MavVStream：利用提取的视频内容扩展数据库能力以进行态势监控

基于查询的视频态势检测（相对于人工或定制化算法）对于交通监控、监视以及其他类型的环境/基础设施监控等多种应用至关重要。视频内容在异构对象类型和背景信息方面十分复杂。因此，除了利用最新视觉技术（包括基于深度学习的）提取复杂内容外，其表示与查询也带来了不同种类的挑战。一旦我们有了能容纳提取内容的表示，在其上的即席查询将需要新的操作符，以及用于高效计算的语义与算法。扩展数据库框架（表示与实时查询）以处理仅提取一次的视频内容查询是关键所在，而本工作是朝该方向迈出的初步一步。在本文中，我们将传统关系扩展为 R++（向量属性），并将数组表（arrables）扩展以容纳视频内容，同时用若干新操作符扩展 CQL（连续查询语言）以在扩展表示上查询态势。本文讨论了向后兼容性、易用性、新操作符（包括空间与时间操作符）以及高效执行的算法。基于视频内容评估的复杂度，我们识别出若干类查询。我们使用了大量小型与大型视频数据集（部分来自文献）来展示我们的工作如何应用于可用数据集。我们展示了带人工真值的查询正确性、高效评估以及算法的鲁棒性。我们的主要贡献是基于一个新颖思想，为一个作为大数据分析重要组成部分且日益关键的问题构建了框架。