海量连续视频数据检索技术探讨

陆周淼

摘要：本文讨论了利用海量视频数据连续检索技术，将经过预处理的视频信息通过基于视频图像内容的检索技术，从连续的视频数据（位置、时间）内，提取出准连续有效图像、视频信息的方法，通过在海量连续视频中提取的准连续信息形成完整的线索链和证据链。

关键词：视频图像；内容检索；视频智能分析技术

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2018）01-0220-01

图像、视频信息作为公安实战应用重要的组成部分，正在发挥越来越大的作用。但是有效的图像或视频信息的获取并非轻而易举就能够得到。对于需要获取的图像、视频信息而言，视频监控仅是将画面完整记录下来，只是最初步的工作。本文讨论了在基于内容的视频检索技术、视频存储技术以及视频智能分析技术共同进一步发展的环境下，海量连续视频数据检索技术的实战应用。

1 海量视频数据连续检索技术

1.1 视频数据连续检索技术概述

信息检索技术包括文本信息检索与多媒体信息检索（图像、视频检索）等。互联网上主流的搜索引擎，如Baidu、Google以及Bing等都使用文本信息检索为核心的算法，导致基于文本信息检索的方法突飞猛进，并成为当今最为成熟的信息检索技术之一。

“视频图像结构化检索技术”是针对视频这类非结构化数据，使用了流媒体分割、场景检测、图像分析、关键帧提取、图像结构化识别等技术，以视频分析、图像处理、计算机视觉等领域的基础技术为依据，从人工智能、大数据处理、云计算及人机交互、信息检索等领域引入新的流媒体数据结构化提取、标识和流媒体数据模型的建立，从而设计出完整、准确、可验证的检索算法、系统结构以及呈现方式。

1.2 视频图像结构化检索技术原理

视频数据按照由粗到细的顺序可以划分为四个层次结构：视频流（Video）、场景段（Scene）、镜头幅（Shot）和图像帧（Frame）[1]。各个层次可以使用一些属性来描述。视频流的属性是場景的个数和持续的时间；场景段的属性包括标题、持续时间段、镜头数目、开始及结束镜头等；镜头幅的属性有持续时间、开始及结束帧号等；图像帧的属性则包含轮廓图、分量图等。镜头的关键帧就是反映该镜头中主要信息内容的帧图像。将原有流媒体分离出来后，对每个镜头幅提取关键帧，并用关键帧简洁地表达一个镜头幅。关键帧数目的确定是关键帧提取中的一个重要问题，其确定方法可以根据镜头内帧的差异进行统计，求出其方差，用方差来衡量镜头视觉内容的复杂程度。所以提取出的关键帧的数量随着运动的变化复杂度而改变。基于视频图像结构化检索时，根据流媒体特征进行相似性匹配检索的特征即镜头幅/关键帧之间的差异，包括有：颜色、高度、长度、纹理、装饰、结构描述及其他的图像信息。

2 海量连续视频数据检索应用

2.1 海量连续视频数据检索应用

（1）需要识别目标。将给定含有目标特征（包括：颜色、高度、长度、纹理、装饰等）一幅快照或截图来作为检索的对象进行结构化分析。（2）海量连续视频数据检索系统，对视频源文件使用流媒体分割方法提取出视频源内的关键帧，而后这些关键帧的基本特征作为元数据被提取出来，存放到比对数据库，完成流媒体的特征结构化分析。（3）在整个的海量连续视频数据检索过程中，系统将调用识别目标的结构化特征，请求比对流媒体特征结构数据库中已经索引好的目标特征。最后，拥有足够高相似度的流媒体关键帧将被作为检索筛查结果显示出来，并通过识别前后对象的变化情况，输出整个检索对象在该源文件内的特征图片以及停留的视频片段。

为了实现海量连续视频数据检索的要求，系统需要接入多个摄像机视频同步检索，无缝接驳核查存储资源中心系统。每个监控前端摄像机出现对象的特征图片以及停留的视频片段被存入目标对象资源库内，通过时间轴的方式，将所有接入摄像机提取的视频片段整合成一个连续的视频文件，并关联出前端监控点位的地理位置/GIS坐标、监控范围、角度等信息，形成对象运动轨迹图。

海量连续视频监控录像检索系统解决方案的应用可以大致描述为[2]：（1）识别目标：根据事件线索，寻找体现目标特征的如“蓝色上衣、黑色长裤、背双肩包的成年人”的图片，辅以发生时间、地点、行为方向、环境特点等作为资源事件录入。（2）海量连续数据调用：检索系统将通过平台管理软件，调用相关区域及临近区域视频录像索引到备用资源库。（3）海量视频检索汇聚：对备用资源库映射的视频文件进行结构化处理，使用海量连续视频数据检索系统生成匹配目标对象的关键帧图片和视频片段集。（4）海量连续视频检索系统：通过海量视频检索汇聚相关区域及临近区域的事件前后的录像文件，合成检索后的连续视频流，从而自动实现从目标进入到离开的全程连续轨迹及视频流展示。

2.2 相关技术应用

海量连续视频数据检索技术的进步和全面应用，除了需要多媒体信息检索技术自身的发展之外，对于存储系统要求也是非常高的。云存储是专门针对视频行业高效、安全、稳定的存储应用。基于云架构进行开发，融合了集群应用、负载均衡、虚拟化、云结构化、离散存储等技术，将网络中各种不同类型的存储设备，通过专业应用软件集合起来协同工作，共同对外提供视频、图片数据存储和业务访问服务。支持主流的流媒体协议（如RTSP/ONVIF/PSIA等）和GB/T28181规范；支持平台直接调取，架构简化而开放。可有效达到前端海量连续视频调用到资源库的目的。

海量视频数据连续检索，大数据智能分析技术不可或缺。设备端的智能分析可将每段视频都打上特有的标记，以便快速查找；并可利用移动侦测、异常聚集、烟雾检测、超分贝检测等技术准确定位检索目标位置。设备端经过初步智能分析的文件还可进行检索数据的二次备份。平台端的管理和检索可由应用层软件或平台软件来实现，也可配套相应的智能化开发，比如将人脸识别、视频结构化加入存储设备中，可以对某段视频进行具体要素定位等。大数据智能分析、高效云存储是海量连续视频检索的基础和前提，只有协同配合、部署实施才能实现海量视频数据连续检索的目的。海量连续视频检索对云存储的处理能力、访问方式、存储软件兼容性等都提出了较高要求，而则对大数据智能化要素提取及视频语义描述有了新的定义。

3 结语

虽然当前监控视频检索主要还是靠人工进行，但随着视频图像结构化检索技术的进一步发展，以及高效存储、块存储技术和视频智能分析技术的不断提升，海量连续视频数据检索的实战应用会越来越近、检索结果也会越来越准，并最终带来更便捷、精准、高效的联系视频结果。

参考文献

[1]郭曦.智能分析或让海量视频检索成为现实[J].中国公共安全：学术版，2013，（6）：102-108.

[2]胡吉明.浅析基于内容的视频信息检索技术[J].图书馆学研究，2006，（2）：57-59.