視頻結(jié)構(gòu)化分析檢索決定安防平臺未來

成都弱電公司訊：

近年來，隨著計算機(jī)技術(shù)和互聯(lián)網(wǎng)的飛速發(fā)展、各種數(shù)據(jù)采集存儲設(shè)備的廣泛使用以及多媒體工具技術(shù)與社交網(wǎng)絡(luò)的普及，從社會資源和互聯(lián)網(wǎng)獲取的數(shù)據(jù)量呈現(xiàn)出爆炸性增長，內(nèi)容涵蓋了文本、圖像、音頻和視頻，質(zhì)量更加精準(zhǔn)細(xì)致，形式更加多樣化，用戶獲取信息的渠道更加豐富，生活更加便捷。

在海量數(shù)據(jù)中，視頻因形式直觀內(nèi)容豐富，已成為一種極為重要的數(shù)據(jù)形式。據(jù)統(tǒng)計，在人類各種感知世界的方式中，視覺感知占據(jù)了80%以上。隨著視頻采集設(shè)備價格更加低廉，視頻質(zhì)量越來越高，圖像已被廣泛應(yīng)用到社會的各方各面。其中，來自安防系統(tǒng)的監(jiān)控視頻是一個極為重要的組成部分。如今，視頻攝像頭在生活中已經(jīng)隨處可見，無論是室內(nèi)還是室外，小區(qū)還是商場，各種社會公安平安場所都有監(jiān)控系統(tǒng)在發(fā)揮作用，尤其是在維護(hù)穩(wěn)定、反恐處突、治安防范、偵查破案、服務(wù)群眾等工作實踐中，成都視頻監(jiān)控技術(shù)在構(gòu)筑全天候全方位治安防控體系中具有強(qiáng)大的優(yōu)勢。成都視頻監(jiān)控技術(shù)通過實時顯示監(jiān)控區(qū)域現(xiàn)場圖像和回放歷史場景的功能，具有發(fā)現(xiàn)犯罪、預(yù)防犯罪、威懾犯罪和鎖定目標(biāo)、提供線索、固定證據(jù)等重要作用，已經(jīng)成為繼刑偵、技偵、網(wǎng)偵技術(shù)之后的“第四大技術(shù)支柱”。

從2004年開始，我國就開始了平安城市的建設(shè)，通過以點(diǎn)帶面的監(jiān)控系統(tǒng)建設(shè)，實現(xiàn)攝像機(jī)之間的聯(lián)網(wǎng)和視頻數(shù)據(jù)的共享，為城市安防等提供信息支撐和保障，這要求監(jiān)控系統(tǒng)實現(xiàn)網(wǎng)絡(luò)化和智能化。

技術(shù)方向

在智能化的成都視頻監(jiān)控系統(tǒng)當(dāng)中，除了基本的人工監(jiān)視和數(shù)據(jù)記錄以外，更重要的是對監(jiān)控視頻進(jìn)行智能化的處理，需要對視頻當(dāng)中的人、車和另外重要事物進(jìn)行辨認(rèn)、檢索和行為分析，并根據(jù)結(jié)果提供適當(dāng)?shù)奶崾?。在對視頻的智能處理當(dāng)中，視頻檢索技術(shù)顯得尤為基礎(chǔ)和重要，面對日益龐大的視頻數(shù)據(jù)，想要快速準(zhǔn)確地找到用戶感興趣的內(nèi)容十分困難。

在目前公安視頻聯(lián)網(wǎng)共享平臺的基礎(chǔ)上，引入智能視頻應(yīng)用相關(guān)技術(shù)，將自動提取視頻特征與人工標(biāo)識相結(jié)合，關(guān)聯(lián)現(xiàn)有信息綜合資源庫，與刑偵、技偵、網(wǎng)安、情報等部門信息結(jié)合起來，進(jìn)行大數(shù)據(jù)處理，建設(shè)高效實用的圖偵平臺，提升成都視頻監(jiān)控圖像在增加辨認(rèn)、智能化感知、主動預(yù)警等方面的應(yīng)用水平，已經(jīng)成為公安實戰(zhàn)應(yīng)用平臺的發(fā)展趨勢。安防平臺的核心和基礎(chǔ)是運(yùn)用大數(shù)據(jù)和信息技術(shù)，建立基礎(chǔ)數(shù)據(jù)平臺，達(dá)到資源共享和信息共用，才能實現(xiàn)跨區(qū)域跨部門的信息分析，為科學(xué)決策提供依據(jù)。

