視頻檢索智能視頻

智能視頻處理成為視頻監(jiān)控的“救命稻草”

智能視頻源自計算機視覺技術(shù)，計算機視覺技術(shù)是人工智能研究的分支之一，它能夠在圖像及圖像內(nèi)容描述之間建立映射關(guān)系，從而使計算機能夠通過數(shù)字圖像處理和分析來有限理解視頻畫面中的內(nèi)容。運用智能視頻分析技術(shù)，當(dāng)系統(tǒng)發(fā)現(xiàn)符合某種規(guī)則的行為（如定向運動、越界、游蕩、遺留等）發(fā)生時，自動向監(jiān)控系統(tǒng)發(fā)出報警信號（如聲光報警），提示相關(guān)工作人員及時處理可疑事件。

智能視頻算法的實現(xiàn)

智能視頻技術(shù)實現(xiàn)對移動目標(biāo)的實時檢測、識別、分類以及多目標(biāo)跟蹤等功能的主要算法分為以下五類：目標(biāo)檢測、目標(biāo)跟蹤、目標(biāo)識別、行為分析、基于內(nèi)容的視頻檢索和數(shù)據(jù)融合等。

視頻檢索目標(biāo)檢測

目標(biāo)檢測（Object Detection）是按一定時間間隔從視頻圖像中抽取像素，采用軟件技術(shù)來分析數(shù)字化的像素，將運動物體從視頻序列中分離出來。運動目標(biāo)檢測技術(shù)是智能化分析的基礎(chǔ)。常用的目標(biāo)檢測技術(shù)可以分為背景減除法（Background Subtraction）、時間差分法（Temporal Difference）和光流法（Optic Flow）三類。

背景減除法利用當(dāng)前圖像與背景圖像的差分檢測運動區(qū)域。背景減除法假設(shè)視頻場景中有一個背景，而背景和前景并未給出嚴(yán)格定義，背景在實際使用中是變化的，所以背景建模是背景減除法中非常關(guān)鍵的一步。常用的背景建模方法有時間平均法、自適應(yīng)更新法、高斯模型等。背景減除法能夠提供相對來說比較完全的運動目標(biāo)特征數(shù)據(jù)，但對于動態(tài)場景的變化，如光線照射情況、攝像機抖動和外來無關(guān)事件的干擾特別敏感。

時間差分法充分利用了視頻圖像的時域特征，利用相鄰幀圖像的相減來提取出前景移動目標(biāo)的信息。該方法對于動態(tài)環(huán)境具有較強的自適應(yīng)性，不對場景做任何假設(shè)，但一般不能完全提取出所有相關(guān)的特征像素點，在運動實體內(nèi)部容易產(chǎn)生空洞現(xiàn)象，只能夠檢測到目標(biāo)的邊緣。當(dāng)運動目標(biāo)停止時，一般時間差分法便失效。 光流法通過比較連續(xù)幀為每個圖像中的像素賦予一個運動矢量從而分割出運動物體。

光流法能夠在攝像機運動的情況下檢測出獨立的運動目標(biāo)，然而光流法運算復(fù)雜度高并且對噪聲很敏感，所以在沒有專門硬件支持下很難用于實時視頻流檢測中。

視頻檢索目標(biāo)跟蹤

目標(biāo)跟蹤（Object Tracking）算法根據(jù)不同的分類標(biāo)準(zhǔn)，有著以下兩種分類方法：根據(jù)目標(biāo)跟蹤與目標(biāo)檢測的時間關(guān)系分類和根據(jù)目標(biāo)跟蹤的策略分類。 根據(jù)目標(biāo)跟蹤與目標(biāo)檢測的時間關(guān)系的分類有三種：

一是先檢測后跟蹤(Detect before Track)，先檢測每幀圖像上的目標(biāo)，然后將前后兩幀圖像上目標(biāo)進(jìn)行匹配，從而達(dá)到跟蹤的目的。這種方法可以借助很多圖像處理和數(shù)據(jù)處理的現(xiàn)有技術(shù)，但是檢測過程沒有充分利用跟蹤過程提供的信息。

