文/孙朋 丁明皓
摘要： 本文通过使用图片或将视频关键帧结构化后的图片进行深度分析和提取，把图片的构成元素变成可存储到数据库中的元数据，作为大数据手段研究的最基本数据信息。对人、车辆和活动目标的特征属性进行提取、分析和识别，组织成可供计算机和人理解的数据信息，并进一步实现视频数据向信息、情报的转化。
关键字： 视频结构化 视频元数据 特征提取
1引言
随着平安城市建设的发展，视频监控数据体量越来越大，包括结构化、半结构化、非结构化等多类型数据。当前，视频卡口系统主要通过车牌进行车辆识别，并以车牌为检索条件，实现从海量过车图片中查找目标车辆。一旦有经验的犯罪嫌疑人或交通肇事者使用假牌、套牌，或进行车牌遮挡、摘掉等，仅能识别车牌的常规系统就难以有效获取目标车辆的动态信息。遇到该类情况，通常只能依据车辆本身固有和难以更改的信息，如品牌、型号、颜色、车内装饰、年检标志等，采用“人海战术”从海量过车图片中进行查找和识别。但受制于肉眼识别劳动强度的极限，再加上车型种类繁多、拍摄光线、角度倾斜等不确定因素影响，无法保证查找的准确性和时效性，尤其突发紧急案件时，往往会贻误最佳破案时机，导致相关情报研判的响应速度越来越慢，案件侦破进程严重滞后。如何依托大数据、云计算等技术，深度挖掘人和车辆数据之间的隐藏关系，将海量的数据高效利用起来，辅助趋势研判、预测分析，将视频内容中的重要信息进行结构化提取，对视频内容按照语义关系，采用时空分割、特征提取、对象识别、深度学习等处理手段，组织成可供计算机和人理解的文本信息或可视化图形信息，从而实现视频数据向有效情报的转化。这将成为公安机关提升核心战斗力的关键。
2 实现思路
定位“海量视频过滤网，网罗有价值信息”，作为视频监控系统的提档升级手段，提供视频解析功能，实现从海量视频图像资源中提取有价值信息，过滤冗余数据，形成视频结构化数据积累，支撑公安实战应用。
可从视频共享平台/联网平台获取实时视频、录像视频、图片，将其中的活动目标的特征进行结构化描述，形成有价值的活动目标的图片资源与结构化数据资源积累。依托大数据、云计算等技术建立结构化数据模型，通过融合、碰撞、分析，提供时空分析、线索排查、录像摘录等场景化的应用功能，深化公安视频图像应用实战能力。
2.1 结构化原理
视频结构化自动特征提取技术就是从海量的视频图像中网罗有价值信息，将结构化、半结构化的视频图像数据进行二次提取分析，形成有价值的数据积累，为系统的深度功能应用提供基础数据。充分发挥视频侦查手段在公安工作中的重要作用，全力支撑动态化、信息化条件下信息分析研判工作深入开展，视频结构化自动特征提取技术已成为现阶段安防行业非常流行的应用技术。
视频结构化自动特征提取技术的工作流程结构如下：
如图1所示，前端视频监控实时或历史视频流数流向视频联网共享平台，再由数据联网共享平台流向结构化分析单元，结构化分析单元将视频流结构化成特征数据存入数据库中，同时将结构化的关键帧图片和视频摘要存入云存储中，应用服务器根据客户端应用功能需求调取数据库中的结构化数据、云存储中的视频关键帧图片。
视频结构化自动特征提取技术，简单来说就是指对视频内容按语义关系，采用目标检测、特征提取、对象识别、深度学习等分析手段，组织成可被计算机和人识别、理解、检索的文本信息的技术。从数据处理的流程看，视频结构化提取技术就是能够将视频转化为人和机器可理解的信息。
在结构化中，我们把人作为一个可描述的个体展现出来，其中有很多可结构化描述的信息。对于车辆的描述信息包括车牌、车身颜色、车型、品牌、子品牌、车贴、车饰物等。
2.2 融合大数据
大数据技术是挖掘和展现大数据中蕴含价值的系列技术与方法，包括数据采集、预处理、存储、分析挖掘、可视化等。在视频结构化自动特征提取技术中采用的大数据技术，是结合公安视频监控业务的实际需求，基于分布式计算、大数据检索等技术进行设计的，主要解决海量结构化与半结构化视频资源的快速检索、分析统计等应用需求，并通过大数据的深度关联分析，支撑公安机关开展视频图像信息实战应用。
