本站小編為你精心準備了機器學習在視頻智能識別中的運用參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：近年來以攝像頭以采集工具獲取實時視頻數據，直觀而客觀地展現目標對象的動態變化過程的智能監控方法成為各行各業監控與管理的主流方法。以視頻智能識別為研究對象，探討了機器學習在視頻智能識別中的應用，并以Google的VideoIntelligenceAPI為重點闡述了其工作原理以及演示案例，對于提高視頻監控系統系統自動檢測，識別、跟蹤等能力具有重要意義。

關鍵詞：機器學習；視頻數據；智能識別

圖像識別是機器學習算法的重要應用方向，基于機器學習算法的圖像識別的應用場景眾多，例如國土部門基于遙感影像識別房屋、道路等目標物體、快遞公司根據快遞單號實現快遞分揀與遞送、交警部門基于違章拍攝視頻實現違章車輛車牌號碼識別等等。近年來隨著物聯網技術的發展與普及應用，城市的各個關鍵監察點均布設了各類攝像頭以供不同單位與部門調用、分析與數據挖掘，以支撐智慧城市的信息化建設與智能化發展。目標識別的對象早已開始由像素的世界延伸到圖像以外，視頻是大量的圖像在連續時間序列下所形成的動態監控信息，一直以來視頻都被視為計算機視覺里面的“暗物質”，其無法像圖片一樣實現便捷的搜索，也無法像圖片一樣以像素為基本單元進行像素灰度差異化分析與圖像識別，因此對于全球范圍內的目標識別研究人員而言，視頻智能識別是一項極具挑戰性的研究。

1機器學習

機器學習是人工智能的核心，其專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。機器學習涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科，通過糅合各類算法與技術使得計算機具有自動化學習與智能化綜合分析的能力，其應用遍及人工智能的各個領域。與傳統計算機工作不同，其不再是按照操作人員的操作步驟按部就班地完成工作，用戶只需要輸入數據以及某些必要的參數，機器學習可以根據內在機制自行計算與運行，并給出分析結果以及結果精度，可以說機器學習某種意義上具有了人類處理事情的能力。機器學習與模式識別、統計學習、數據挖掘、計算機視覺、語音識別、自然語言處理等領域有著很深的聯系。從范圍上來說，機器學習跟模式識別、統計學習、數據挖掘是類似的，同時，機器學習與其他領域的處理技術的結合，形成了計算機視覺、語音識別、自然語言處理等交叉學科。最常用的機器學習算法包括線性回歸、邏輯回歸、決策樹、支撐向量機、貝葉斯模型、隨機森林、K-均值聚類等算法，現實世界中的大部分數據問題都可以通過上述機器學習算法加以解決。

2機器學習在視頻智能識別中的應用

視頻數據相較于圖片數據而言具有動態、海量、實時的特征，作為結構化大數據的典型對象，運用機器學習算法對視頻數據中的目標對象進行高效率、高精度分類與識別是當前結構化大數據挖掘與分析的重要研究方向。基于機器學習的視頻智能識別方法基本原理在于依托機器學習算法對視頻中的對象所構成的訓練樣本進行訓練與模擬，構建能夠滿足智能識別精度要求的機器學習模型，以訓練好的模型為核心依托，對待識別視頻數據進行模型實踐與推理，從視頻數據中快速檢測并識別出響應的目標對象或指定地物。當前國際主流的IT企業均在推進其視頻智能識別研究工作，2017年Google公布了新的機器學習API：VideoIntelligenceAPI，它可以自動識別視頻中的物體，開發者可以開發能在視頻內部偵測目標的應用程序，讓視頻變成可以搜索、可以發現的視頻。比如開發者可以用動詞、名詞代表這些目標對象，例如“跑”“狗”，然后進行搜索，使得從視頻中提取信息變得跟從圖像中提取信息一樣簡單。VideoIntelligenceAPI的工作原理為：其相當于服務與應用的橋梁，新API連接到“谷歌云機器學習”（GoogleCloudMachineLearning）平臺，這個平臺主要用來計算；同時VideoIntelligenceAPI又將帶注釋的視頻存儲到“谷歌云存儲”（GoogleCloudStorage）。用谷歌新API開發的應用程序可以獲得一些特殊功能，讓終端用戶在視頻內搜索目標變得更加容易。用戶可以在視頻文件中搜索每一個瞬間，可以查找事件，探尋意義；VideoIntelligenceAPI還可以幫助用戶在視頻中確定名詞實體，確定目標對象在視頻中出現的時間以及出現的頻次，還可以檢索視頻、照片、每一幀之中的相關信息，將信號與噪音分離。如圖1所示為基于VideoIntelligenceAPI的智能識別演示案例，在演示案例中，用戶在MP4視頻文件中搜索動物，文件時長約為1.5分鐘。CloudVideoIntelligence會生成標簽，比如動物、野生動物、動物園、陸生動物、自然、旅游、旅游景點等標簽。新API可以偵測視頻場景，例如，在同樣的演示視頻中，CloudVideoIntelligence發現場景變化了48次，它可以實時偵測，當場景變化時為目標物貼上標簽；有一幕場景顯示的是老虎Tom，API生成了7種標簽；有一幕場景對準動物園的標志，系統生成了2種標簽，這些標簽都是實時生成的，這是視頻智能識別區別于圖像識別的重要特征，基于VideoIntelligenceAPI，用戶可以利用工具在視頻中搜索目標，正如在文檔中搜索一樣，同時搜索與識別的效率以及精度均能滿足用戶的視頻數據挖掘需求。

參考文獻

[1]張傳娟.機器學習在智能交通中的應用關鍵技術研究[J].電子世界,2017(22):186-187.

[2]郭利敏,劉煒,吳佩娟,張磊.機器學習在圖書館應用初探:以TensorFlow為例[J].大學圖書館學報,2017,35(06):31-40.

[3]呂云翔,馬連韜,熊漢彪,徐宇楠.基于機器學習的監控視頻行人檢測與追蹤系統的設計與實現[J].工業和信息化教育,2016(11):66-72.

[4]呂益民,吳旻中,蘇偉杰.基于Spark大數據平臺在視頻中搜索特征車輛的研究[J].警察技術,2016(04):80-82.

作者：穆雪漫1；宮法明2 單位：1.同濟大學電子與信息工程學院，2.中國石油大學（華東）計算機與通信工程學院