二是先跟蹤后檢測(Track before Detect)，先對目標(biāo)下一幀所在的位置及其狀態(tài)進(jìn)行預(yù)測或假設(shè)，然后根據(jù)檢測結(jié)果來矯正預(yù)測值。這一思路面臨的難點是事先要知道目標(biāo)的運動特性和規(guī)律。三是邊檢測邊跟蹤(Track while Detect)，圖像序列中目標(biāo)的檢測和跟蹤相結(jié)合，檢測要利用跟蹤來提供處理的對象區(qū)域，跟蹤要利用檢測來提供目標(biāo)狀態(tài)的觀察數(shù)據(jù)。

根據(jù)目標(biāo)跟蹤的策略來分類，通常可分為3D方法和2D方法。相對3D方法而言，2D方法速度較快，但對于遮擋問題難以處理?；谶\動估計的跟蹤是最常用的方法之一。

視頻檢索目標(biāo)識別

目標(biāo)識別（Object Recognize）利用物體顏色、速度、形狀、尺寸等信息進(jìn)行判別，區(qū)分人、交通工具和其他對象。目標(biāo)識別常用人臉識別和車輛識別。

視頻人臉識別的通常分為四個步驟：人臉檢測、人臉跟蹤、特征提取和比對。人臉檢測指在動態(tài)的場景與復(fù)雜的背景中判斷是否存在面像，并分離出這種面像。人臉跟蹤指對被檢測到的面貌進(jìn)行動態(tài)目標(biāo)跟蹤。常用方法有基于模型的方法、基于運動與模型相結(jié)合的方法、膚色模型法等。

人臉特征提取方法歸納起來分為三類：第一類是基于邊緣、直線和曲線的基本方法；第二類是基于特征模板的方法；第三類是考慮各種特征之間幾何關(guān)系的結(jié)構(gòu)匹配法。單一基于局部特征的提取方法在處理閉眼、眼鏡和張嘴等情景時遇到困難，相對而言，基于整體特征統(tǒng)計的方法對于圖像亮度和特征形變的魯棒性更強。人臉比對是將抽取出的人臉特征與面像庫中的特征進(jìn)行比對，并找出最佳的匹配對象。

車輛識別主要分為車牌照識別、車型識別和車輛顏色識別等，應(yīng)用最廣泛和技術(shù)較成熟的是車牌照識別。 車牌照識別的步驟分別為：車牌定位、車牌字符分割、車牌字符特征提取和車牌字符識別。

車牌定位是指從車牌圖像中找到車牌區(qū)域并把其分離出來。字符分割是將漢字、英文字母和數(shù)字字符從牌照中提取出來。車牌特征提取的基本任務(wù)是從眾多特征中找出最有效的特征，常用的方法有逐像素特征提取法、骨架特征提取法、垂直水平方向數(shù)據(jù)統(tǒng)計特征提取法、特征點提取法和基于統(tǒng)計特征的提取法。車牌字符識別可以使用貝葉斯分離器、支持向量機(SVM)和神經(jīng)網(wǎng)絡(luò)分類器(NNC)等算法。

視頻檢索行為分析

行為分析(Behavior Analysis)是指在目標(biāo)檢測、跟蹤和識別的基礎(chǔ)上，對其行為進(jìn)行更高層次的語義分析?，F(xiàn)有的行為分析技術(shù)根據(jù)分析的細(xì)節(jié)程度和對分析結(jié)果的判別要求可以分為三類：第一類使用了大量的細(xì)節(jié)，并往往使用已經(jīng)建立好的數(shù)據(jù)進(jìn)行分析而較少使用目標(biāo)的時域信息?；谌四槨⑹謩?、步態(tài)的行為分析方法屬于這一類；第二類是將目標(biāo)作為一個整體，使用目標(biāo)跟蹤的算法來分析其運動軌跡以及該目標(biāo)與其它目標(biāo)的交互；第三類是在前兩類的基礎(chǔ)上做一個折中，它使用時域和空域的信息，分析目標(biāo)各部分的運動。