技術(shù)路線

面向內(nèi)容的視頻檢索技術(shù)

從組成來看，視頻是一系列圖像的一個特定排列，每一幅圖像稱為幀，幀是視頻的基本視覺單位。攝像機(jī)一次拍攝所形成的幀序列，通常作為視頻編輯的基本單位。場景也叫做片段，是由多個語義相關(guān)的鏡頭組成。關(guān)鍵幀是由目標(biāo)引申出來的某一幀或多幀圖像。視頻檢索是在單個或多個視頻里面尋找用戶感興趣的內(nèi)容并進(jìn)行定位，找到特定人物所在的視頻、人物在對應(yīng)視頻中的位置(如幀信息和時間等)或?qū)?yīng)的圖像序列。

基本框架及相關(guān)技術(shù)：在基于內(nèi)容的視頻檢索中，由于視頻往往長度較大，內(nèi)容分布存在重復(fù)和分散的情況，因此在檢索當(dāng)中往往會先對視頻進(jìn)行處理，通過關(guān)鍵傾定位、鏡頭分割和場景分割等等進(jìn)行切分，然后提取分歧層次的內(nèi)容，如視覺特征、語義特征等等，再存儲特征到數(shù)據(jù)庫中，最后根據(jù)用戶的查詢輸入直接和數(shù)據(jù)庫中的特征進(jìn)行比對，得到結(jié)果以后再獲取相應(yīng)的視頻信息返回檢索結(jié)果給用戶。整個過程覆蓋了多方面技術(shù)，如在視頻處理模塊涉及：關(guān)鍵帖提取、鏡頭邊緣檢測、場景分類、視頻優(yōu)化等。在特征處理模塊涉及：內(nèi)容分類、目標(biāo)檢測、目標(biāo)跟蹤、目標(biāo)匹配、行為分析、數(shù)據(jù)經(jīng)管等。在用戶查詢模塊涉及：檢索方法、反饋方法等。

視頻結(jié)構(gòu)化模型

為了實現(xiàn)計算機(jī)智能化處理視頻，需要對視頻及其內(nèi)容建立數(shù)據(jù)模型。視頻的數(shù)據(jù)模型描述了視頻的分割信息和內(nèi)容信息，是對視頻中記錄的客觀事物及其聯(lián)系的一種數(shù)據(jù)表示。視頻數(shù)據(jù)模型應(yīng)該滿足：多層次——視頻是連續(xù)的圖像表示，在分歧層次上的劃分具有分歧的含義表達(dá)，因此視頻數(shù)據(jù)模型應(yīng)該能在多層次上對視頻流進(jìn)行抽象表達(dá)。時空性——視頻具有時空兩種特性，其記錄的客觀事物也應(yīng)具有時空特性。獨(dú)立性——獨(dú)立性是視頻模型的基本要求，在進(jìn)行數(shù)據(jù)庫存儲時，獨(dú)立的數(shù)據(jù)模型才可能實現(xiàn)共享和重用。模型索引——視頻數(shù)據(jù)模型應(yīng)有特定的索引以滿足檢索要求?，F(xiàn)有的視頻數(shù)據(jù)模型從處理內(nèi)容上可以分為兩類：一、視覺內(nèi)容模型，通過記錄視頻的時空信息、圖像視覺特征等進(jìn)行表示，包括時間線模型、顏色紋理模型、代數(shù)模型等；二、語義內(nèi)容模型，通過對視頻中的客觀事物進(jìn)行語義關(guān)系表達(dá)來對視頻進(jìn)行表示，提供語義查詢的接口，包括對象模型、事件模型等。例如人物結(jié)構(gòu)化表示模型，它是面向?qū)ο蟮囊曨l模型，其建立過程是提取基本視覺特征，并進(jìn)一步組合和語義化，實現(xiàn)高層語義表達(dá)。在檢索當(dāng)中，重要的一環(huán)是如何對人物結(jié)構(gòu)化表示模型進(jìn)行匹配，這種匹配主要是計算人物結(jié)構(gòu)化表示模型當(dāng)中的視覺特征的差異程度來實現(xiàn)。