安防行业视频检索技术的分类

　　
　　概述
　　

        视频监控检索是针对视频监控平台，为用户查找视频监控信息的检索。用户通过录入相关监控事件的检索信息，由系统运算并返回检索结果。

　　视频监控检索关注的数据以视频为主，主要目的是定位查找某个事件的起因和关联的发展过程，事件的关键信息数据包含：时间、地点、主导事件的人或物、图像和声音信息。检索条件传递的信息越丰富，定位越精准，检索的算法也就越简单；相反，检索条件传递的信 息越简单，定位就越模糊，想要精确定位时，检索算法的难度也就越大 。一般来说，用户期望检索条件简单，同时也能定位精准。

　　视频监控的检索技术目前还未能做到像搜索引擎那么全面、系统地对海量数据建立索引，该技术还受到行业发展阶段和需求的一些限制。视频监控检索中有个非常关键的索引是时间。对监控来说时间是一个事件发展的生命线，虽然时间单独作为索引没有意义，但当时 间与监控事件中的关键信息进行关联后，索引的建立就显得非常实用了。如通过视频移动侦测信息定位时间再获得相关视频，用户手动标记信息定位时间，另外通过设备智能检测标记信息的应用也非常普遍。视频监控检索在应对海量的视频数据时，建立一 个可维护更新、信息多样的索引已经越来越有必要。

　　安防视频检索面临的挑战

　　高清视频海量数据

　　随着监控行业的发展和硬件技术的提升，提供清晰高质的监控图像已成为可能，这也 给 予用户更多、更灵活的应用。但高清也带来了大数据量存储的难题——数据存储已不能仅仅依靠简单的几个磁盘来应对。在城市安防中，系统面对的是几十万路的视频，若使用高清视频将是个惊人的数据量。高清带来的海量的存储数据，给检索带来难题。

　　录像存放周期长

　　监控数据相比其它数据而言有着特殊的社会价值，不能随便删除销毁。在刑事案件中，犯罪份子从预谋到犯案往往存在较长时间的潜伏期。在对事件进行查证时，监控数据的完整性也可能成为决定破案的关键。在特殊的行业应用里，监控数据已作为生产作业的统计备案资料，因此存储的数据也将作为档案备份存放。总而言之，录像存放时间长造成数据量的庞大，给视频检索带来挑战。

　　设备品牌多、数量多

　　监控行业在数字化的过程中，行业化也日趋明显。监控产业正在不断扩大和渗透到各个行业里，愿意投身到监控行业发展的公司也越来越多。视频监控设备在产业中占较大比重，其硬件技术除了核心芯片以外，其它方面的门槛并不高，造成了如今各种OEM厂家遍地开 花 的 局面。行业中监 控 设备 也 没有绝对的技术标准，实际上对网络视频监控平台增加了难度。

　　视频检索技术的分类与做法

　　基于特定码流和时间检索

　　常见的视频检索技术主要分为两大类：选中码流和选中时间。顾名思义，选中码流，是指对码流进行选择；选中时间，是指在时间上进行检索，选中某一时刻或时间段的视频。

　　对于选定码流，可以是直接通过摄像机的名称、编号等进行检索，选中感兴趣的码流。因此可引伸出来一些具 体 的 应 用：如 ，知 道 地 理 位 置，在 设备 资 源 树 分 级 里 进 行 检 索；知 道 设 备 编号，进行编号的快速查找；知道名称，对名称进行的模糊检索以确定具体码流 ；也 可 借 助 电 子 地 图，知 道 设 备 的 大概 位 置，在 地 图 上 进 行 查 看，从 而 选 定码流。而对于选中时间，常常是在选中码流的基础上进行的，可以是选定一路或者多路的码流，精确到以秒为单位的检 索；也 可 以 是 所 有 的 码 流 ，关 注 在 某一时间点开始的视频，对应的是多路同时同步回放检索。目前较为主流的切片检索、快照检索、基于时间轴的拖动快速预览检索均是属于这一类，先选中码流，再 选 中时 间 。

　　 切片检索，指使用者知道具体感兴趣的物体、人或车在哪一位置，对应的是哪一路码流，但不确定是在什么时间发现变化，出现或者消失，或者其它 的 状 态 改 变 。切 片 检 索 可 理 解 为二分法，将指定的码流在时间上进行等分，通过两两快照的对比，找到感兴趣的物体发生变化的那一时刻。快照检索，是基于先选定某一时刻，再选择一组码流或所有码流进行快照显示，通过快照的检索。这种应用主要解决知道某些人 、车 、物 体 等 在 某 一 时 刻 出 现 过 ，但在哪个位置出现，不清楚的情况，可通过快照检索，快速检索出来。基于时间轴 的 拖 动 检 索，则 是 选 定 码 流 的 基 础，通过拖动时间轴，确定时间点的检索，优点是可以自由控制检索的速率，快速完成对选定码流的检索。

　　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)