一种用于智能监控视频数据的存储方法技术

本发明专利技术公开了一种基于高级语义分析的智能监控视频Hadoop大数据的存储方法，其包括以下步骤：从多个视频监控设备获取视频数据，将视频数据的结构分为故事、场景、镜头、子镜头以及帧五个层次，对对应视频对象的分析以子镜头或镜头的连接处作为分析边界，对包含运动特性的图像对象，从连续帧内相关的图像对象抽取得到，进行视频对象分析；采用粒计算的约简可以实现对冗余信息的去除或标记，然后进行存储。建立元数据模型，提取视频摘要可以让用户对海量的视频内容得到快速了解，视频摘要生成过程中，可以辅助字幕识别、语音识别、人体检测、人脸检测等方法，对视频中地点、人物和事件进行时序分析和语义识别。

【技术实现步骤摘要】
一种用于智能监控视频数据的存储方法
本专利技术涉及视频数据存储领域，尤其涉及一种基于高级语义分析的智能监控视频Hadoop大数据的存储方法。
技术介绍
将基于内容的视频语义检索技术最典型的应用就是智能视频监控系统。智能视频监控是指运用智能视频分析算法，对输入的视频图像内容自动的进行分析，并且提取监控画面中我们所感兴趣的、关键的、有效的信息；系统中的摄像机类似于人的眼睛，智能视频分析算法类似于人的大脑，借助于服务器强大的数据处理功能，对监控画面中的海量数据进行高速分析，过滤掉用户不关心的信息，为监控者提供有用的关键信息。它是视频监控一个更高端的应用，在民用和军事领域中都有着极大的应用前景。目前在很多公共场所都安装了监控摄像机，实际中需要大量的人参与到整个监控过程中去，造成了人力资源极大的浪费，属于被动监控。而智能视频监控可减小人力资源的浪费，克服人力疲意的局限性，帮助监控人员更加有效地处理突发事件。智能视频监控大致可以分为四个辰次：标检测、目标分类、标跟踪和目标行为的分析识别。其中标检测属于低级处理，标分类和目标跟踪属丁中级处理，目标行为的分析和识别属于高级处理它涉及图像处理、模式识别、人工智能等多个领域的核心技术。但随着监控系统规模的不断扩大，如何高效地在海量的数据中找到需要的信息更是成为了制约视频监控系统发展的障碍。传统的手工检索方式会受人身生理上的弱点等因素的制约。因此将视频语义分析技术用于视频监控系统是前监控行业发展的方向。随着视频数据量的不断增长，对视频数据的存储成了一个困扰使用者的难题，因此视频监控系统的另一个问题是视频数据的存储问题。随着监控摄像头的大量部署，导致企业需要存储大量的视频文件，严重占用企业的私有存储空间。例如，高清网络摄像机，当帖率为每秒30帧时，每台这样的摄像机一个月产生的视频文件就达3T，如此大的容量，一般企业是难以负荷的。大数据技术的出现是随着计算机技术、互联网技术和图像(视频)采集技术的快速发展而发展起来的。近几年全球每天产生的图像和视频数据都以PB为单位增长，而我们对数据处理的实时性、准确性的要求却在不断提高，因此，主要包括分布式缓存、分布式运算、分布式文件系统、分布式数据库的大数据解决方案应运而生。但由于视频数据量非常大，所以对视频的存储不易采用集中存储方式，而应采用分散、本地存储，以尽量减少视频传输所带来的对网络资源的占用。视频数据因其编码方式的不同，其数据的结构也多种多样，因此需要对视频数据进行分类描述，从而实现并行运算，以提高大数据分析的速度。视频分析要涉及图像特征分析、视频对象提取、视频抽象语义分析三个层次的内容，每一个层次都有众多具体分析算法，因此难以设计出一个“万能”的视频分析算法实现对视频的语义分析。所以，需要设计一种合理的算法调度机制，实现视频分析算法的按需调用。因此，现有技术有待于更进一步的改进和发展。
技术实现思路
鉴于上述现有技术的不足，本专利技术的目的在于提供的一种用于智能监控视频数据的存储方法，以节约数据存储空间，提高数据读取速度。为解决上述技术问题，本专利技术方案包括：一种基于高级语义分析的智能监控视频Hadoop大数据的存储方法，其包括以下步骤：A、从多个视频监控设备获取视频数据，将视频数据的结构分为故事、场景、镜头、子镜头以及帧五个层次，每一层都表达相应的语义内容；对监控场景中的物体信息和动作信息进行粒化，釆用视频粒度分层模型，将不同层次的视频语义提取算法在大数据并行运算平台进行运算；B、对对应视频对象的分析以子镜头或镜头的连接处作为分析边界，对包含运动特性的图像对象，从连续帧内相关的图像对象抽取得到，或者将图像对象和运动矢量结合得到，进行视频对象分析；C、在进行视频语义分析，视频语义对象是包含视频对象及其外延的语义对象，其语义抽取涉及众多信息处理领域，是建立在视频对象分析基础之上的更高层次的信息提取和分析；D、抽取引擎FEE的输入对象是视频流媒体数据，在分析前要通过视频解码模块将视频帧进行解码，这一过程由独立的解码模块完成也可以将解码模块集成到FEE中，每一层分析引擎分析的结果都存入上一级粒层对应的数掘库中；在图像特征、图像对象、视频对象以及视频语义中会有大量冗余信息，采用粒计算的约简可以实现对冗余信息的去除或标记，然后进行存储。所述的存储方法，其中，上述步骤D具体的还包括：视频存储数据为视频采集终端釆集的视频文件，完成对视频数据的统一存储管理；视频存储数据库为视频文件的存储信息，视频存储数据共同完成为查询客户端和视频分析模块提供视频信息；视频分析数据库存储视频的语义概念信息，通过查询接口给查询客户端提供视频语义信息；视频采集终端采集视频数据，通过大数据管理软件模块提供的API实现将采集的视频数据上传到大数据视频存储系统；视频分析模块提供对视频特定语义概念的分析，并将分析结果上传到视频分析数据库；查询客户端为用户査询视频、视频语义概念的应用程序，完成用户对所需信息的查询。所述的存储方法，其中，上述步骤D具体的还包括：冗余信息用于反映数据之间的相关性，而通过分析同一粒层的粒子之间相关性可以分析出连续视频帧之间的关系；若同一粒层上的粒子之间的独立性越好，则表明该粒子对应的连续视频帧之间的相关性越差，在视频分析时就应各自独立分析；若粒子之间的相关性越好，则表明该粒子对应的连续视频帧间的相关性就越强，在视频分析时采用合并分析。本专利技术提供的一种用于智能监控视频数据的存储方法，建立元数据模型，提取视频摘要可以让用户对海量的视频内容得到快速了解，视频摘要生成过程中，可以辅助字幕识别、语音识别、人体检测、人脸检测等方法，对视频中地点、人物和事件进行时序分析和语义识别；还可以通过背景变化、镜头切换、场景变换等信息处理视频语义，节约了数据存储空间，提高了数据读取速度。附图说明图1为本专利技术中存储方法的流程示意图；图2为本专利技术中视频数据粒度分层的示意图。具体实施方式本专利技术提供了一种用于智能监控视频数据的存储方法，为使本专利技术的目的、技术方案及效果更加清楚、明确，以下对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供了一种基于高级语义分析的智能监控视频Hadoop大数据的存储方法，如图1与图2所示的，其包括以下步骤：步骤A，从多个视频监控设备获取视频数据，将视频数据的结构分为故事、场景、镜头、子镜头以及帧五个层次，每一层都表达相应的语义内容；对监控场景中的物体信息和动作信息进行粒化，釆用视频粒度分层模型，将不同层次的视频语义提取算法在大数据并行运算平台进行运算；步骤B，对对应视频对象的分析以子镜头或镜头的连接处作为分析边界，对包含运动特性的图像对象，从连续帧内相关的图像对象抽取得到，或者将图像对象和运动矢量结合得到，进行视频对象分析；步骤C，在进行视频语义分析，视频语义对象是包含视频对象及其外延的语义对象，其语义抽取涉及众多信息处理领域，是建立在视频对象分析基础之上的更高层次的信息提取和分析；步骤D，抽取引擎FEE的输入对象是视频流媒体数据，在分析前要通过视频解码模块将视频帧进行解码，这一过程由独立的解码模块完成也可以将解码模块集成到FEE中，每一层分析引擎分析的结果都存入上一级粒层对应的数掘库中；在图像本文档来自技高网...

