如何实现视频结构化-北京明景科技

• 2017/09/14

随着安防大数据的不断发展，在海量的数据中，形式直观内容丰富的视频数据将会发挥出越来越大的作用，尤其是在视频监控领域，视频大数据有助于决策的行进，优化程序和流程，提供前所未有的角度和量化的维度，可以真正全面的多角度观察问题。
数据挖掘
有人把大数据称为数据矿藏，出处是Datamining，但是翻译为“数据挖掘”更好，既说明了价值所在，又指出了数据价值实现的方法，就是要挖掘。以前，有些人认为传统上在存储大量数据的同时，也存储了大量垃圾，但大数据的出现开始转变他们的认识，那些所谓的垃圾同样拥有价值，只是这些数据的价值不是简单去读一读数据表面上载有的那些信息，而是要对他们进行深入的挖掘，所有数据都有价值，最具价值的是所有数据共性信息。
但是要实现大数据的应用，前提是要把图像信息结构化，以同样的结构模型，才能实现数据间的关联，再实现他们的融合，才能进行最全面的统计结果，就是这样一个层次。大数据应用的前提，就是实现图像信息的结构化，而同样信息结构化的前提是图像语义解释。
结构和非结构性数据
结构性数据，可以理解为是存储在数据库里的数据，或者叫做行数据。可以用二维表格的结构，来逻辑的表达的数据就叫做结构化数据，可以通过结构性的目录来构建和检索搜索。常见的大量数据库，例如资源管理、企业资源管理、财务系统、健康信息管理等都是这样的数据库。
这样的数据库是先有结构，再有数据。先确定采集数据的类型、采集方式等，先确定了结构然后再逐步收集和完善数据。例如图书馆，往往是先进行图书分类之后，再买书并放到相应的书架上。
而非结构化数据却并不遵循这样的规律，它不具备上面的结构性的数据，典型的非结构化数据就是图像和视频，图像有时候也会泛指视频。图像通常指一幅，而视频则是连续的图像序列，一个是静的，一个是动的。
视频结构化
实现视频数据大数据的应用，就需要对视频进行结构化，如何进行视频的结构化呢？
1直接转化
直接转化是通过图像内容分析或特征识别，直接生成结构性数据库，而不是生成图像。例如号牌识别，号牌识别以后生成的结构性数据库中的数据是号牌，不是车型的库，但是号牌库中的数据与汽车的源数据库互相关联，通过号牌可以直接找出所属汽车的车型和其他特征。
直接转化的方式同样可以用来检测人流密度，在一个区域，通过摄像机可以查看某一个规定面积里的人流数量来算出密度。最终生成的是一个密度的数据，把这个密度的数据和空间的几何位置作为结构化数据存起来，但是这里面并没有现场的画面，现场的图像记录在原图像资源里边，但可以通过结构性的数据库找出来，这就是直接转化的形式。
2建立检索目录
第二个方法是建立一个结构化的检索目录，根据简单的特征对目标图像、特征等等进行分类。例如汽车，我们可以将车分为公交车、面包车、小客车等不同类别，有的结构会再次细分，把小客车按照颜色或者按照品牌进行更加细致的分类方式。号牌的库同样可以作为特征，将汽车按照简单的识别之后，所生成的检索目录的库，就可以很快捷的查到需要的信息、关联需要的数据、找到对应的原图象。
3建立结构化
第三个方法就是建立结构化，这个难度比较高，根据语义解释，生成图像资源的叫资源库，但并不是数据库，这个库不存储图像，可以称之为视频库，里面存储的是描述这个图像整体或者片段的结构、内容、情节的结构化数据。类似于我们通常讲的数据库里的元数据，既不是原来的原，也不是源泉的源，而是单元的那个元数据这样的内容。
以上这些方法和途径，都是逐步实现图像信息或者视频信息结构化的方法，可以实现原来图像、视频信息只能按时间检索的方式，转变成可以按结构检索、融合和关联的非结构化数据，结构化数据是先有结构后有数据，而非结构化数据是先有数据再有结构，采用不同的处理方法，对这些后有结构的非结构化数据进行处理，采用多样的融合形式，就可以获得不同价值和不同应用的系统。
结语
大数据的系统应用有助于进行社会治安监控的风险评估和事件预警，也可以用来指导视频监控系统的建设，把以前监控系数所应用的、采集的各种各样的数据，进行一个结构性的分析以后，来指导后续的系统建设。在以前，有的人认为大数据就是从大量的数据中快速地找出有用的证据和线索，这种想法是片面的，因为视频大数据的发展还能够解决公共安全中的关键问题，支撑公共安全系统的建设。