海量视频数据快速检索方法研究

　　有效视频数据提取

　　该方法的技术基石是图像分析技术中的移动侦测技术。该技术在业界已经比较成熟。移动侦测我们可以在前端设备中完成，也可以通过后端处理来执行。以24小时录像来说，闹市区场景的录像可能有1/3左右的录像是无运动目标；而郊区场景的录像可能有2/3左右的录像是无运动目标，在检索视频数据时，我们只需要观看有运动目标的视频数据即可，无论是1/3或2/3，均能显著降低所需检索视频数据的大小。
 

　　但是，在执行完视频浓缩后，似乎又陷入了人海战术的困境。如今，智能化监控大行其道，我们的智能分析算法能为视频检索带来什么呢？目前，业界推出的智能产品已经有周界防范、车牌识别、人脸识别等较成熟产品，在这些产品里面，触发周界防范规则的物体，被识别的车牌和人脸，都可作为视频检索的输入检索条件。智能算法可以集成在前端嵌入式设备中，也可以在后端设备中进行视频数据的分析。除了利用移动侦测技术外，这里提出提升海量数据检索速度的第二个方法：

　　基于智能视频分析算法的检索

　　前面提到，一段24小时的录像，人工查看即使用4倍速查看也需要6小时，而利用计算机通过智能视频分析算法进行视频的自动检索，检索的速度则取决于视频解码和分析算法的运行速度。我们以对4cif的视频数据执行周界防范算法为例，一帧视频数据解码加上算法执行的平均时间可以控制在10ms左右，也就是相当于4倍速。同样四倍速，一个是不知疲倦的计算机，一个是极易疲倦和出错的人脑。孰优孰劣，一目了然。

　　然而，利用计算机进行视频数据自动分析及检索，引出了海量数据快速视频检索的一大挑战，视频数据解码及智能视频分析算法将消耗大量的计算资源，计算机的性能瓶颈将严重制约海量数据的检索速度，检索效率还是无法得到有效的提升。如果我们检索对象是海量视频数据经过解码并通过智能算法分析后输出的智能源数据(Meta Data)，检索速度将大大提高。这里提出提升海量数据检索速度的第三个方法，也是关键性的方法。

　　基于视频数据的元数据的检索

　　如果我们把1段24小时的录像，经过解码，智能分析，把获取到的智能元数据都存储下来，对元数据的查询速度可以达到十秒的量级。

 

　　我们来回顾一段24小时录像文件的查询速度提升过程：人工，正常速度查询，24小时；人工，四倍速查询，6小时；视频浓缩后，人工四倍速查询，3小时左右；视频浓缩后，基于智能分析算法查询，3小时左右；基于视频数据的元数据查 询 ，十秒量级。

　　可以看到，最后一步才是质的提升，检索速度量级的飞跃。到此，看上去很美，真的这么美吗？基于元数据的查询存在哪些问题呢？

　　移动侦测算法虽然比较成熟，但对于飞虫干扰、灯光干扰、树叶抖动等问题目前还没有特别有效的解决办法；基于智能分析算法的检索，比如车牌识别、人脸识别，对视频数据的场景要求比较高，普通的治安监控视频基本无法执行这种分析。对于视频场景适应性相对较好的周界防范，行为分析算法来说，虽然能较为准确分析出目标，但是对于目标进一步的分类，比如人、物、非机动车、机动车、目标的属性特征,比如颜色、纹理、形状等，目前还是业界面临的技术难题。

　　虽然有上述两大难题，随着元数据的标准化，以及前端设备实时产生元数据和后处理产生元数据两种机制和产品的并存，基于元数据的检索必然会成为海量视频数据检索的主流。
 

【作者单位：杭州海康威视数字技术股份有限公司】

  【中安网原创稿件声明】转载中安网文章时应遵循以下三个规则：1、保持原创文章中图表、图片、音视频的完整性；2、完整标注文章作者［文章前后有说明］；3、转载中安网原创中部分内容也要完整标注来源"中安网"，违者本网将依法追究。