[发明专利]一种用于智能监控视频数据的存储方法

说明书

技术领域

本发明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。

背景技术

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。

发明内容

鉴于上述现有技术的不足，本发明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，本发明方案包括：

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；