки зрения создания условий для проведения обработки и анализа изображений в случае создания автоматизированных систем, используемых в учебных целях, является возможность предварительной подготовки материалов, используемых на занятии. Это преимущество необходимо использовать в полной мере, так как предварительная подготовка значительно упрощает процедуры интерпретации, анализа, оценивания и соответственно сам метод в целом. Поэтому предварительно топографическая основа (исходное изображение местности или схема) разбивается на условные квадраты. По количеству строк и столбцов разбиения топографической основы формируется таблица - двумерный массив данных, который мы будем называть метрикой изображения.

Начнем с порядка формирования эталонного изображения. В процессе нанесения условных знаков в метрике образца начинают формироваться данные о графических примитивах1, находящихся в том или ином месте на изображении. После окончания процесса заполненная метрика эталона представляет собой матрицу, в которой в соответствующих строках и столбцах находятся данные о наличии в них графических примитивов. Для примера рассмотрим шахматную доску из 64 полей (8*8) с размещенными на ней фигурами (рис.).

Если условиться о присвоении фигурам на доске, представляющим собой графические примитивы, соответствующих названий и условных обозначений (П - пешка, К - король, С - слон, Л - ладья), то с учетом их цветов (Б - белый и Ч -черный), то метрику изображения, нанесенного на топографическую основу в виде шахматной доски (рис.), можно представить в виде матрицы, которая отражает в виде буквенных обозначений множество фигур Ф:

Рис. Размещение фигур в условных квадратах

1 Под графическими примитивами подразумеваются простые изображения, фигуры, а так же файлы, их содержащие, соответствующие условным знакам, применяемым при подготовке графических документов.

Если мы будем говорить о математической записи множества фигур на изображении эталона, то имеет смысл записать матрицу как ФЭ, тогда как все варианты, подготовленные обучаемыми, будут записываться как Ф1, где I = 1, 2, 3, 4, 5 ... N - число из ряда натуральных чисел, в котором N - максимальное число обучаемых.

При рассмотрении (1) может возникнуть вопрос: в ячейках А5 и F3 находится одна и та же фигура или две разные? Для исключения неоднозначности в трактовке данного факта следует говорить о том, что это две различные фигуры, которые относятся к одному и тому же классу -«черная пешка». Для устранения подобной неоднозначности при формировании изображения, т.е. в процессе нанесении на топографическую основу условных обозначений, каждая новая фигура должна заноситься в метрику с новым индексом. Преобразовав (1) в соответствии с данным правилом, получим:

Если вернуться к сути нашего примера, т.е. к шахматной игре, то понятно, что более одного короля, двух слонов или ладей одного цвета на доске быть не может. Тогда как описываемый нами алгоритм работы предполагает указывать и третий, и пятый, и т.д. индекс каждой новой фигуре.

Здесь мы возвращаемся к базовым принципам всех систем ИИ, т.е. к использованию в их работе знаний и правил. Так же как и в шахматной игре, ограничения и правила поведения существуют в правовых нормах и правилах их применения, регулирующих правоохранительную и любую другую деятельность. Они, эти нормы и правила, существенно влияют и на саму деятельность, и на управление ею, но также должны повлиять и на порядок составления графического документа, содержащего управленческие решения в данной сфере деятельности. Это еще раз подтверждает правильность выбора подходов к созданию метода анализа и оценки графических документов, содержащих управленческие решения, именно с точки зрения систем на основе ИИ. Но как это обстоятельство отразится на предла-

гаемом методе и алгоритме его реализации, есть ли необходимость его учитывать? По-видимому, все-таки нет, так как внесение подобных ограничений значительно усложнит алгоритм, а всех нюансов служебной или иной деятельности предусмотреть невозможно, и, следовательно, невозможно будет избежать ошибок и противоречий.

И еще одно: поскольку метод предназначен в том числе для оценивания результатов учебной работы, то наличие каких-либо рамок и ограничений можно будет рассматривать как подсказки обучаемому, снижающие объективность получаемого результата.

Таким образом, с учетом приведенных аргументов стоит оставить эту часть метода без изменений, а ограничения вводить только в обучающих версиях, если возникнет такая необходимость.

