现代城市对数据所反应的内容要求越来越高，高清化视频监控的演进和平安城市建设的飞速发展都要求我们对这些视频数据做更加完善的规整和分析，该要求又刺激了大数据技术的进一步演化，而大数据的基础则是我们本文的重点：视频结构化。
从庞大的视频监控数据当中，如何对重要信息进行筛选是视频结构化的主要作用，即将海量视频或图片的非结构化数据提取并形成结构化信息描述。这一点，恰好是TSINGSEE青犀视频智能分析平台可以做到的一项功能。
其实很多人会有误解，认为视频监控的结构化即对监控系统进行统一管理，其实不然。就拿TSINGSEE青犀视频智能分析平台来说，首先需要提取视频内的重要信息，随后进一步转化为公安实战所用的情报，实现视频数据向信息、情报的转变。
按照目前较为成熟的视频监控结构化分类来说，主要有车辆信息结构化及人脸信息结构化。
车辆信息结构化包括：
基本特征（车牌号码、车牌类型、车牌颜色、 车身颜色、车型、车牌品牌、子品牌、款型）
标识物（危险品车、年检标、遮阳板、挂饰、 纸巾盒、副驾、是否打电话、是否系安全带等）
人脸信息结构化包括：
基本特征（性别、年龄、人种）
服饰特征（提供人脸比对手段快速准确定位目标）
对此，视频监控分析平台如TSINGSEE青犀视频智能分析平台等，就需要具备实时视频和历史视频分析功能，按照不同智能分析算法模型，采用结构化标准语义定义，将提取结构化信息存储到分布式数据库（元数据），按照业务需求设定智能分析算法规则，支持对视频进行快速、高效的研判。
此外，TSINGSEE青犀视频智能分析平台用于视频监控结构化构建当中，还具备多样性、易用性、高效性等特点，针对上层应用集成平台，能够提供完善可靠的API接口和分析数据接口，在行业中已处于领先水平。
视频监控结构化的意义在于分类检索的需要，视频结构化技术将原始视频数据精缩，变为更易查找、占存储更小且更具备应用价值的高精度数据，是 AI Cloud、城市大脑、安防视觉中枢、视频编码及车辆结构化、ReID等场景应用落地的基石技术。
热门分享