視頻檢索圖像檢索

基于內(nèi)容的圖像檢索技術(shù)是由用戶提交檢索樣本，系統(tǒng)根據(jù)樣本對象的底層物理特征生成特征集，然后在視頻庫中進(jìn)行相似性匹配，得到檢索結(jié)果的過程?，F(xiàn)有基于內(nèi)容的檢索方法主要分為：基于顏色的檢索方法、基于形狀的檢索方法和基于紋理的檢索方法等。數(shù)據(jù)融合是將來自不同視頻源的數(shù)據(jù)進(jìn)行整合，以獲得更豐富的數(shù)據(jù)分析結(jié)果。

視頻檢索簡單的可以理解為從視頻中搜索有用或者需要的資料。

隨著“天網(wǎng)工程”、“平安城市”建設(shè)的不斷深入，視頻安防監(jiān)控技術(shù)的更新?lián)Q代、新技術(shù)的更迭以及未來的發(fā)展越來越受到各界的高度重視。高清視頻、視頻存儲、智能視頻分析等技術(shù)成為當(dāng)前視頻技術(shù)發(fā)展的主要方面。

2011年是我國安防行業(yè)飛速發(fā)展的一年，除了市場需求的增加外，政府的大力推動，特別是城市報警與監(jiān)控系統(tǒng)（“3111”工程）建設(shè)的完成及使用， 全國進(jìn)入了安防設(shè)施建高潮期安防行業(yè)得到進(jìn)一步高速發(fā)展?！S著安防行業(yè)的發(fā)展，視頻監(jiān)控面臨巨大的挑戰(zhàn)。

監(jiān)控攝像頭已遍布中國大地的每個街頭，晝夜不停地監(jiān)視和錄像。在改善社會治安的同時，產(chǎn)生海量視頻信息，對成千上萬個監(jiān)控平臺進(jìn)行監(jiān)控將耗費大量的人力、物力和時間。在海量的視頻中查找我們需要的信息，無疑是大海撈針，也給視頻監(jiān)控帶來巨大的挑戰(zhàn)。傳統(tǒng)的人海戰(zhàn)術(shù)，因效率低下以及容易錯過關(guān)鍵目標(biāo)，容易使視頻監(jiān)控處于“監(jiān)而不控”的狀態(tài)。如何化解這一危機，是現(xiàn)代安防的熱點和難點。視頻檢索和視頻濃縮是其中的關(guān)鍵。其中視頻檢索技術(shù)已經(jīng)逐漸成熟并開始走向市場。

在社會公共安全領(lǐng)域 ，視頻監(jiān)控系統(tǒng)成為維護(hù)社會治安，加強社會管理的一個重要組成部分。然而視頻錄像存在存儲數(shù)據(jù)量大，存儲時間長等特點，通過錄像尋找線索，獲取證據(jù)傳統(tǒng)的做法是要耗費大量人力、物力以及時間，效率極其低下，以至于錯過最佳破案時機。因此在視頻監(jiān)控系統(tǒng)中，錄像智能檢索已成為公安用戶迫切需求。2100433B

網(wǎng)絡(luò)信息檢索策略設(shè)計應(yīng)遵循快、準(zhǔn)、全及低成本的原則，以實現(xiàn)檢索策略最優(yōu)化。所謂快、準(zhǔn)、全，是指設(shè)計出來的檢索策略能夠快速、準(zhǔn)確、全面地從網(wǎng)上檢索到所需要的信息;低成本則是指以最低的費用獲取所需的信息。由于檢索網(wǎng)上信息要付通訊費，有些數(shù)據(jù)庫還要付數(shù)據(jù)庫使用費，因而降低信息成本對消費能力較弱的我國用戶有比較重要的意義。

主題分析

明確檢索需求后，就要對用戶課題的具體內(nèi)容作主題分析，這是正確選用檢索詞和邏輯算符的的關(guān)鍵，它將決定檢索策略的質(zhì)量并影響檢索效果。

主題分析就是對用戶的課題進(jìn)行主題概念的分析，并用一定的概念詞來表達(dá)這些主題內(nèi)容，同時明確概念與概念之間的邏輯關(guān)系。主題分析必須注意：

