一种新的框架用以展示怎样对大量视频数据进行处理、组织、管理和存储如图8－1所示。这个框架有3个部分：在第一部分中，视频智能分析（目标检测、目标跟踪，行为分析和事件分析）和视频结构化描述（VSD）被用于从大规模视频数据中发现有价值的信息（人、车、可疑的行为）进行标准化描述。图8－2对视频结构化描述原理及其具体实现流程进行了进一步的描述。第二部分是构建了一个警务数据库用于数据挖掘、信息描述、知识推理等领域，也为犯罪预测提供了真实的案例。第三部分，虚拟化和云计算为上述技术提供了高效的计算环境和对不同类型的结构化和非结构化数据提供了存储环境。
视频智能分析和结构化描述被用于处理原始视频，处理的结果是包含人、车的一些帧以及对其运用标准格式的结构化描述。所有的数据都采用统一标准的格式进行封装，并传送到分布式的云平台，这提供了高效的存储和计算能力。由于有限的带宽，采用“前＋后”模式，即在摄像机中运用简单的视频分析算法，并将结果发送给“云”，用以支持更复杂的计算和应用。该模式可以避免大规模视频大数据传输造成的网络拥塞。
图8－2 视频结构化描述原理及其实现
知识数据库可以按照以下步骤建立：(www.xing528.com)
①知识收集：即收集和分析现存的案例、政策及法规，将它们作为知识库样本集。
②知识发现：从收集的案例和规则中运用机器学习如支持向量机（SVM）或者专家指导等方法进行挖掘、聚类、分析得到主要的知识。
③知识表示：主要的知识和规则，应该被用统一的格式如RDFS，OWL和SWRL进行表示，并存储于知识库和模型库中，用于支持训练模型、语义检索、推理及犯罪预测。
对于诸如视频内容分析、语义建模和推理、MapReduce、Spark、Storm以及其他分布式处理等任务模型被应于处理相关的任务。以视频检索为例，MapReduce将被用于支持该任务，其中关键点是用视频中的时间表示，视频中的数据被分成不同的部分，然后所有的任务同时执行。另外，为了提高数据存储的有效性和进行优化存储管理和满足最终用户的不同要求，在视频分析、处理和检索阶段，结构化描述数据、图像和视频数据将被分类，采用虚拟化技术支持IT资源整合和优化利用。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
