隨著全國各地平安城市建設進程的加快，城市中建設的視頻監控攝像頭數量呈指數級別持續快速增加，北京、上海兩市的攝像機數量均已經超過100萬級，深圳市的攝像頭分布密度均更是達到了每平方公里205個，大量的攝像機對城市的各個角落、各條道路都進行了實時的視頻采集。由此帶來兩方面的挑戰，首先，傳統的采用“人盯屏”的方式進行人海監控戰術，將會耗費大量的人力物力且效率低下；其次，每路高清攝像機每個月存儲的視頻數據已達PB級，快速搜索某時間或某些特征的視頻段時，這個看似簡單的想法，操作起來卻猶如大海撈針。

　　視頻數據記錄的主要是一系列像素的數字化信息，包含亮度、色度、飽和度等信息，是基于非語義化內容的數據，雖然信息量非常龐大，但是計算機無法理解其包含的內容和所表達的語義。公安案件偵查過程中，能夠獲取到的線索信息往往都是碎片化、不完整的，例如需要檢索案件現場周圍多個攝像頭相關的視頻數據中出現的一位穿紅上衣、黑褲子的中年男子，或者要檢索經過某十字路口車牌號碼為58結尾的黑色奧迪車等等，遇到這些場景，如果采用傳統的回看錄像的方式，耗時費力。有沒有一種類似谷歌或百度搜索引擎的技術，可以通過輸入文本化的信息作為條件，就可以對海量的視頻內容進行快速檢索，方便案件偵查人員快速獲取視圖情報？基于圖像智能分析技術的積累，視頻結構化技術應運而生。

　　基于視頻結構化技術建立公安圖偵大數據

　　“視頻結構化”其實就是一種視頻內容信息提取的技術，通過該技術可以在堆積如山的海量視頻中，就像搜索引擎一樣直接輸入人、車、物的特征信息就能在7×24小時錄像里面搜索到符合這個特征的目標和與之對應的所有視頻，突破視頻大數據應用的瓶頸。從技術上來講，視頻結構化描述技術是對視頻內容按語義關系，采用時空分割、特征提取、目標識別等手段，按標準將視頻內容組織成可供計算機和人理解的文本信息的技術。通過該技術，系統可以從海量數據中對視頻多媒體數據進行結構化處理，提取視頻圖像中運動的人、車、物和空間坐標以及靜態背景等信息，并通過視頻結構化大數據分析平臺進行分析、比對、碰撞，提煉更有價值的視頻信息或者情報。

　　要實現視頻大數據應用，就必須為視頻圖像中的目標和事件貼上屬性的語義化標簽，也就是視頻結構化描述的過程。視頻結構化描述技術是高清視頻監控系統的發展方向，其核心是智能視頻分析算法，做到自動把視頻中的特征提取出來并貼上標簽后入庫，大量的標簽信息記錄存儲下來后，形成可語義化檢索的視頻大數據。只要這樣，才能實現海量視頻的快速查詢和碰撞研判。結合大數據檢索數據，更可以實現十億級數據的秒級響應，可大大提升公安有案件偵查過程中檢索視頻資源的效率。

高新興視頻結構化大數據分析業務流程

　　分析視頻中的運動目標并進行“智能標簽”

　　視頻大數據的搜索與挖掘以人們關注的視頻內容為主。但是，傳統的視頻監控內容除了時間和空間的屬性外，并沒有其他的標簽。視頻監控圖像從數據到信息，結構化是關鍵，須為視頻圖像中關注的信息（人、車、物、事件等）貼上智能標簽。一張普通的圖片，不同的人能夠不同的角度可以獲取到不同的信息，因此如何按照標準、從最少的維度通過計算機去描述該畫面，將非結構化的圖像數據轉變為結構化的信息是至關重要的。視頻目標的標簽越準確，檢索則越準確；反之，視頻目標的標簽失準，定位就越模糊，甚至無法定位。

　　為了解決視頻圖像中運動目標的結構化描述，高新興采用計算機視覺、深度學習技術，將場景中背景和目標分離，按標準實現視頻圖像的摘要、分析、識別、處理、比對等智能應用功能，實現視頻內容特征的自動理解、智能識別和自動定位，并對異常行為視頻自動預警、將視頻非結構化數據進行結構化描述存儲，提高視頻系統應用效能。

