基于图像变动技术检索
对 于 录 像 视 频,人们 感 兴 趣 的 往 往是图像发生变化的应用,如此引申出来的是对于VMD技术在检索中的应用。该应用可以是事先在录像存储的时候,将前 端 移 动 侦 测 的 值 保 存 在 索 引中,与 视频数据进行关联,在事后进行检索时,只需要输出具体的VMD值,设定场景变化的阀值,把超过阀值的一路或多路视频 挑 出 来 ,即 可 将 场 景 变 化 较 大 的 某 时刻视频检索出来;该应用也可直接将场景变化的程度直接在时间轴上反映出来,直接通过时间轴即可知道场景变化的程度;该应用还可以是对录像文件进行事后的VMD检索,将事后生成场景变化的值,再进行基于场景变化的检索。
基于图像识别技术检索
作为安防视频监控,事故的发生往往是不可预见的。对过往的录像视频,常常会需要针对具体的事故去按照指定的一些条件,重新设定一些规则,提取出感兴趣的视频数据。这类条件,主 要 分 为两 类,一 类 是 基 于 行 为 的,如越 线、逆行、丢失、遗留物、徘 徊、区域入侵、人 数 统计、车速测 试、烟 感 等功能的分析,另一类是基于识别的,如人脸识别、车牌识别等技术。以上的这两大 类 都 是 基 于 图 像 分 析 的,在 事 后 对 具体的视频数据设定感兴趣区域,设定规则,进行图像分析的检索技术。此类技术对图像分析的算法要求较高。
基于事件检索
安防监控系统往往不会是单一的视 频 监 控 ,会 结 合 一 些 第 三 方 的 系 统 ,如 门 禁 、报 警 、消 防 等 系 统 ,也 会 结 合一 些 生 产 业务 相 关 的 系 统,又 或 者 是 一些前端或后端的智能分析系统。这些系统结合起来形成立体式的安防系统,安全等级高。而当这些系统报警时的视频往往是用户最为关注的。对于这类的检索,可归纳为基于事件的检索。这类 检 索 的 特 点 是 ,用 户 事 先 设 定 好 一 些条件或者规则,当视频符合这些条件或规则后,会判定为一类事件,再把这个事件对应的码流和时间一一对应,保存下来。对于这种基于事件的检索,事后只需要根据事件的一些条件,即可把相关视频检索出来。此类检索的特点是可快速地把具体的符合某一类规则事件的视频检索出来,针对性强。
建立前期索引和后期索引
由于数据量大,检索时无法把所有数据都遍历一次,这样会消耗很多时间。通常在检索时采用索引的方法,由索引与存储数据建立的对应关系,通过索引快速定位到存储数据上,这个是检索 较 为 常用 的 方 式 ,而 对 于 视 频 监 控 系统的检索则可以分为前期索引和后期索引。
前期索引可以理解为在实时存储的时候已经建立的索引,在存储的同时更新索引。主要建立的是时间点和录像存储磁盘区域的对应关系,在监控系统中是在视频回放等基础功能时用于搜索使用,当存储进入覆盖的时候前期索引会根据录像数据而删改。
后期索引会根据用户在检索时所输入的条件,动态的生成索引,然后将这些索引进行保存,以供其他人使用。结果出来后,系统会把结果按照索引的格式进行保存,这样就完成了索引的重建步骤。它一般与智能分析系统相结合,比如车牌识别系统,由于车牌识别需 要 消 耗 大 量 的 系 统 运 算 资 源 ,可 能 无法做到所有路数都使用,而当发生事故用户需要对特定摄像机的车牌进行识别的时候,系统就会为每路摄像机生成一个后期数据索引,然后系统把所有搜索出来的车牌数据存放进入这个索引中,把事后检索到的车牌与存储数据做对比,让用户可以快速检索。当其他用户检索同样的事件时,系统不再重新对 视 频 进 行 分 析,需 直 接 采 用 之 前 的 索引呈现出结果即可。
进行多维检索
Google搜索网站的很多用户需要检索的事件并不是单一条件的。为了更准确的找到确定的事件,用户可以在检索的时候输入多个检索条件同时进行检索,我们称之为多维检索。
多维检索能在用户知道多个条件的前提下,更精准的找到所需要的录像数据。比如索引可以建立成“VMD变化率超过30%”,同时“所检索的视频数据中有人穿红色衣服”。通过这两个检索条件,索引系统会同时在一台摄像机的VMD索引和颜色索引中进行比对,并且把比对的交集呈现给用户。通过这种方式,用户所得到的结果范围会更小,这样用户也更容易找到所需要的结果。
多 维 检 索 看 起 来 简 单 ,但 是 实 现 多维检索必须有强大的检索引擎。这个是很多软件平台厂商都忽略的一个功能。
结束语
随 着 安 防 行 业 的 飞 速 发 展,数 据 量的快速增长已成为现实,如何更好解决这些海量数据带来的系列问题则成为拉开平台差距的主要因素。
(作者单位:广州睿捷网络科技有限公司)
【想第一时间了解安防行业的重磅新闻吗?请立即关注中安网官方微信(微信号:cpscomcn)——安防行业第一人气微信,万千精彩,千万不要错过!!!
网友评论
共有0条评论 点击查看全部>>24小时阅读排行
本周阅读排行