9月14日凌晨，比iPhone 7先來到的是蘋果系統iOS 10的更新推送。根據蘋果官方介紹，iOS 10 是 iOS發布史上的重磅之作，所以在功能上做了非常大的更新。其中，關于“照片”的更新引起了小編的注意：
“照片”的更新
1.運用深度學習技術設計先進的人臉識別功能，可自動將相似的面孔分組
2.通過物體和場景的識別功能，使用先進的計算機視覺來掃描設備上的本地圖庫，可以通過照片內容智能搜索照片
3.通過“地點”相簿可在地圖上查看您的所有照片、視頻和Live Photo
“可自動將相似的面孔分組”這么說，以后自拍的照片可以自動成冊了？于是，小編滿心期待地趕緊去更新了iOS 10，半個小時后...
所謂的“可自動將相似的面孔分組”只是將在一張照片中有超過一個人以上的全部歸類到一起。exo me？這就是人臉識別？
同時，“可以通過照片內容智能搜索照片”也只能夠支持地點搜索而已。距離“智能搜索”還相距甚遠。
其實，早在安防領域，圖像檢索、視頻檢索已經得到了實際的應用。下面，就給大家介紹安防領域的圖像檢索和視頻檢索！
基于內容的圖像檢索技術
基于內容的圖像檢索系統具有與傳統基于文本的檢索系統完全不同的構架。由于圖像依賴其視覺特征而非文本描述進行索引，查詢將根據圖像視覺特征的相似度進行。用戶通過選擇具有代表性的一幅或多幅示例圖像來構造查詢，然后由系統查找與示例圖像在視覺內容上比較相似的圖像，按相似度大小排列返回給用戶。
圖像特征的提取與表達是基于內容的圖像檢索技術的基礎。圖像的視覺特征可分為通用的視覺特征和領域相關的視覺特征。前者用于描述所有圖像共有的特征，與圖像的具體類型或內容無關，主要包括色彩、紋理和形狀；后者則建立在對所描述圖像內容的某些先驗知識的基礎上，與具體的應用緊密有關，例如人的面部特征或指紋特征等。
基于內容的幾種典型圖像庫包括人臉圖像、指紋圖像、筆跡圖像等。
大數據下的視頻檢索
視頻檢索就是要從大量的視頻數據中，找出所需要的視頻片段。視頻檢索主要是依賴于視頻算法對視頻進行預處理，通過對視頻內容進行結構化處理，提取出視頻內容中的有效信息，進行標記或者相關處理后，人后可以通過各種屬性描述進行快速檢索。
因此視頻檢索最主要的是利用視頻檢測算法對視頻進行結構化描述，目前已經在相應的產品中得到應用的算法主要有以下幾種：行為分析算法、車牌識別算法、車輛顏色識別算法、車標識別算法、車型識別算法、人臉檢測識別算法、人體特征識別算法等。
視頻數據按照由粗到細的順序可以劃分為四個層次結構：視頻(Video)、場景(Scene)、鏡頭(Shot)和圖像幀(Frame)。由于一個鏡頭內的相鄰幀間的變化不是很大，它們之間的特征差值會限定在某個閾值范圍內。
而在鏡頭突變時，突變點前后兩個相鄰幀在內容上顯示會有很大的變化，如果特征差值超過了給定的閾值，則意味著出現一個分割邊界。鏡頭的關鍵幀就是反映該鏡頭中主要信息內容的幀圖像。將各鏡頭檢測出來后，對每個鏡頭可提取關鍵幀，并用關鍵幀簡潔地表達鏡頭。關鍵幀數目的確定是關鍵幀提取中的一個重要問題，其確定方法可以根據鏡頭內幀的差異進行統計，求出其方差，用方差來衡量鏡頭視覺內容的復雜程度。方差越大，該鏡頭提取的關鍵幀數就越多。
智能視頻檢索的高效應用
運動物體
目標的運動屬性包括目標的運動軌跡、運動幅度、速度及規律等因素。基于目標軌跡的檢索是指通過在視頻中選定一個特定的區域，目標進入或離開該區域、以及滯留該區域，視頻檢索算法可以快速關注所有時間內在該區域出現過的目標。
人臉搜索
在系統中輸入待查詢的人臉照片，選擇需要檢索的人臉后進行相似度等參數設置后開始檢索，最后檢索出的相似人臉的結果會在界面上顯示出來。
車牌識別
通過查看車牌圖例，就可在幾分鐘內查找到目標車牌，并可觀看該目標在整個視頻中的存在片段。例如，通過車牌識別信息，便可在系統中形成車輛的行駛軌跡，通過車輛的行動規律，即定位到車輛長時間停留的區域。
大數據時代，視頻檢索成為必須。而視頻檢索技術的發展，也為提取大數據中的珍貴資源提供了便利。
京公網安備 11010502049343號