Устранив при помощи дополнительных индексов одну неоднозначность, мы тут же получили другую. Суть ее заключается в том, что расстановку фигур на доске и соответственно присвоение индексов в нашем примере мы начали по принципу «сверху-вниз» и «слева-направо», см. (1). Поэтому матрица (2), отражающая изображение (рис.), и приняла именно такой вид. Если представить (а так, вероятно, и произойдет), что обучаемый выберет произвольный порядок нанесения условных обозначений, то возникнет ситуация, в которой внешне идентичные изображения эталона и варианта решения будут иметь совершенно несовпадающие метрики, т.е. матрица ФЭ не будет равна матрице Ф1 в любом случае. Разумеется, их сравнение принесет отрицательный результат и такую же оценку обучаемому.

Выходом из описанной ситуации может служить следующее. Необходимо преобразовывать первичную матрицу Ф в матрицу F путем проведения математических операций над каждым из ее членов Ф (х,у) и F (х,у) соответственно. После преобразования сравнения проводить уже не между матрицами ФЭ и Ф1, а между полученными матрицами FЭ и Fi. Теперь о том, в чем сущность преобразования.

В шахматной игре есть пешки, они все равны, и где бы они ни находились, применяются только в рамках установленных правил игры. Значение имеет только их количество и положение на доске. Так же и в правоохранительной деятельности: например, посты оцепления выполняют строго ограниченные задачи и поэтому содержание решения об их использовании выражается в месте размещения и количестве. Таким образом, функциональное преобразование такого элемен-

та матрицы Ф (х,у) в соответствующий элемент матрицы F (х,у) сводится к присвоению этому элементу определенного значения в случае, если объект отнесен к соответствующему классу, и 0 -если класс не установлен (нет объекта):

ГК, если Ф (х,у) е и-, [ 0, если Ф (х,у) = О,

Их,у)

(3)

где и - множество значений, соответствующих объектам конкретного класса;

К - установленное значение для класса объектов из множества и.

Теперь остановимся на другой проблеме, которая может возникнуть при реализации рассматриваемого метода и алгоритма. Допустим, существует не одна, а множество комбинаций расположения условных знаков на топографической основе, соответствующих правильному управленческому решению. На самом деле зачастую не так важно, в каком конкретно месте расположен, например, вспомогательный пункт управления специальной операцией, главное - чтобы он был предусмотрен в решении, т.е. отражен на карте (схеме), и желательно, находился в непосредственной близости от места разворачивающихся событий. В подобном случае возникает ситуация, в которой варианты решения могут отличаться от эталонного внешне и при этом быть верными.

Выходов из сложившейся ситуации может быть как минимум два, конкретное решение зависит от всех складывающихся условий. В любом случае необходимо модифицировать механизм сравнения двух матриц Ф и ^ который мы пока еще не рассматривали.

По умолчанию предполагалось, что анализ результатов состоит в поэлементном сравнении матриц FЭ и Fi с фиксацией результатов в третьей матрице Я - матрице результатов сравнения. Значение элементов указанной матрицы будет следующим:

т? ( 1 = [1' если = рэ(х'УУ>

[Х,У) 10, есЛи^(х,у)^э(х,у)

(4)

Исходя из предложенного принципа, максимальной степени совпадения варианта решения с эталоном соответствует матрица Я, у которой все элементы равны единице. При нулевых же значениях одного или нескольких элементов данной матрицы совпадение решений исключается.

Модификация метода (или по-другому - механизма) сравнения может быть реализована следующими способами.

1. В случае если точное расположение объекта на карте (схеме) не имеет решающего значения и достаточно, чтобы условный знак располагался в окрестности некой гипотетической точки на топографической основе с точностью размещения в условных квадратах Ах и Ду , то сравнение нужно производить не между парой элементов матриц FЭ и Fi, а между элементом Fi (х,у) и всеми значениями из множества М, которое описывается как:

М = ^_ЭИд:И={(х-Дх),(х-Дх+1),(х-Дх+2),....(х+Дх) };

д={(у-Ду),(у-Ду+1),(у-Ду+2),.. ,.(у+Ду) } }. (5)

Данная математическая запись позволяет получить единичное значение для элементов матрицы результатов Я в случае, если найденный объект на варианте решения находится и на эталонном изображении в заданном множеством М участке.

2. Формируется не один, а несколько вариантов эталонных решений, математическое представление которых соответствует нескольким матрицам ФЭ]. После преобразования по описанному выше алгоритму ФЭ] в FЭj производится последовательное сравнение элементов матрицы варианта решения Fi: сначала с элементами матрицы F , а затем и со всеми остальными матрицами. Из полученных в результате сравнения матриц Я выбирают ту, у которой большее количество единичных элементов. Значение индекса j такой матрицы соответствует варианту эталона, дальнейший анализ и оценка производится исходя из того, что обучаемый выбрал именно этот вариант решения.

