海量連續視頻數據檢索技術探討

陸周淼

摘要：本文討論了利用海量視頻數據連續檢索技術，將經過預處理的視頻信息通過基于視頻圖像內容的檢索技術，從連續的視頻數據（位置、時間）內，提取出準連續有效圖像、視頻信息的方法，通過在海量連續視頻中提取的準連續信息形成完整的線索鏈和證據鏈。

關鍵詞：視頻圖像；內容檢索；視頻智能分析技術

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1007-9416（2018）01-0220-01

圖像、視頻信息作為公安實戰應用重要的組成部分，正在發揮越來越大的作用。但是有效的圖像或視頻信息的獲取并非輕而易舉就能夠得到。對于需要獲取的圖像、視頻信息而言，視頻監控僅是將畫面完整記錄下來，只是最初步的工作。本文討論了在基于內容的視頻檢索技術、視頻存儲技術以及視頻智能分析技術共同進一步發展的環境下，海量連續視頻數據檢索技術的實戰應用。

1 海量視頻數據連續檢索技術

1.1 視頻數據連續檢索技術概述

信息檢索技術包括文本信息檢索與多媒體信息檢索（圖像、視頻檢索）等。互聯網上主流的搜索引擎，如Baidu、Google以及Bing等都使用文本信息檢索為核心的算法，導致基于文本信息檢索的方法突飛猛進，并成為當今最為成熟的信息檢索技術之一。

“視頻圖像結構化檢索技術”是針對視頻這類非結構化數據，使用了流媒體分割、場景檢測、圖像分析、關鍵幀提取、圖像結構化識別等技術，以視頻分析、圖像處理、計算機視覺等領域的基礎技術為依據，從人工智能、大數據處理、云計算及人機交互、信息檢索等領域引入新的流媒體數據結構化提取、標識和流媒體數據模型的建立，從而設計出完整、準確、可驗證的檢索算法、系統結構以及呈現方式。

1.2 視頻圖像結構化檢索技術原理

視頻數據按照由粗到細的順序可以劃分為四個層次結構：視頻流（Video）、場景段（Scene）、鏡頭幅（Shot）和圖像幀（Frame）[1]。各個層次可以使用一些屬性來描述。視頻流的屬性是場景的個數和持續的時間；場景段的屬性包括標題、持續時間段、鏡頭數目、開始及結束鏡頭等；鏡頭幅的屬性有持續時間、開始及結束幀號等；圖像幀的屬性則包含輪廓圖、分量圖等。鏡頭的關鍵幀就是反映該鏡頭中主要信息內容的幀圖像。將原有流媒體分離出來后，對每個鏡頭幅提取關鍵幀，并用關鍵幀簡潔地表達一個鏡頭幅。關鍵幀數目的確定是關鍵幀提取中的一個重要問題，其確定方法可以根據鏡頭內幀的差異進行統計，求出其方差，用方差來衡量鏡頭視覺內容的復雜程度。所以提取出的關鍵幀的數量隨著運動的變化復雜度而改變。基于視頻圖像結構化檢索時，根據流媒體特征進行相似性匹配檢索的特征即鏡頭幅/關鍵幀之間的差異，包括有：顏色、高度、長度、紋理、裝飾、結構描述及其他的圖像信息。

2 海量連續視頻數據檢索應用

2.1 海量連續視頻數據檢索應用

（1）需要識別目標。將給定含有目標特征（包括：顏色、高度、長度、紋理、裝飾等）一幅快照或截圖來作為檢索的對象進行結構化分析。（2）海量連續視頻數據檢索系統，對視頻源文件使用流媒體分割方法提取出視頻源內的關鍵幀，而后這些關鍵幀的基本特征作為元數據被提取出來，存放到比對數據庫，完成流媒體的特征結構化分析。（3）在整個的海量連續視頻數據檢索過程中，系統將調用識別目標的結構化特征，請求比對流媒體特征結構數據庫中已經索引好的目標特征。最后，擁有足夠高相似度的流媒體關鍵幀將被作為檢索篩查結果顯示出來，并通過識別前后對象的變化情況，輸出整個檢索對象在該源文件內的特征圖片以及停留的視頻片段。

