随着智慧城市,平安城市系统的快速建设,在海量监控视频中提取所需信息的难度越来越大,因此,安防系统对于视频分析系统的需求越来越迫切。视频结构化分析系统是面向智慧城市、平安城市等项目建设,针对行业视频图像大数据进行人工智能解析的一个基础平台,主要是通过视频结构化描述技术对视频进行语义信息提取及描述。视频结构化分析系统通常包括图像处理、特征提取、目标检测,目标识别、视频标准化描述等步骤。经过上述处理方法,通过对视频内容进行语义化分析,将视频图像信息转化成可对视频内容进行准确描述的文本类信息,由此转化为公安系统实际可用的情报。目前,随着深度学习技术的发展,深度学习技术在实现道路监控视频信息的情报化、视频监控网络的智慧化中扮演者越来越重要的角色。本研究主要通过深度学习中目标检测技术,例如YOLO,SSD等;车脸识别技术,例如基于FaceNet的车辆属性识别技术,对原始视频进行智能分析,提取出关键信息,并进行文本的语义描述。对于一段道路监控视频内容,主要是有三项识别,分析内容:第一是目标的检测,也就是对画面中运动或静止车辆,行人的检测;第二是对目标特征的识别,也就是画面中的目标有什么特征,例如,对于车辆的描述信息包括:车牌、车颜色、车型、品牌、子品牌、车贴、车饰物信息等多种车辆描述信息,对于行人的描述信息包括:穿着,是否佩戴帽子等描述信息;第三类是目标的轨迹分析,也就是对画面中的目标的行为进行描述,信息包括:区域、徘徊、聚集等多种行为描述信息。最终提供语义检索、以图搜图等检索手段,可快速准确地从大量监控视频中找到所需目标,提高公安系统工作效率。通过以上内容分析:1:可以提升搜索和排查效率,2:可以降低存储占比,3:经过处理后的视频数据可以进行深度数据挖掘等应用。相较于传统的视频结构化系统,基于深度学习的视频结构化系统在识别准确度,抗干扰能力上具有明显优势,可以极大提高道路交通视频利用效率,减少公安系统不必要的重复性劳动。因此,其具有广阔应用前景。