大数据检索技术是针对视频大数据搜索业务而打造的一套搜索引擎，具有专业精准、高扩展性和高通用性的特点。全文检索作为大数据检索技术的实现与应用，能够快速生成海量文件对应的索引数据，同时对搜索引擎的配置管理进行人性化的定制，使全文检索集群的管理、监控与扩展都变得十分简单，极大提高了系统的可用性。
通过视频结构化大数据的图墙功能，可以将结构化的数据以多种方式展现出来。通过对海量数据的深度加工，多维度的数据挖掘，丰富的数据展现形式，从而及时掌握整个系统运行的各项数据，有效呈现视频大数据的运行情况和使用情况，为视频大数据的指挥决策提供保障。
2.3 融合云存储
云存储是在云计算（cloud computing）的概念上延伸和发展出来的新概念，是指通过集群应用、网格技术、分布式文件系统等功能，使用存储虚拟化技术将网络中各种不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问功能的系统，也可将云存储理解为配置了大容量存储设备的云计算系统。
在视频结构化自动特征提取技术中，针对公安应用特点，采用面向基层业务的设计思路，融合集群化、虚拟化、离散存储等技术，规划图片云存储，共同对外提供高性能、高可靠、不间断的图片存储和业务访问服务。
多种技术融合的视频大数据系统，包括视频应用、车辆应用、应用配置等功能模块，包含车辆查询、以车搜车、特征搜车、过车查看、一车一档、身份确认等三十余项功能应用，在案件研判、侦破中发挥了重大作用。
3 技术应用
视频结构化自动特征提取技术特点包括：
1）视频查找速度得到大幅度提升。视频结构化之后，从百万级的目标库中(对应数百到一千小时的高清视频)查找某张截图上的目标数据，数秒即可完成;千万级的目标库中查找，几分钟即可完成。在结构化基础上进行检索查询，可以解决快速目标查找问题。
2）存储容量极大的降低，经过结构化后的视频，存储人员的结构化检索信息和目标数据只占视频数据量的2%；对于车辆则不到1%；对于行为降得更多。存储容量极大地降低，可以解决视频长期存储的问题。
3）视频结构化可以盘活视频数据，作为数据挖掘基础，视频经过结构化处理后，存入相应的结构化数据库，对各类的数据库可以进行深度的数据挖掘，充分发挥大数据作用，提升视频数据的应用价值，提高视频数据的分析和预测功能。
4 结语
通过视频建设的视频结构化升级，将海量原始视频图像中的活动目标进行结构化解析，形成有价值的数据积累，可使办案民警快速地找到关注目标的线索信息，提高案件侦查研判效率，最终实现公安视频监控实战应用全面深化。能够在缩减人力成本的同时，提高视频监控系统的应用效能。依据“解析存储应用”的建设思路，在视频共享平台/联网平台的基础上，将视频图像资源中用户关注的活动目标进行结构化解析，形成解析数据资源库，提供特征检索、轨迹回放等应用功能，并依据实战应用需求，设计时空分析、线索排查、历史摘录等场景化的业务应用，支撑视频图像信息和公安实战业务应用。在大数据时代，利用视频结构化实现视频图像结构化数据提取，将是公安机关实现安防大数据应用的重要基础建设。
随着安防科技的迅猛发展，前端解析+存储的高集成方式探头的技术会越来越成熟，将视频结构化的数据汇聚到系统核心的处理结构会更有利于整个系统应用的部署，未来人工智能的引入会让视频工作从建设到维护、从设计到应用更加智能，更加合理。视频结构化自动特征提取技术必将会为视频数据的智能化提供强有力的支持，从而使主动式防控系统成为可能，使利用视频信息情报指导侦查、破案的新型警务工作模式成为可能。未来的平安城市建设将更趋于智慧化、智能化，实现公安视频图像侦查、分析、研判和应用一体化。
参考文献
[1]何明.智能交通基于视频、图像的大数据分析应用[J].智能城市,2016,(10),112.
[2]王懂懂,魏永忠.大数据3.0时代：智慧警务建设的实践与思考[J].广西警察学院学报,2018,(1),65-70.
[3]张虎,李明东.云存储技术及其应用[J].宜宾学院学报,2012,(12),68-70.
声明：本文来自公安部检测中心，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