為了實現海量連續視頻數據檢索的要求，系統需要接入多個攝像機視頻同步檢索，無縫接駁核查存儲資源中心系統。每個監控前端攝像機出現對象的特征圖片以及停留的視頻片段被存入目標對象資源庫內，通過時間軸的方式，將所有接入攝像機提取的視頻片段整合成一個連續的視頻文件，并關聯出前端監控點位的地理位置/GIS坐標、監控范圍、角度等信息，形成對象運動軌跡圖。

海量連續視頻監控錄像檢索系統解決方案的應用可以大致描述為[2]：（1）識別目標：根據事件線索，尋找體現目標特征的如“藍色上衣、黑色長褲、背雙肩包的成年人”的圖片，輔以發生時間、地點、行為方向、環境特點等作為資源事件錄入。（2）海量連續數據調用：檢索系統將通過平臺管理軟件，調用相關區域及臨近區域視頻錄像索引到備用資源庫。（3）海量視頻檢索匯聚：對備用資源庫映射的視頻文件進行結構化處理，使用海量連續視頻數據檢索系統生成匹配目標對象的關鍵幀圖片和視頻片段集。（4）海量連續視頻檢索系統：通過海量視頻檢索匯聚相關區域及臨近區域的事件前后的錄像文件，合成檢索后的連續視頻流，從而自動實現從目標進入到離開的全程連續軌跡及視頻流展示。

2.2 相關技術應用

海量連續視頻數據檢索技術的進步和全面應用，除了需要多媒體信息檢索技術自身的發展之外，對于存儲系統要求也是非常高的。云存儲是專門針對視頻行業高效、安全、穩定的存儲應用。基于云架構進行開發，融合了集群應用、負載均衡、虛擬化、云結構化、離散存儲等技術，將網絡中各種不同類型的存儲設備，通過專業應用軟件集合起來協同工作，共同對外提供視頻、圖片數據存儲和業務訪問服務。支持主流的流媒體協議（如RTSP/ONVIF/PSIA等）和GB/T28181規范；支持平臺直接調取，架構簡化而開放。可有效達到前端海量連續視頻調用到資源庫的目的。

海量視頻數據連續檢索，大數據智能分析技術不可或缺。設備端的智能分析可將每段視頻都打上特有的標記，以便快速查找；并可利用移動偵測、異常聚集、煙霧檢測、超分貝檢測等技術準確定位檢索目標位置。設備端經過初步智能分析的文件還可進行檢索數據的二次備份。平臺端的管理和檢索可由應用層軟件或平臺軟件來實現，也可配套相應的智能化開發，比如將人臉識別、視頻結構化加入存儲設備中，可以對某段視頻進行具體要素定位等。大數據智能分析、高效云存儲是海量連續視頻檢索的基礎和前提，只有協同配合、部署實施才能實現海量視頻數據連續檢索的目的。海量連續視頻檢索對云存儲的處理能力、訪問方式、存儲軟件兼容性等都提出了較高要求，而則對大數據智能化要素提取及視頻語義描述有了新的定義。

3 結語

雖然當前監控視頻檢索主要還是靠人工進行，但隨著視頻圖像結構化檢索技術的進一步發展，以及高效存儲、塊存儲技術和視頻智能分析技術的不斷提升，海量連續視頻數據檢索的實戰應用會越來越近、檢索結果也會越來越準，并最終帶來更便捷、精準、高效的聯系視頻結果。

參考文獻

[1]郭曦.智能分析或讓海量視頻檢索成為現實[J].中國公共安全：學術版，2013，（6）：102-108.

[2]胡吉明.淺析基于內容的視頻信息檢索技術[J].圖書館學研究，2006，（2）：57-59.