[发明专利]一种多层次视觉特征描述方法和视觉检索系统

说明书

本发明涉及模式识别技术领域，特别涉及一种多层次视觉特征描述方法和视觉检索系统。包括：获得视频流；获取视频浓缩流，浓缩摘要流；提取特征信息；获取若干特征流；将若干特征流、视频流、浓缩摘要流组合生成多层次视频及视觉特征流；将多层次视频及视觉特征流在云端按照特征分类存储；云端根据终端的应用场景业务需求对云端存储的多层次视频及视觉特征流进行多种特征组合检索。本发明针对应用场景需求，提供多层次视觉特征描述方法，提出一整套视频大数据应用框架，可为不同层次检索分析应用提供弹性解决方案。

技术领域

本发明涉及模式识别技术领域，特别涉及一种多层次视觉特征描述方法和视觉检索系统。

背景技术

随着平安城市、平安校园、智慧城市等建设发展，城市安防系统日益完善，视频监控摄像头基本遍布城市各个角落。目前全国公安行业正在进行“雪亮工程”建设：一方面通过跨平台联网，将公安、交通、企事业单位、校园、城镇小区等不同行业类型视频监控系统进行联网，实现视频监控大平台；另一方面，近年来机器视觉深度学习等技术驱动的视频分析技术，逐渐在公安、交通等行业开始落地应用，可实现视频大数据碰撞，支持预警、决策、联动等。

大数据背景下，视频监控遭遇几大困境，飞速增长的视频监控数据使得传统视频监控体系架构、数据的管理方式、数据分析应用等面临新的困境。云计算、大数据技术的发展为安防行业发展带来前所未有的突破，但仍面临许多困境与挑战。包括：(1)目前普遍采用压缩视频流汇聚到云端，基于GPU平台进行智能分析，单路视频智能分析计算消耗大、成本高；(2)在实现大范围城市级视频数据分析感知过程中，面临海量摄像头数据汇聚网络带宽巨大、数据存储代价极高；(3)数据利用率低下：安防监控虽然数据量很大，但真正有用信息并不多。一方面有效信息可能只分布在一个较短时间段内，信息呈现幂率分布，往往越高密度的信息对客户价值越大；另一方面，数据有效性体现在深层次挖掘庞大的海量数据，关联得出有效信息。(4)智能算法性能亟待提高：目前非正面、非卡口场景目标检测识别、高效跟踪、行人重识别性能非常不理想，现有安防监控系统“老花眼”“近视眼”问题突出；基于传统摄像头解码视频智能分析性能更加恶化，行业急需基于原始视频提出新的智能视频分析技术，探索高性能目标检测、识别跟踪等算法。

如上分析，由于云计算是将所有数据统一汇聚到云端进行处理，存在诸如响应不及时、功耗高、网络带宽消耗大、存储成本高等问题。智能边缘前置是安防行业的必然趋势，业界急需一整套智能视频应用框架。

发明内容

本发明实施例提供了一种多层次视觉特征描述方法和视觉检索系统，本发明针对应用场景需求，提供多层次视觉特征描述方法，以行人为例包含浓缩摘要流、SIFT底层视觉特征、CNN高维深度特征、行人结构化描述特征、行人关键点序列特征、行人步态、异常事件标识等多层次特征，提出一整套视频大数据应用框架，可为不同层次检索分析应用提供弹性解决方案。

根据本发明实施例的第一方面，一种多层次视觉特征描述方法，包括：

获得视频流；

将所述视频流压缩获取视频浓缩流，从视频浓缩流截取摘要获取浓缩摘要流；

将所述视频流经过目标检测提取特征信息；

将视频流的特征信息进行目标追踪、目标优选，获取若干特征流；

将若干特征流、视频流、浓缩摘要流组合生成多层次视频及视觉特征流；

将多层次视频及视觉特征流在云端按照特征分类存储；

云端根据终端的应用场景业务需求对云端存储的多层次视频及视觉特征流进行多种特征组合检索。

所述云端根据终端的应用场景业务需求可以对多层次视频及视觉特征流采用特征匹配方法进行目标布控，并将异常事件经过云端发送给终端。