视频结构化

简介
视频结构化，即视频数据的结构化处理，就是通过原始视频进行智能分析，提取出关键信息，并进行文本的语义描述。一段视频里，需要提取的关键信息有哪些？目前来看，主要有三类：第一类是运动目标的识别，也就是画面中运动对象的识别，是人还是车；第二类是运动目标特征的识别，也就是画面中运动的人、车、物有什么特征，如果是人，是男人还是女人，有没有戴眼镜，穿什么颜色的衣服，如果是车，车牌号号码是多少，什么颜色什么车型等等；第三类是运动目标的轨迹分析，也就是画面中人或车是左转了还是右转了或是徘徊了等等。
视频结构化可分为下列4个 步骤：
背景建模、目标背景分离
目标跟踪、分类
提取特征（车辆、人员和物品特征）
事件检测
车辆结构化描述：车牌，车身颜色，车类型，品牌、子品牌，车贴，车饰物品等；
人结构化描述：外形、人脸、着装、细节、身高、年龄范围、性别等。
视频结构化的挑战
除了应用模式，技术也是目前横亘在视频大数据发展道路上的另一座大山。有很多方面，涉及采集、存储、管理等多方面的领域，最大的技术障碍还是在于视频的结构化。商业应用上的数据多为结构化数据，每个数据都由一系列明确的描述属性组成，大数据处理系统则可以根据使用者的要求将不同的属性进行归类，从而发现和掌握事物发展的客观规律。而视频则不然，除了时间和空间的属性外，并没有其他的标签。除了按照时间和地点查找相应的视频外，大多的视频只能靠人慢慢甄别，这离大数据应用还相去甚远。
要做到大数据应用，就必须为每个视频