高新興視頻結構化的信息提取技術

　　高新興視頻監控運動目標結構化描述主要應用的技術如下：

　　1.人員的特征提取與識別

　　a)人臉檢測與識別

　　基于各種場景的監控視頻圖像，從實時視頻中檢測并識別人臉信息，將人臉特征按標準提取并存儲到人臉特征庫中，并將抓拍到的人臉信息與選定的人臉庫中的特征庫實時比對，找出人員信息。

　　b)行人檢測與特征識別

　　在實時視頻中，對監控環境進行行人目標的檢測，并根據圖像序列數據按標準提取分析出行人的性別、年齡段屬性、衣著顏色等特征信息。

　　2.車輛特征提取與識別

　　針對交通管理的海量數據處理需求，智能交通系統除了實現大量抓拍圖片、車輛數據、視頻數據的實時傳輸和快速存儲，還需要將各類多媒體數據和車輛特征信息合二為一，從而實現對目標車輛進行多條件檢索定位，并進行比對報警。為了實現交通監控領域的大數據分析和處理，需要通過視頻內容進行智能分析，記錄車牌、車身顏色、車型、車標、方向、駕駛人員照片以及駕駛人員是否系安全帶、打電話等安全駕駛信息。

　　a)車輛檢測

　　對視頻攝像頭監控道路范圍內的過往車輛進行實時檢測與跟蹤，并自動抓拍、記錄車輛的特征圖像、過往時間、車速等信息。

　　b)車牌識別

　　基于視頻圖像的車牌識別技術，主要就是應用計算機視覺技術和模式識別技術，對視頻圖像中存在的車牌進行自動車牌定位、分割字符、提取特征，并最后識別出車牌號碼的技術。車牌識別技術的核心包括車牌定位算法、字符分割算法和字符識別算法等部分。

　　c)車身顏色識別

　　基于視頻圖像的車身顏色識別，就是對檢測到的車輛圖像進行定位、抽取出車身的區域，并進行顏色分析和判斷識別。車身顏色識別包含對汽車車身位置的定位、視頻圖像的亮度分析、顏色校正和判斷識別等處理。

　　d)車型識別

　　車型識別主要是根據車牌檢測與識別結果，分析車輛的大小、輪廓特征等信息，從而判斷出車輛的類型信息。

　　e)車標識別

　　車標識別就是在車牌定位的基礎上，檢測定位出車標的圖像區域，并提取圖像區域的形狀、大小尺寸等信息，從而分析識別出汽車的廠家類型信息。

　　f)駕駛人員信息提取

　　針對交通監控系統進行二次結構化，處理采集的圖片，從圖片中提取出駕駛人員的照片或者根據顏色、紋理等特征記錄駕駛人員是否系安全帶等。

　　3.事件結構化

　　視頻分析能夠發現監控區域中運動的物體，并對這些目標進行記錄。除此之外，還可以根據實際應用需求，對視頻圖像中異常行為或者特定行為進行事件的結構化。

　　行為分析類：異常奔跑、滯留徘徊、激烈運動、人群聚集、物品丟失以及物品遺留等異常事件。

　　周界防范類：單向跨線、雙向跨線、翻越欄桿、進出禁區、區域內出現以及區域內消失等事件。

　　4.視頻大數據的快速檢索與匹配

　　視頻大數據搜索是針對視頻圖像中所有已經進行結構化描述的目標或者事件信息進行全文檢索，將目標出現的時間、地點（背景信息）以及目標特征作為條件對目標進行查找。通過查詢結果可快速了解目標的相關信息，并且回溯原始視頻進行查看。

　　對人員檢索，除了“人”這個關鍵索引之外，還可以檢索衣服、褲子顏色，性別、年齡、膚色、體型高矮胖瘦等特征屬性。人員檢索如圖所示：

基于人員特征的人員快速匹配

　　對于車輛檢索，除了車輛目標出現的時間以及地點信息以外，車輛檢索條件還包括：車牌號碼、車牌類型、車牌顏色、車輛類型、車輛品牌、車身顏色、運動方向、駕駛人員照片、駕駛行為（是否違章）等。車輛檢索如圖所示：

基于車輛特征的車輛快速匹配

　　通過分布式搜索引擎，打破傳統數據庫在大數據條件下查詢速度的瓶頸，可支持10億級過車數據秒級快速查詢，提高監看人員從視頻中提取線索和證據的效率和精度。

　　大數據分析、云計算保駕護航

　　為了支撐爆炸性增長的各類安防監控數據的管理與應用，運用云計算技術、分布式計算技術、數據倉庫技術、數據交換技術、數據挖掘技術以及各種非結構化數據處理技術進行視頻大數據的處理和分析，在此基礎上提供適合視頻大數據搜索、挖掘和管理服務，海量視頻數據的檢索不再是大海撈針。

　　基于視頻結構化技術，通過視頻內容分析和模式識別，實現運動目標檢測跟蹤、目標檢測、人/車輛特征提取和人臉比對等視頻結構化描述和圖形圖像處理技術，為實現實時視頻內容的結構化描述及信息化管理提供“智能的大腦”。大數據分析平臺是視頻大數據計算與存儲的“心臟”，具有分布式、統一存儲、統一訪問、動態擴容的特點，用于匯集視頻智能處理的視頻摘要、視頻片段、抓圖、特征數據、空間坐標以及案事件等大數據，從而實現視頻大數據的綜合利用，視頻大數據的搜索和挖掘成為囊中取物。助力公安圖偵實戰業務效率上升到全新的臺階。