大数据应用下视频结构化分析

余彬 翁利国 邱海锋 张阳辉

摘   要：“视频结构化分析”是大数据应用重要组成部分之一，具有一定的影响作用。目前，我国大数据应用技术不断创新，“视频结构化分析”在大数据应用中日益突显，基于现阶段我国大数据应用下视频结构化分析存在的问题现状，结合“视频结构化分析”的未来发展，对“视频结构化分析技术”进行建议提出，为下一步工作开展奠定基础。

关键词：大数据  大数据应用  视频  结构化分析

中图分类号：TP391                                 文献标识码：A                        文章编号：1674-098X（2019）08（a）-0250-02

现阶段我国大数据应用中“视频结构化分析”依然存在诸多问题弊端。所以，要求行之有效的应对方法对其进行问题分析解决，如实现视频结构化识别前移、实现视频结构化平台优化等。本次研究对“大数据应用下视频结构化分析”的具体问题进行未来展望，其理论意义重大[1]。

1  视频结构化分析概述

随着我国大数据应用技术日益普及，在诸多行业领域中都可以体现出大数据应用身影。在大数据应用体系中“视频结构化分析”尤为重要。视频结构化分析主要是指以“视频”形式为主，对其进行精准定位、分类、查询及分析。打个比方，如在电脑搜索引擎中输入“绿色”二字，就会出现与“绿色”有关的诸多内容及信息，视频结构化分析与其十分相似，通过对特定视频关键词进行输入，就会出现与该视频有关的诸多内容仅信息[2]。因此，从视频结构化分析的实质原理而言，将其作为大数据应用的重点研究尤为重要。而视频结构化分析也日益创新，具体表现为：首先，视频结构属于大数据应用范畴中的分支部分，大数据结构主要包括：文本结构、图片结构、视频结构、数据结构等。但随着社会发展与科技进步，“视频”作为一种重要信息承载形式，逐渐取代文本及图片结构，成为大数据应用中最为常见的需求性结构之一。其次，视频结构化分析具有较高的实用价值，通过对视频内重要资源的“提取”，如图片、文字等关键信息等，可以为将其作为视频检索的“关键词”，为公共安全领域的视频监控可以起到实质性推动作用。例如：通过计算机来代替人眼进行视频信息的分析识别，将视频中的内容信息进行精准识别、存储及记录，其中包括视频内容中的颜色、车牌、人脸等，这些都是至关重要的关键信息。最后，通常来讲视频结构化分析技术从视频图像中对关键信息进行提取、获得，从该分析技术的应用前景及实际应用而言，主要涉及大数据应用领域中的视频监控、公共安全领域等，即“大数据时代”。

2  当下视频结构化分析的主要难点

2.1 视频格式较为繁杂

现阶段我国行业内监控厂商所采用的视频种类、格式诸多，缺乏一定的规范性、标准性，导致实际大数据应用中无法满足视频结构分析。视频格式的差异化并不是短期形成的，而是由于长期我国对视频技术及管理的制度性缺乏所导致的。这种问题现状对视频结构分析造成严重影响，需要对该视频进行解码后方可对其进行分析[3]。所以，对视频格式进行统一标准规范至关重要。

2.2 识别种类困难

从识别角度而言，当下我国视频结构分析技术还不成熟，例如：在一段视频中可能存在无数角度的涉及性标签属性需要描述，但要将这些属性进行全部描述尤为困难，需要大量的计算能力发挥，这种浪费性不符合应用初衷，并且需要公安图侦人员进行介入工作。通过笔者对相关资料整理及实验发现，识别种类困难主要以基于技术及成本投入的有效性，在未来必然会有一种新型技术，在不需要大量资源及计算能力投入的情况下，可以完成较高任务的视频种类识别。

2.3 精准率无法保证

视频与文本、图片不同，具有一定的复杂性，从视频的清晰度、格式、属性、颜色等方面考量。这些都会对视频结构化分析造成严重影响，导致结合化分析技术在实际应用中效果发挥有效。例如：在治安监控视频下对视频中人脸进行分析中，视频结构分析无法对远距离人脸进行精准抓取，在一定程度上造成了对视频信息提取的精准度降低。通过实验分析发现，视频结构化分析在对车牌进行视频信息提取中较为有效，主要是由于车牌视频较短且清晰度较好等因素。

3  未来我国大数据应用下视频结构分析发展

3.1 实现视频结构化识别前移

可以充分运用计算机对视频结构化分析进行实施开展，在该过程中一定需要消耗较大的计算能力，也就是说对数据处理服务器进行大量构面，可以从经济成本角度来讲，一台服务器价格相对较高，在处理路数方面有相对有限。所以，笔者认为单一依靠后端对其PB级别进行视频进行结构化分析较难。而从服务器角度而言，其智能化IPC成本却较低，并可以将人脸检测、车牌分析等有关智能分析算法进行前端芯片集成，通过集成后可以促进视频结构化分析的规模化部署成本投入降低[4]。

3.2 实现视频结构化平台优化

视频结构化平台作为未来视频结构化分析重要组成部分，其作用不言而喻。其在未来发展中应具备以下特点，第一，云计算架构，可进行分布并行式计算，使计算能力得以可线性延展，并且该系统可对多个分析节点进行自动负载均衡;第二，支持云存储需求，同时可以对海量视频资源进行接入分析及存储，同时可对其进行科学采用;第三，具有多客户端及并发式访问能力，并可同时进行多账户分权及管理，进而实现数据资源整体完整安全及有效利运用;第四，同时具有诸多类型智能分析模式，对多种不同环境下视频分析可以满足适应;第五，对业内绝视频监控厂商视频格式进行技术支持，同时具有对海量数据、信息的检索能力，并可快速提供目标检索服务;第六，具有对数据的管理及分发性能，进而为多级联网上、下级平台中数据推送实现奠定基础。

4  结语

综上所述，通过对大数据应用下视频结构化分析进行研究，主要包括：视频结构化分析概述、当下视频结构化分析的主要难点，其包括视频格式较为繁杂、识别种类困难、精准率无法保证、未来我国大数据应用下视频结构分析发展，其包括实现视频结构化识别前移、实现视频结构化平台优化等，从多方面、多角度对大数据应用下视频结构化分析的问题、发展进行阐述，为下一步工作开展奠定坚实基础。

参考文献

[1] 潘慧.智能化技術为城市交通赋能——专访新加坡国家工程院院士、佳都科技全球智能技术研究院和交通大脑研究院院长李德纮[J].广东科技，2019，28（5）：30-36.

[2] 胡了然.从网络传播视野看短视频平台“抖音”的火爆[J].传媒论坛，2019，2（8）：42-43.

[3] 付航.一种基于大数据回归分析的LTE流量预测及扩容方法研究[J].电信工程技术与标准化，2019，32（4）：50-54.

[4] 王彬.犯罪侦查中的数据挖掘及其作用分析[J].广西警察学院学报，2019，32（2）：35-42.