（1）概念的表達(dá)要確切。抓住課題的實質(zhì)性內(nèi)容，分析出課題中有幾個概念組面。

（2）找出核心的概念組面，排除掉無關(guān)概念組面，包括意義不大的概念和重復(fù)概念。用戶有時會認(rèn)為選取的概念組面越多，邏輯組配越細(xì)致，檢索結(jié)果的針對性越強。事實上，過多過嚴(yán)的概念組配很可能導(dǎo)致大量的漏檢，甚至結(jié)果為零。因此有時需要簡化邏輯關(guān)系，減少概念組面，以提高檢索效果。

（3）找出隱含的重要概念。如"智力測試"，隱含著"能力測試"、"態(tài)度測試"、"創(chuàng)造力測試"等概念。數(shù)據(jù)庫的標(biāo)引往往使用比較專指的詞，用戶對標(biāo)引規(guī)則不甚了解，往往會列出比較抽象的概念，而忽略了較專指的概念

（4）明確概念組面之間的交叉關(guān)系，即明確是邏輯"與"、邏輯"或"還是邏輯"非"的關(guān)系。哪些概念可以用來擴大檢索范圍，哪些可以作為進(jìn)一步縮小檢索范圍的主題詞。明確這些邏輯關(guān)系，有助于編制出正確的檢索式。

注意問題

如果對主題不熟悉，可采用關(guān)鍵性的文獻(xiàn)以確認(rèn)檢索詞匯和厘清概念。宜避免選擇太廣泛或模糊的詞匯檢索，且可以儲存并重復(fù)使用相同的概念和檢索策略以節(jié)省檢索時間。檢索時除了利用選定的檢索詞匯進(jìn)行檢索外，也可利用索引典、標(biāo)題表或系統(tǒng)自動提供之相關(guān)詞進(jìn)行檢索，以增加檢索結(jié)果。

選擇詞匯時，需注意「隱含性概念」和資料庫的關(guān)系。

總述

事實上，在構(gòu)造檢索策略過程中，要涉及到許多方面的知識與技能。諸如，用戶對檢索課題的明確程度，對檢索課題的分析；對數(shù)據(jù)庫及其系統(tǒng)特性和功能的掌握；編制邏輯檢索式的技巧以及調(diào)整檢索策略的方法等方面都會影響用戶檢索的整體效果。因此，制定檢索策略是一種全面的知識與技能，也是一種經(jīng)驗。掌握了這種技能和經(jīng)驗，再通過廣泛實習(xí)，可以獲得比較好的檢索效果。

所謂檢索策略，就是在分析信息提問實質(zhì)的基礎(chǔ)上，正確地選擇檢索詞(項)及相關(guān)數(shù)據(jù)庫、科學(xué)地擬定邏輯提問式、合理地規(guī)劃查找步驟的全過程。在科技查新的 檢索過程中，檢索策略的科學(xué)擬定是非常重要。

內(nèi)容

（1）確定檢索系統(tǒng)：根據(jù)課題選擇合適的檢索系統(tǒng)，它必須包括檢索者檢索需求的學(xué)科范圍和熟悉的檢索途徑。在計算機檢索中還需要確定檢索所需要的文檔名稱或代碼。

（2）確定檢索途徑：各檢索系統(tǒng)一般都具有許多索引體系（即檢索途徑），應(yīng)根據(jù)課題需要選擇自己熟悉的檢索途徑?？啥嗤緩脚浜鲜褂?。

（3）選定檢索詞：各種檢索途徑均須有相應(yīng)檢索詞（亦稱入口詞）方可進(jìn)行檢索。如分類途徑以分類號作為檢索詞，主題途徑以標(biāo)題詞、關(guān)鍵詞等作為檢索詞等等。計算機檢索還須選定檢索詞編制布爾邏輯提問式。

（4）調(diào)整檢索方案：根據(jù)檢索過程中出現(xiàn)的各種問題及時調(diào)整方案，擴大或縮小檢索范圍。

明確課題需求、選擇數(shù)據(jù)庫

檢索過程中的首要環(huán)節(jié)，就是要明確課題需求，第一步如果搞錯了，就談不上最后檢索結(jié)果的正確性。由于用戶對自己的需求，特別是潛在的、模糊的需求并不總是非常明確，因此需要進(jìn)行分析，以求得一個完整而明確的表達(dá)。在用戶需求分析中，應(yīng)搞清楚以下一些問題：