3. Еще один способ может быть реализован как усложненная форма предыдущего. Он отличается тем, что при выборе эталонного варианта из имеющихся критерием становится не максимальное количество единиц в матрице Я^ а наличие единичных значений у набора конкретных элементов, которые считаются ключевыми для данного изображения. Это могут быть, например, пункты управления, функциональные группы, посты или патрули. В остальном описываемый способ не отличается от предыдущего.

Основные положения метода анализа и оценки графических документов, содержащих управленческие решения и подготавливаемых руководителями органов внутренних дел в процессе прохождения ими профессиональной подготовки, можно считать представленными. Здесь не в полной мере показана универсальность метода, и это требует дополнительных пояснений. Главный фактор, снижающий универсальность описанного метода и всех ему подобных, состоит в самом принципе сравнения с образцом, неким

эталоном. Действительно, любой образец является эталоном только для одного специалиста или в лучшем случае для группы специалистов и только в конкретное время и в конкретных условиях. В случае изменения условий и (или) для иных экспертов подобный образец эталоном может и не являться. Как показывает опыт, в отношении управленческих решений такое суждение особенно справедливо.

Таким образом, необходимо как-то изменить основной принцип анализа и оценки (метод сравнения с образцом) на иной, более универсальный. При этом надо учитывать, что автоматизированной системе, проводящей анализ и оценку, в любом случае надо опираться на какие-то основания в виде объектов для сравнения. Подобными основаниями могут стать нормы и правила, о которых мы уже упоминали, указывая особенности работы интеллектуальных систем. Правила размещения условных знаков, которые соответствуют законам управления и учитывают специфику конкретной сферы деятельности, в которой осуществляется управление, будут использоваться как универсальный образец, с которым сравнивают все подготавливаемые документы с содержащимися в них управленческими решениями.

В отличие от принципа сравнения с образцом результатом анализа и оценки документа не становится конкретный показатель, количественно оценивающий результат как уровень соответствия с эталоном. Напротив, метод вообще не предусматривает четкой количественной оценки, он ориентирует пользователя автоматизированной системы (это может быть как преподаватель, так и обучаемый) на характер и виды ошибок, совершенных в ходе выработки управленческого решения. Он обеспечивает детальный, и самое главное - беспристрастный разбор представленного документа, на основании которого и делаются выводы об усвоении учебного материала и уровне полученных обучаемыми умений и навыков. В этом смысле метод является универсальным, т.е. не зависящим ни от характера управленческой задачи, ни от возможных подходов к ее решению, ни от мнения конкретного преподавателя или иных субъективных факторов.

Нами не рассматривается в настоящей статье вопрос формирования набора правил. А это совершенно необходимое условие, которое напрямую обеспечивает возможность реализации рассматриваемого метода. Важность объясняется тем, что описываемый метод характеризует использующую его в своей работе автоматизированную систему как экспертную. А подобные системы, как известно, в своей работе реализуют процессы приобретения, обработки и использования знаний [8; 9, с. 32-37], в нашем случае - правил, законов, приказов и, конечно, - знаний экспертов в данной предметной области.

Список использованной литературы

Достоверный и правдоподобный вывод в интеллектуальных системах / Вагин В.Н., Головина Е.Ю., Загорянская А.А., Фомина М.В.; под ред. В.Н. Вагина, Д.А. Поспелова. - М.: Физ-матлит, 2004.

Джарратано Д., Райли Г. Экспертные системы: принципы разработки и программирование / пер. с англ. - М.: Издательский дом «Вильямс», 2006.

Ким Н.В. Обработка и анализ изображений в системах технического зрения: учеб. пособие.

- М.: МАИ, 2001.

Люгер Джордж Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. / пер. с англ.; 4-е изд. - М.: Издательский дом «Вильяме», 2003.

Малышев Н.Г., Берштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР.

- М.: Энергоатомиздат, 1991.

Осипов Г.С. Приобретение знаний интеллектуальными системами. - М.: Наука, 1997.

Российский статистический ежегодник. 2014 (разделы - 7, 19).

Холостов К.М. Прототип программного комплекса автоматизированного анализа принятых управленческих решений // Вестник компьютерных и информационных технологий. 2015. № 5.

Холостов К.М. Об автоматизации процедур анализа управленческих актов // Труды Академии управления МВД России. 2013. № 3.