目前，從視頻數(shù)據(jù)中提取有效信息的技術(shù)已基本解決，主要面臨的是提高從海量數(shù)據(jù)提取信息的速度。視頻數(shù)據(jù)檢索的提述經(jīng)歷了三個(gè)階段：一、有效視頻數(shù)據(jù)提取;二、基于智能視頻分析算法的檢索;三、基于視頻數(shù)據(jù)的元數(shù)據(jù)的檢索。

　　有效視頻數(shù)據(jù)提取

　　該方法的技術(shù)基石是圖像分析技術(shù)中的移動偵測技術(shù)。該技術(shù)在業(yè)界已經(jīng)比較成熟。移動偵測我們可以在前端設(shè)備中完成，也可以通過后端處理來執(zhí)行。以24小時(shí)錄像來說，鬧市區(qū)場景的錄像可能有1/3左右的錄像是無運(yùn)動目標(biāo);而郊區(qū)場景的錄像可能有2/3左右的錄像是無運(yùn)動目標(biāo)，在檢索視頻數(shù)據(jù)時(shí)，我們只需要觀看有運(yùn)動目標(biāo)的視頻數(shù)據(jù)即可，無論是1/3或2/3，均能顯著降低所需檢索視頻數(shù)據(jù)的大小。

　　基于智能視頻分析算法的檢索

　　前面提到，一段24小時(shí)的錄像，人工查看即使用4倍速查看也需要6小時(shí)，而利用計(jì)算機(jī)通過智能視頻分析算法進(jìn)行視頻的自動檢索，檢索的速度則取決于視頻解碼和分析算法的運(yùn)行速度。我們以對4cif的視頻數(shù)據(jù)執(zhí)行周界防范算法為例，一幀視頻數(shù)據(jù)解碼加上算法執(zhí)行的平均時(shí)間可以控制在10ms左右，也就是相當(dāng)于4倍速。同樣四倍速，一個(gè)是不知疲倦的計(jì)算機(jī)，一個(gè)是極易疲倦和出錯的人腦。孰優(yōu)孰劣，一目了然。

　　如果我們把1段24小時(shí)的錄像，經(jīng)過解碼，智能分析，把獲取到的智能元數(shù)據(jù)都存儲下來，對元數(shù)據(jù)的查詢速度可以達(dá)到十秒的量級。

　　一段24小時(shí)錄像文件的查詢速度提升過程：人工，正常速度查詢，24小時(shí);人工，四倍速查詢，6小時(shí);視頻濃縮后，人工四倍速查詢，3小時(shí)左右;視頻濃縮后，基于智能分析算法查詢，3小時(shí)左右;基于視頻數(shù)據(jù)的元數(shù)據(jù)查詢，十秒量級。

　　可以看到，最后一步才是質(zhì)的提升，檢索速度量級的飛躍。盡管如此，視頻數(shù)據(jù)的元數(shù)據(jù)的檢索也并不是完美無缺的，仍有一些問題等待解決。

　　移動偵測算法雖然比較成熟，但對于飛蟲干擾、燈光干擾、樹葉抖動等問題目前還沒有特別有效的解決辦法;基于智能分析算法的檢索，比如車牌識別、人臉識別，對視頻數(shù)據(jù)的場景要求比較高，普通的治安監(jiān)控視頻基本無法執(zhí)行這種分析。對于視頻場景適應(yīng)性相對較好的周界防范，行為分析算法來說，雖然能較為準(zhǔn)確分析出目標(biāo)，但是對于目標(biāo)進(jìn)一步的分類，比如人、物、非機(jī)動車、機(jī)動車、目標(biāo)的屬性特征，比如顏色、紋理、形狀等，目前還是業(yè)界面臨的技術(shù)難題。

　　雖然有上述兩大難題，隨著元數(shù)據(jù)的標(biāo)準(zhǔn)化，以及前端設(shè)備實(shí)時(shí)產(chǎn)生元數(shù)據(jù)和后處理產(chǎn)生元數(shù)據(jù)兩種機(jī)制和產(chǎn)品的并存，基于元數(shù)據(jù)的檢索必然會成為海量視頻數(shù)據(jù)檢索的主流。