视频数据挖掘技术在监控系统中的应用

　　结语

　　监控系统的主要用途之一是为了在监控场景中发生各类异常事件时，用户可以及时发现这类事件并进行处理，但是在缺少视频数据挖掘技术时，监控系统很难发挥应有的效能。视频数据挖掘技术可以从视频中获取描述运动目标的各种元语义信息，并结合用户事先设定的规则生成报警事件描述性语义信息，并及时通知用户，使用户能够及时对这类事件做出反应。这类视频数据挖掘技术已经发展到一定的成熟度，并在机场、铁路、监狱、油田、住宅小区等监控领域有了较多的应用，但是这类技术具有比较强的场景依赖性，在比较复杂多变的场景下其应用效果还需要进一步提升。
 

　　监控视频中包含了大量统计类信息，这类信息对管理优化及决策辅助有宝贵的应用价值，例如连锁店的客流量、保有量及客户购买率等信息对于连锁行业客户非常重要，现阶段要获取这类信息一般只能靠人工方式统计，成本非常昂贵。视频数据挖掘技术可以通过安装在连锁店门口的摄像机获取进出店门的人员视频，并从视频中获取进出人员及人员运动轨迹等元语义信息，并最终根据用户设定的需求生成各类统计报表。目前，由于技术限制，从视频中挖掘的统计信息虽无法保证百分之百精确，但是其胜处在于获取的数据量庞大且成本低廉。

　　监控视频数据是埋藏了大量有用信息的“宝库”，由于巨大的“语义鸿沟”存在，我们一直以来对这座宝库可望不可及，借助数据挖掘技术这座“桥梁”我们有望跨越这条鸿沟。然而由于视频数据包含的信息非常庞大且各行业对于信息的需求不同，不同的视频数据挖掘技术的成熟度有所不同，有些已经可以成熟应用，而有些还处于起步阶段，需要监控技术供应商及集成商付出长期的努力来完善该类技术。

 

　　数据挖掘流程

　　视频数据挖掘的目的是建立底层视频数据到高层语义信息之间的映射关系，由于这种映射关系比较复杂，一般采用多层次的信息提取及映射技术来最终实现数据挖掘过程，其信息提取的层次模型可以由图3表示。在视频数据挖掘过程中，从底层的视频数据中首先提取低层图像特征信息，包括图像纹理、图像色块、运动矢量、图像边缘、灰度直方图等信息，这类信息无法为我们所直接理解，它们是提取元语义信息的基础。然后利用目标检测、目标跟踪、特征比对等手段从图像特征中提取元语义信息，包括运动目标、运动目标轨迹、车牌图片、人脸图片等，这类信息已经可以为我们所理解，但是离最终应用还有距离。最后将元语义信息融合为高层的语义级描述信息，例如融合运动目标轨迹信息及用户设计的禁区信息所生成的描述内容为“发现有人闯入禁区”的语义级报警信息，再例如融合目标行人目标检测信息及运动轨迹信息可以生成客流量统计报表……随着提取信息的层次越高，其包含的信息量逐步减少，其信息的抽象程度越高，也更接近我们所能应用及理解的范畴。
 

　　行业应用分析

　　不同行业对于视频信息的需求及应用方式是截然不同的，因此很难开发出一套通用的视频数据挖掘技术去适用于各个行业。在现有的技术发展水平下，比较合理的做法是根据各行业的需求开发专用的视频数据挖掘系统。以下笔者将着重介绍异常事件报警应用及客流量统计应用。