数据挖掘技术——智能安防发展的下一个突破口

摘要：  监控视频数据埋藏了大量有用信息，只有提升数据挖掘技术，通过对海量高清视频画面的智能分析，安防系统才可以发挥更积极的作用，才有利于预防危险的发生、最快速度紧急处理险情、以及后期长久防治措施的建立。

关键字：  监控，数据挖掘，智能分析，安防

随着高清、网络化、数字化的不断发展，视频监控系统得到大量普及安装，监控系统所获取并存储的视频数据容量也正以惊人的速度增长。面临着海量的视频数据，如何从中找寻到自己想要的信息，并且在很短的时间内查询到，这就需要面向安防的智能数据挖掘技术帮忙实现。

智能安防是建立在海量丰富的细节可靠的前端数据基础之上的。随着数字化的高清安监产品的普及化，前端采集信息量不足的瓶颈被逐渐克服。在高清晰度画面下，智能安防能够发挥更高的效益。但目前智能安防发展仍然存在着许多问题，在现实应用中普遍各种误报率还是很高，数据挖掘还仍然只是停留在纯数据领域，对于视频里的图像自动识别，其实与百度现在的图片内容搜索、视频搜索如出一辙。监控视频数据埋藏了大量有用信息，只有提升数据挖掘技术，通过对海量高清视频画面的智能分析，安防系统才可以发挥更积极的作用，才有利于预防危险的发生、最快速度紧急处理险情、以及后期长久防治措施的建立。而完善该类技术仍需监控技术供应商及集成商付出长期的努力。

何为数据挖掘?

所谓的数据挖掘，就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。

数据挖掘强大的功能：

(1)自动预测趋势和行为：数据挖掘自动在大型数据库中寻找预测性信息，从而迅速直接由数据本身得出相应结论。

(2)关联分析：数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出数据库中隐藏的关联网。从而为某些决策提供必要支持。

(3)聚类：数据库中的记录可被化分为一系列有意义的子集，即聚类。聚类增强了人们对客观现实的认识，是概念描述和偏差分析的先决条件。聚类技术主要包括传统的模式识别方法和数学分类学。

(4)概念描述：概念描述就是对某类对象的内涵进行描述，并概括这类对象的有关特征。概念描述分为特征性描述和区别性描述，前者描述某类对象的共同特征，后者描述对象之间的区别。

(5)偏差检测：偏差检测的基本方法是，寻找观测结果与参照值之间有意义的差别。