容信息提取的技术，它对视频内容按照语义关系，采用时空分割、特征提取、对 象识别等处理手段， 组织成可供计算机和人理解的文本信息的技术， 实现视频图 像文本化。 视频摘要分析是实现视频结构化的一种技术， 也是实现视频结构化处 理的最佳实践，对视频数据直接进行基于内容的查询

, 高效、快速的把视频媒体

中用户感兴趣的内容提取出来 , 作为快速搜寻、过滤、传输的基础。

二是实现了针对大批量视频的语义搜索。 利用对视频内容的语意搜索有效地 解决了在海量视频中查找和定位关注的内容的这一个巨大难题。

例如：选择需要

检索的视频资源， 输入检索条件： 上午 10 点到 12 点，所有红色的向南行的大型 车辆；则所有符合条件的结果都会展现出来， 免去了传统的需要大量人力物力和 时间来反复排查录像原始方式。

三是实现了视频图像数据结构化存储。 根据公安部的要求， 需要对重要的视 频进行长久的保存， 但是如果对全部的视频录像进行保存和维护， 需要耗费巨大 的人力物力， 在这种情况下就需要对视频进行结构化处理和存储。 当经过摘要处 理后，会生成结构化的数据文件， 结构化的数据相比于原始视频数据有着非常明 显的优势，最大的优势在于体积小、有效信息多，可以永久性的保存。

同时来说，基于结构化的数据还能够有效的为进一步的视频处理提供有效的 支持，比如能够基于结构化数据做纹理提取、比对，运动识别，车牌识别，人脸 识别，图像增强等。

四是摆脱了视频对网络带宽的瓶颈。 对视频进行了摘要处理后， 能够快速定 位关注视频， 办案人员只需要对关键的关注视频内容进行下载， 而不需要先将视 频文件整个下载下来， 大幅度降低了对联网视频调阅对监控网络带宽的依赖， 保 证视频数据的质量，同时提高了对视频录像使用的时效性和有效性。

五是促进了视频图像信息的高度共享。 通过建立视频证据管理中心， 提供视 频图像信息的采集、存储、管理、共享一体化服务，能够综合管理各视频图像取 证单元发布的案件证据， 把各部门、 警种关注的视频图像信息进行整理、

分类存

储，并建立索引摘要； 支持通过浏览器直接访问， 提供给用户对案件证据的查询 和调阅，并对大量的案件证据的研判信息进行比对碰撞， 通过信息的信息度进行 串并关联，建立卷宗关联，为图侦工作提供底层的数据信息支撑。

6.5. 本章小结

本章从图侦系统的应用部署入手， 研究了系统应用的业务规划、 网络部署及 软硬件环境要求，分析设计了视频图像由“信息”到“情报”的业务流程，最大 限度地防止了有用信息的流失；

从视频图像的结构化处理、 语义搜索、 结构化存

储、网络带宽依赖和资源共享等 5 个方面，对图侦系统的应用情况进行了总结。

第七章 总结与展望

7.1. 总结

本文通过整合运用视频摘要、视频检测等图像处理技术，

Oracle 大型数据

库管理系统， 研发了基于视频内容结构化的图侦应用系统， 支撑视频监控系统的 深度应用，实现视频监控建设从“信息”向“情报”的跨跃。该图侦系统的应用 将引起视频监控系统运用、 管理机制的变革， 将有力地提升监控与业务的整合度， 提升警务现代化水平。主要创新点在于：

一是有效地探索构建了视频结构化证据库。 充分运用视频内容结构化、 视频 摘要索引等先进技术手段，从 110 接处警、案事件、布控探测等日常警务工作 入手，及时筛选、梳理和结构化、半结构化处理视频监控信息，与案事件进行同 步关联，系统地刻画了视频结构化证据库的创建内容。

二是有效地进行了图像处理技术集成应用。相比以往视频摘要、车牌识别、 人脸比对等图像处理技术的独立应用方式， 所研发的图侦系统将先进的视频结构 化、视频检索、智能识别等图像处理技术， 结合警务工作进行了有效的集成应用， 实现技术应用效能的倍增。

三是有效地创新了视频监控警务工作机制。 依托基于视频内容结构化图侦系 统，有效摆脱传统以人力为主的视频监控查看、 调阅和研判模式， 能够有效整合 日常警务工作， 形成新的视频监控证据信息流、 监控操作及视频研判业务流， 创 新案事件侦查模式，为各类案件侦查提供新的手段。具体表现为：

（1）形成新的视频监控证据信息流。使警务人员能够随着各类案事件发生 发展，迅速进行涉案视频特征提取、 视频数据的规范化审核、 结构化存储和语义 化检索应用，形成视频“采集 视频证据信息流。

--- 上传 --- 审核 --- 入库--- 研判 --- 管理--- 应用”

（2）形成新的日常监控操作业务流。实行视频操作与日常接处警、案事件 及“关城门”工作有效对接，形成以案事件视频取证为主的日常监控业务流，可 以依托系统对涉案视频上传数量和案发类型进行直观的展示， 层勤务指

挥室监控操作人员绩效考核指标体系。

（3）形成视频图像信息研判业务流。 本系统采用 C/S 和 B/S 混合型架构， 充分

的满足公安机关情报研判、 视频图像侦查研判的业务工作需要， 方便协调处 理案事

件信息，同时提供绩效考核评比功能，激励单位或个人工作开展。 （4）创新案事件侦查工作模式。从以往案事件发生后，首先分析案情，走 访调

查，搜集指纹、物证等线索，再确定嫌疑人这种“由案到人” 的侦

查模式，转变为由视频图像确定嫌疑人， 然后逆推案事件整个过程， 实现“由 图到

人”、“由人到案”业务模式，为快速侦破街面案件、串并案件等提供新的手 段。

7.2. 展望

本文从创新视频图像应用模式， 提升视频监控系统建设成效出发， 提出了如 何充分应用先进的视频结构化分析、 视频摘要、 视频检索等图像处理技术， 实现 视频图像信息的结构化存储、 管理，进而构建了全新图侦系统的设计思路和实现 途径，有效突破了视频监控系统与警综系统的整合瓶颈，

