Page 173 - 75202_安防5月刊
P. 173
致检索应用中没有把关注的目标检索出来，同样会 存储 1-3 个月的视频，一个普通二线城市的视频点
导致检索工作无效。 位就有上万个，对后端的存储空间提出了很高的要
算法的鲁棒性 求。虽然视频编解码技术的发展，有效缓解了视频
由于治安场景情况非常复杂，这就需要算法在 存储的压力，但是没有从根本上解决视频存储问题。
各个场景下都能适用。在不同的场景具有良好的鲁 视频结构化技术，通过提取视频中有效信息图
棒性，不至于在某些场景效果较好，但是在另外的 片进行保存，剔除无效信息，可以极大地提高设备
场景效果很差。 存储的利用率。举个简单的例子：对于一个偏僻的
道路卡口场景，夜间 8 个小时有 700 辆汽车通过，8
视频结构化技术的优势 个小时的录像相当于约 70 万张图片（按 1 秒 25 帧
降低案件侦破的时间成本 计算）视频结构化的分析的结果，而理论上有 700
在以往的案件侦破过程中，刑侦人员为了通过 张有效的车辆图片即可，两者相差1000 倍的数据量。
视频获取到嫌疑犯可能出现的地点，需要夜以继日 因此，视频结构化技术让存储设备的利用率提高了
地通过人工查看相关的视频内容，从中找到嫌疑人 1000 倍。
在哪些地点出现过。视频查看工作是案件侦查过程
中必不可少的，也是效率最低、最费时的工作。
2015 年，周克华案件侦破过程中，为了找到周
克华的活动线索，民警花了两个月时间，查看了近
30 万 GB 的视频，才最终发现了周克华的线索，30
万 GB 的视频，相当于 80 万部高清视频，其工作量
可想而知。
然而，利用视频结构化技术，提前对治安监控
的视频进行目标以及对应属性的提取。一旦案件发
生，民警只需根据嫌疑犯的特征，就可以从结构化
图片库中检索出所有与嫌疑犯特征相符的目标图片， 视频结构化技术与其他技术的关系
然后再从这些检索结果中去查找嫌疑人的照片，定 与大数据技术的关系
位嫌疑人的活动轨迹。在一般的案件侦破过程，刑 在安防行业，所谓的大数据通常是指视频大数
侦人员需要从在几十上百个点位的 24 个小时的录像 据。然而，传统的视频大数据的数据量非常大，而且
中查找嫌疑犯目标，但是利用视频结构化技术只需 存在大量的无效信息和冗余信息。如何有效地提取
要从几百上千张的结构化图片中去查找嫌疑犯，极 视频大数据中真正对客户有价值的信息，就是视频
大的降低了刑侦破案的人力资源和时间资源，大大 结构化技术所能体现的价值。从大数据和视频结构
提高了办案效率。 化两者关系来看，视频结构化技术属于大数据的应
降低视频存储压力 用，视频结构化技术从视频大数据中提取出所有的
在以往的视频监控应用中，需要把所有前端相 目标信息，并把这些目标信息以图片的方式进行存
机的录像进行储存。对于公安部门而言，一般需要 储，将视频大数据转换成图片大数据。
2018第三届中国国际无人系统博览会(2018.6.22-6.24深圳会展中心)www.china-drone.com.cn 153
భခඌ JOEE