（1）分析課題檢索的目的通常有幾種類型：

1、開始某一項科學(xué)研究或承接某項工程設(shè)計，需要對課題進(jìn)行全面的文獻(xiàn)普查，并從中篩選出所需的資料，用以編寫可行性報告、計劃任務(wù)書等。對這樣的課題，應(yīng)選擇一個年限比較長的，收錄比較廣泛的相關(guān)專業(yè)的二次文獻(xiàn)數(shù)據(jù)庫，在全面回溯檢索的基礎(chǔ)上，選出相關(guān)的文獻(xiàn)，再獲取一次文獻(xiàn)。

2、為解決某個技術(shù)難題，查找關(guān)鍵性的技術(shù)資料。對這樣的課題，應(yīng)選擇工程和技術(shù)類數(shù)據(jù)庫或?qū)＠麛?shù)據(jù)庫。

3、為貿(mào)易與技術(shù)引進(jìn)、合資談判，了解國外市場、產(chǎn)品與公司的行情。查找科學(xué)數(shù)據(jù)庫以了解技術(shù)的先進(jìn)性，查找市場、產(chǎn)品、公司等商情數(shù)據(jù)庫以對手的情況。

4、為申報專利或鑒定成果，查找參考依據(jù)。以選擇國內(nèi)外專利數(shù)據(jù)庫為主。

5、為某項決策查找有關(guān)情報。根據(jù)決策的不同性質(zhì)，進(jìn)行綜合性的全面文獻(xiàn)調(diào)研，涉及到科學(xué)研究、技術(shù)研究、產(chǎn)品、市場等最新發(fā)展動態(tài)。

6、為撰寫論文查找相關(guān)文獻(xiàn)等。以期刊論文、學(xué)位論文等學(xué)術(shù)研究性的數(shù)據(jù)庫為主。

（2）明確題所涉及的學(xué)科范圍和專業(yè)面

明確課題所涉及的主要學(xué)科范圍、相關(guān)學(xué)科范圍、交叉學(xué)科范圍，并根據(jù)數(shù)據(jù)庫的主題收錄范圍進(jìn)行選擇。

（3）對文獻(xiàn)的新穎性程度的要求

對文獻(xiàn)新穎性要求高，就要選擇數(shù)據(jù)更新周期短、速度快的數(shù)據(jù)庫。

（4）用戶對檢索的查全與查準(zhǔn)要求

為滿足查全要求，就要普查多種數(shù)據(jù)庫，為快速滿足查準(zhǔn)要求，應(yīng)選擇主題范圍最專指的數(shù)據(jù)庫。

亦稱檔案信息檢索分類或檔案情報檢索分類。是以檔案記述的內(nèi)容為對象進(jìn)行等級分類的邏輯體系。它以國家機構(gòu)、社會組織從事的社會實踐分工為基礎(chǔ),以檔案記述的事物屬性關(guān)系為依據(jù),按照邏輯方法進(jìn)行統(tǒng)一分類，不受檔案所屬全宗的限制。主要用于編制卡片目錄和組織情報的機械化、自動化檢索，一般不適用于檔案實體管理的分類 (某些特殊專業(yè)檔案例外),檔案館的情報檢索分類系統(tǒng)與檔案實體分類排列上架序列通常是不一致的。為建立統(tǒng)一的檔案情報檢索系統(tǒng),一些國家制定有通用的、標(biāo)準(zhǔn)的分類方案。例如,蘇聯(lián)1962年出版了《蘇聯(lián)國家檔案館分類卡片目錄系統(tǒng)中文件情報的統(tǒng)一分類方案》，1978年又出版了補充和修訂本；中國1987年出版了《中國檔案分類法》，并附有檔案分類標(biāo)引規(guī)則、《中國檔案分類法》類目細(xì)分規(guī)則、清代檔案分類表、民國檔案分類表。