从根本上改变了原有以

、“由物到人” 构建规范有效的基

人工为主、大强度、低效能的图侦业务模式，对拓展视频图像信息共享、创新图 侦模式和监控勤务机制具有重要意义。

但是，目前本系统还处于深入开发和试用阶段， 还需要在与日常警务工作的 磨合中不断完善。一方面系统建设要进一步满足日常警务工作的便捷性、 效能性； 另一方面也要不断完善警务流程，做到业务流动与信息流的有机融合。

下一步， 在视频监巡机制上， 要重点加强视频图像取证、 视频检测预警与接

处警工作对接试点应用， 强化视频采集管理工作； 在视频情报管理上， 要重点加 强视频证据的入库审核和绩效管理， 确保视频证据质量； 在视频研判应用上， 要 充分利用先进的图像处理技术、 云计算和物联网技术， 规范管理应用机制， 在指 挥决策、 治安防控、 侦查破案和执法监督等方面发挥实战效能； 在监控系统建设 上，要立足视频研判应用需求， 调整前端监控设施布点和选型， 满足打防管控需 求。

进一步讲，图侦系统的深化建设和社会化应用， 人脸比对等技术的日益成熟， 将走失寻人、侦查破案提供强大的技术支撑。

参考文献 [1] 62-64.

[2]

汪春凤 . 视频摘要研究与实现 . 安徽大学 , 硕士学位论文 . 2011. [3] 韩汩鸿 .VCS 视频图像采集摘要比对器

[J]. 警察技术 , 2012(3): Flieker M, Sawhney H, and Niblack W. Query by image and video content: the QBIC system[J]. IEEE Computer, 1995,8(9):22-32. [4] 容的视频检索若干技术研究 [D]. 南京理工大学 ,2010.

[5] 文.2006.

[6] [7]

张洪德 . 基于内容的视频检索技术 [D]. 长沙: 国防科技大学 ,2002. 黄 知 义 , 周 宁 . 基 于 内 容 视 频 检 索 的 关 键 技 术 研 究 [J]. 现 代 情 耿玉亮 . 基于内容的视频结构化技术研究 . 北京交通大学 , 博士学位论

苗盼盼 . 基于内

报.2005(10):126-129.

[8] [9]

Http://www.intsci.ac.cn/image/mires.html.2009-4-19

.

耿 玉 亮 , 须 德 . 一 种 鲁 棒 的 摄 像 机 运 动 分 类 算 法 . 电 子 学

报,2006,34(7):1342-1346.

[10] 余卫宇 , 曹燕, 谢胜利 . 视 频 摘 要 的 现 状 和 研 究 进 展 [J]. 计 算 机 应 用 研究 .2008(7):1948-1952.

[11] 杨凤祥 . 视频结构化与摘要生成技术研究 . 国防科技大学 , 硕士学位论 文. 2005.

[12]

H.J.Zhang,A.Kankanhalli,

and S. W. Smoliar.

Automatic

Partitioning of full motion video. Multimedia Syst. 1,January 1993. [13]

A Nagasaka, et al. Automatic Video Indexing and Full Video Search for Object Appearances. Conf. on Visual Database Systems.IFIP WG2.6.1991.119-133. [14] H.Jiang, A. S. Helal. Scene Change Detection Techniques

for

Video

Databases

System

Multimedia

Systems.

1998.6:186-195.

[15] D. Swanberg, Chiao-Fe Shu, RameshJain. Knowledge Guided Parsing

in Video Database[C]. Storage and Retrieval Proc. SPIE 1908.1993.13-24.

for Image and Video Databases [16] A. MufitFerman, A. Murat Tekalp, Efficient Clustering

Methods for TemPoral Video

Filtering and

Segmentation and Visual

Summarization, Journal of Visual Communication and Image Representation, Volume 9, Issue 4, December 1998, Pages 336-351.

[17] Girgensohn A, Boreezky J. Time-Constrained key frame selection technique Proc. Of the IEEE International Conference on Multimedia and Systems. 1999:756-761.

[18] B. Shahrara, “Scenechange detection and content -based sampling of video sequences, ” in Proc. Of SPIE: Digital Video Compression: Algorithms and Technologies, Feb. 1995:2-13. [19] JeroenVendrig, Marcel Worring. Systematic evaluation of logical story unit segmentation. IEEE

Trans. on Multimedia, 2002.4(4):492-499. [20] Yeung Minerva, Yeo Boon-Lock. Segmentation of Video by Clustering and Graph Analysis .Computer Vision and Image Understanding, ]998,71(l):94-109.

[21] Rui Y, Huang T.S., Mehrotra S. Construeting table-of-content for

videos. Multimedia Systems,1999.7(5):359-368. [22] Hanjalic A.,

Lagendijk R.L., Biemond J. Automated high-level movie segmentation for advanced video-retrieval

systems. IEEE Trans. OnCircuits

[23]

and Systems for

Video Technology,1999.9(4):580-588. TavanaPongWallaPak, Jun-yu

Zhou. Shot Clustering Techniques for Story Browsing. IEEE Trans. On