十年，对于人生，可以有无限可能。追逐梦想、塑造自我，改变一生；而对于一项技术而言，时间的意义在于在市场变幻中完成自我修养与进化，因时而异又底色不变。
视频结构化的十年，亦如此。看其十年间的风云际会，以便在安防行业中，知晓过去，窥探未来。
01.
视频结构化的“十年计划”
何为视频结构化，老生常谈还是有必要，毕竟十年之前与十年之后，已经有所改变，毕竟场景为王，需求项与技术层级不断激增。
视频结构化，是针对非结构化数据的处理，它是一种基于视频内容信息提取的技术，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类理解的结构化信息的技术。
其实要追更溯源，视频结构化起始年在2009年，由公安部三所提出，作为官办的检测机构由于市面上并未出现涵盖此技术的送检产品，因而被搁置。
直到大数据和云技术在安防行业的蓬勃应用，让以视频结构化技术成为代表新一代视频监控的关键技术，也是产业技术创新发展的一个突破口。
星星之火，待燎原。而2013年春天已至，第一个场景公安行业开始盛行视频结构化。当时甲方希望，给定一张嫌疑人照片，借助视频结构化系统从数百到上千小时的高清视频中查找嫌疑人目标，仅需秒级完成。这让办案人员从筛查视频监控的简单重复劳动中解脱出来，耗费人力更少，效率和准确度更高。
在用于精准和快速识别基本功能外，那时，结合实际应用，视频浓缩、以图搜图、智能检索、结构化任务、系统管理等功能性，在结构化解析平台中，频频亮相。
从数据处理的流程看，视频结构化技术能够将非结构化的视频数据转化为人和机器可理解的结构化或者半结构化情报信息，并进一步转化为公共安全实战所用的情报数据，实现视频数据向信息化、情报化的方向转化，达到视频感知世界的智慧应用。
视频结构化既是海量视频实现信息化、情报化转化行之有效的技术，也是当时公共安全领域中对视频结构化处理的一个指向性方案。
02.
视频结构化的“新十年”
十年之前，视频结构化主攻场景在：运动目标结构化描述，代表技术视频浓缩摘要技术；人脸、车辆结构化描述，代表检测和识别技术。
而在十年征战中，视频结构化的最大改变为实现以机器自动处理为主的视频信息处理和分析，并且通过技术手段转化为可用数据，实现监控网络之间、终端之间、业务场景之间的信息共享和主动互操作，实现主动监控、自动联网分析等网络功能。为此，在以此演进的机器识图也在这场岁月中，写下浓墨重彩一笔。
为什么需要机器来看懂视界，我们可以看到严峻的现实是，从视频监控到智能安防再到机器视觉，产业变迁后，千行百业都在数字化转型和智能化改造。如果说智能安防摄像机更多解决的是“眼睛”看的问题和“是什么”的感知层面，主打海量数据存储和分析。
那么，在智能安防时代，摄像机识别内容对象更加广泛，全场景和全天候的覆盖，解决更多是“大脑”想的问题，也就是“怎么做”的认知层面，主打基于数据的分析、理解、决策和行动，让数据关联看、全面看甚至自动看。可想而知，依靠人眼和大脑去检索、查看、分析和研判图像数据，仿佛“天方夜谭”。
为此，很多头部企业在感知层，开始对于视频结构化煞费苦工，只有精准的视频源，才能为其后续的机器识图应用，提供先天条件。数据结构化让海量信息检索变得简单高效。
前端感知型摄像机识别分析视频内容并提取出结构化的数据传至安防大数据平台进行二次深度数据提取，而提取出的这些结构化数据，如人脸信息、车牌号码、车牌颜色等存入分布式数据库，又能为上层应用提供智能检索、智能回放、自动比对的数据支撑，实现海量信息的高效检索。
无独有偶，也有新方法论。边缘计算这个2014年出现，并在近五年大热的技术。与视频结构化之关联，也甚密。在理论阶段，边缘计算在视频结构化中的应用包括模型开发和模型部署两个步骤。
模型开发即设计与训练神经网络模型，在视频结构化任务中，此处的网络模型通常指目标检测模型。
模型部署即转化模型并将其部署到边缘计算设备上。而从理论到产品的飞跃，时间也很短。这三年很多边缘计算盒子问世就是佐证，这些边侧设备都以视频结构化为基础理论技术，为之铺垫。
视频结构化，形象点来看，就是把没有规律的变成有规律的，以便查找，类似于物流仓管管理，以求最快达成目标。这个十年，围绕全量场景、全要素、全时空的智能安防需求下，视频结构化与场景应用的技术匹配尤其重要，也无缝联接着未来。
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
