[發(fā)明專利]迭代視頻圖片檢索方法與裝置

在審

• 申請?zhí)枺?/td>: 201410520736.1
• 申請日: 2014-09-30
• 公開（公告）號: CN105528364A
• 公開（公告）日: 2016-04-27
• 發(fā)明（設計）人: 楊鵬
• 申請（專利權(quán)）人: 株式會社日立制作所
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 李國華

技術領域

本發(fā)明涉及一種迭代視頻圖片檢索方法與裝置，更具體而言，涉 及一種大規(guī)模視頻監(jiān)控系統(tǒng)中的迭代視頻圖片檢索方法與裝置。

背景技術

視頻監(jiān)控系統(tǒng)在社會安防方面得到了廣泛的應用。在各個城市， 每年均有數(shù)十萬攝像頭被部署。中國現(xiàn)有的城市大規(guī)模監(jiān)控系統(tǒng)當 中，大量監(jiān)控設備已經(jīng)有所部署，包括攝像頭、編解碼設備、數(shù)字視 頻錄像機、存儲和回放系統(tǒng)等等。其中，相當一部分的攝像頭均符合 720P或者1080P高清標準。每天在視頻監(jiān)控系統(tǒng)運行的過程中，會 產(chǎn)生大量的視頻數(shù)據(jù)，同時視頻監(jiān)控系統(tǒng)的運營要求將這些視頻數(shù)據(jù) 保留3個月到1年不等的時間。這些積累的視頻數(shù)據(jù)，不僅占用非常 大的存儲空間和網(wǎng)絡帶寬，而且對于視頻內(nèi)容并沒有有效的分析和組 織。當需要在海量視頻內(nèi)容中查找所需的目標物體的時候(如人臉， 車，不明行李等等)，需要操作人員花費大量的時間，進行人工觀看 排查。這樣做不僅會耗費大量的人力和時間，也會使查找的精度降低 很多。更重要的是，在公共安全領域，案件發(fā)生后的線索追查時間非 常寶貴，如果可以利用信息技術顯著提高視頻監(jiān)控內(nèi)容的排查速度， 這對于公民安全和社會穩(wěn)定都具有非常重要的意義。

近些年來，一些大規(guī)模的視頻分析和檢索系統(tǒng)逐漸被采納使用。 此類系統(tǒng)對視頻內(nèi)容進行實時或者在線的分析，并將分析后得到的對 應敏感特征(比如說人臉、車輛等)的描述(一般為特征向量)存儲 在數(shù)據(jù)庫當中。當用戶需要針對某個敏感特征進行排查的時候，可以 將敏感特征輸入到數(shù)據(jù)庫當中，進行比對排查，從而可以快速定位這 些敏感特征或者目標物體在海量視頻內(nèi)容里出現(xiàn)的情況。這樣做，一 方面可以大大提高海量視頻內(nèi)容中查找目標物體所需的時間，節(jié)省了 人力和物力；另一方面，可以避免由于人員疲勞而帶來的查找精度降 低的情況。在基于內(nèi)容的視頻檢索的過程中，一般將目標物體的特征 描述向量與海量視頻內(nèi)容所對應的特征數(shù)據(jù)中的特征向量進行比對， 計算特征向量之間的相似度(一般是特征向量之間的差別)，最后將 檢索的結(jié)果集按照相似度由高到低(特征向量的差別由小到大)的順 序展現(xiàn)給用戶終端。

在小規(guī)模視頻監(jiān)控應用系統(tǒng)中，以上的方法已經(jīng)可以支持高速高 精度的視頻檢索。然而，在大規(guī)模視頻監(jiān)控應用系統(tǒng)中，簡單采用這 樣的檢索方法會造成檢索精度的降低。主要原因是大量的視頻內(nèi)容 中，同樣的目標物體或者敏感特征在不同的攝像頭、不同地點、不同 時間出現(xiàn)時，展現(xiàn)出的特征向量有些許差別。由于光照、角度、環(huán)境 等多方面的影響，其他非該目標物體的特征向量可能會展現(xiàn)更好的相 似度。同時，目標物體可能在某個時間和地點集中長時出現(xiàn)，這樣可 能在單次檢索中集中展現(xiàn)在用戶界面上，而該目標物體在其他時間和 地點的出現(xiàn)情況沒有得到有效展現(xiàn)。因此，需要針對大規(guī)模視頻監(jiān)控 場景，對視頻檢索進行優(yōu)化和提升。

之前的一些工作已經(jīng)涉及到這方面的內(nèi)容。

在專利文獻1中描述了一種大規(guī)模視頻檢索的架構(gòu)設計。在這套 架構(gòu)中，重點強調(diào)如何使用并行計算來加速檢索的流程，然而如何解 決大規(guī)模視頻監(jiān)控系統(tǒng)中的視頻檢索精度的問題，沒有有效的手段。

在專利文獻2中描述了一種利用文本標注和基于內(nèi)容的特征進 行視頻檢索的方法。這種方法簡單地使用文本標注和對比結(jié)合基于內(nèi) 容的視頻檢索在一起，提高檢索精度。但是，在大規(guī)模視頻監(jiān)控系統(tǒng) 中，全面的文本標注是不可能完成的事情。同時，相當多的目標物體 和敏感特征無法用文本來表征。

在專利文獻3中提出了一種多資源的視頻元數(shù)據(jù)檢索及相關的 業(yè)務框架。在這里，更多的提及如何使用多種標注信息來進行視頻檢 索的業(yè)務和方法，并沒有提及如何來提升基于內(nèi)容的視頻檢索的精 度。在大規(guī)模視頻監(jiān)控系統(tǒng)中，這種方法無法保證高精度的檢索結(jié)果。

在專利文獻4中提出了一種支持視頻內(nèi)容檢索的設備。在該設備 中，可以將視頻和音頻的內(nèi)容進行混合檢索，從而提高精度。但是， 如何在大規(guī)模視頻監(jiān)控系統(tǒng)中，僅適用視頻內(nèi)容的檢索來提高精度并 沒有有效手段。

現(xiàn)有技術文獻

專利文獻

專利文獻1：美國專利US2014/0164406A1

專利文獻2：專利WO2014/082288

專利文獻3：美國專利US2013/0326573A1

專利文獻4：美國專利US2014/0188834

發(fā)明內(nèi)容