人工智能AI视频之视频结构化

要实现视频信息智能化、信息化的问题，必须要先面对结构化的问题，结构化之后就可以把原来只能看无法调用的视频变成可调用的信息。
人工智能AI视频其核心及瓶颈是通过研究视频结构化描述技术，解决通用视频数据向视频信息化、视频情报化方向的转化，实现社会公共安全视频应用工作模式的创新。

视频结构化

视频结构化描述是一种基于视频内容信息提取的技术，它对视频内容按照语义关系，采用时空分割、特征提取、对象识别等处理手段，组织成可供计算机和人类理解的结构化信息的技术。

从数据处理的流程看，视频结构化描述技术，能够将非结构化的视频数据转化为人和机器可理解的结构化信息，并进一步转化为公安民警实战所用的情报数据，实现视频数据向信息化、情报化、智能化的应用转化，达到借用视频监控掌控安全的目的。

视频结构化描述的内容类型方面主要是：人员、车辆、物品、行为。

在视频中把人作为一个可描述的个体展现出来，其中包括人员的脸部精准定位、脸部特征提取、脸部特征比对，还包括人员的性别、年龄范围、大概身高、衣着特征、发饰特征、配饰、携带物品、步履形态、交通工具等多种可结构化描述信息；
对于车辆的描述信息包括：车牌、品牌、车颜色、车型、子品牌、车贴、车饰物信息等多种车辆描述信息；
对于行为的描述信息包括：区域、越界、徘徊、遗留、聚集等多种行为描述信息。
经过视频结构化解析处理，可以实现如下目标：

一是视频变成了可调用的信息库，可以针对目标对象进行快速检索，线索查找速度会得到极大的提升。视频结构化之后，从百万量级的目标图库中（大约一千小时内的高清视频），查找视频截图中的一个嫌疑人对象，一秒内即可完成；千万量级目标的图库中查找，数秒内即可完成。
二是监控系统所占用存储容量极大的降低，结构化后的信息，存储人的结构化检索信息和目标数据信息不到原视频数据容量的2%；对于车辆和行为，均不到1%。存储容量极大地降低，可以解决视频长期存储和存储成本高昂的问题。
三是视频结构化可以活化视频数据，作为数据挖掘、应用的基础。结构化的图像及描述信息，存入相应的数据仓库，对各类数据仓库可以进行深度的数据挖掘、关联、融合、应用，充分发挥大数据的作用，提升视频监控的应用价值，提高对视频场景的分析和预测能力。

视频结构化技术难点

1. 首先是视频结构化核心算法技术的突破。

视频结构化描述依托于智能分析技术，但是当前视频智能分析技术还未突破各种应用环境的制约。

比如：人脸识别的应用场景，当下的人脸识别多半是配合式、重复式应用场景，如：银行、机场、海关卡口。在这种应用场景下，人脸的识别率基本能达到实用要求，而在无配合、多人脸、动态视频的场景下就很难达到实用目标。特别是在一般视频监控场景下，由于架设位置高、拍摄距离远，基本上识别不到人脸，更别说进行人脸结构化了。

虽然当前的深度学习卷积神经网络学习模式，使得人脸检测和识别的准确度大幅提长，但是随之而来的负面效应也相当明显，首当其冲的就是运算复杂度的提升，需要耗费大量的计算资源。

针对这一瓶颈，虽然业内公司试图通过将计算前端推移（智能摄像头）和后端集中化处理（GPU结构化服务器）两种方案来解决，但是智能摄像头方案大规模部署成本高昂，且对已安装的巨量监控无法结构化。

集中化处理方案也需要大量价格昂贵的结构化服务器，而且带来的带宽压力巨大，也不利于规模性实施。这就需要第三种更贴合当前实际的解决方案，报道称由安软慧视推出的这种方案已在部分省市公安厅公安局开始实施，作者已与市局进行了联系，等详细了解后再详细写出。

2. 其次是实战场景大数据和深度学习场景训练模型的构建。

算法、算力和数据作为AI的基本三大支撑，少了哪一个都不行。不获得足够量的场景数据就训练不出好的模型，而没有好的模型又不被客户认可，没办法从客户那里获得巨量的场景数据。

3. 最后是视频结构化标记描述数据存储，检索和应用技术创新。

随着结构化数据总量的海量累积，如何实现其图像大数据的超大容量、高效存储、高效检索以及快速调用就需要不断进行技术创新。如果不能做到规模性实时处理实时检索，它最终只能是一个事后处置系统，仍然会让公安办案失去时机，对于提高破案率的效果不大。

虽然当前还面临不少困难，但随着AI技术的发展和成熟，AI+安防，必然会为视频资源的信息化、情报化、智能化提供强有力的支撑，变视频的被动防御为主动识别，变事后处置为事前事中事后全程掌控，进而最终实现“AI+安防”的规模性落地。