【技术保护点】
一种基于高级语义分析的智能监控视频Hadoop大数据的存储方法，其包括以下步骤：A、从多个视频监控设备获取视频数据，将视频数据的结构分为故事、场景、镜头、子镜头以及帧五个层次，每一层都表达相应的语义内容；对监控场景中的物体信息和动作信息进行粒化，釆用视频粒度分层模型，将不同层次的视频语义提取算法在大数据并行运算平台进行运算；B、对对应视频对象的分析以子镜头或镜头的连接处作为分析边界，对包含运动特性的图像对象，从连续帧内相关的图像对象抽取得到，或者将图像对象和运动矢量结合得到，进行视频对象分析；C、在进行视频语义分析，视频语义对象是包含视频对象及其外延的语义对象，其语义抽取涉及众多信息处理领域，是建立在视频对象分析基础之上的更高层次的信息提取和分析；D、抽取引擎FEE的输入对象是视频流媒体数据，在分析前要通过视频解码模块将视频帧进行解码，这一过程由独立的解码模块完成也可以将解码模块集成到FEE中，每一层分析引擎分析的结果都存入上一级粒层对应的数掘库中；在图像特征、图像对象、视频对象以及视频语义中会有大量冗余信息，采用粒计算的约简可以实现对冗余信息的去除或标记，然后进行存储。

【技术特征摘要】
1.一种基于高级语义分析的智能监控视频Hadoop大数据的存储方法，其包括以下步骤：A、从多个视频监控设备获取视频数据，将视频数据的结构分为故事、场景、镜头、子镜头以及帧五个层次，每一层都表达相应的语义内容；对监控场景中的物体信息和动作信息进行粒化，釆用视频粒度分层模型，将不同层次的视频语义提取算法在大数据并行运算平台进行运算；B、对对应视频对象的分析以子镜头或镜头的连接处作为分析边界，对包含运动特性的图像对象，从连续帧内相关的图像对象抽取得到，或者将图像对象和运动矢量结合得到，进行视频对象分析；C、在进行视频语义分析，视频语义对象是包含视频对象及其外延的语义对象，其语义抽取涉及众多信息处理领域，是建立在视频对象分析基础之上的更高层次的信息提取和分析；D、抽取引擎FEE的输入对象是视频流媒体数据，在分析前要通过视频解码模块将视频帧进行解码，这一过程由独立的解码模块完成也可以将解码模块集成到FEE中，每一层分析引擎分析的结果都存入上一级粒层对应的数掘库中；在图像特征、图像对象、视频对象以及视频语义中会有大量冗余信息，采用粒计算的约简可以实现对冗余信息的去除或标...

【专利技术属性】
技术研发人员：胡奇，翟朗，季宏宇，
申请(专利权)人：吉林工商学院，
类型：发明
国别省市：吉林,22