浅谈机器学习在视频智能识别中的实践

张本茂 李森森

摘 要 近年来，先进科学技术的发展推动了社会和行业发展，越来越多的科学技术逐渐得到了开发和使用，而机器学习作为一种智能化科技手段，成为人们关注的热点和焦点内容。目前，在很多领域内都对机器学习实现了运用，尽管视频识别比图像识别难度更大，机器学习依然实现了对视频的智能识别效果。下面，本文就针对机器学习在视频智能识别中的实践进行分析，希望对相关工作研究提供参考。

关键词 机器学习;视频识别;智能识别;实践应用

前言

视频是一种连续性动态化图片集合状态，而想要实现对视频图像有效识别，对识别系统的性能要求是很高的，而在很多领域内都需要使用到视频图像的识别技术，且他们一般都是通过人工方式完成，距离智能识别的目标还比较远。而基于机器学习，就借助智能化的手段能够实现对视频智能化的识别效果，但在實际的运用中还处在探索和改进阶段，而机器学习如何在视频智能识别中进行实践应用，就是本文主要研究的内容。

1视频智能识别中机器学习研究背景

新时期环境下，人们对人工智能技术的研究十分关注，而机器学习就是一种人工智能技术的手段，通过机器学习能够实现对诸多领域工作的完成，其中借助机器学习进行图像识别已经在生活中得到了普遍的应用。如借助遥感影像对房屋和道路等识别、按照快递单号对快递实现分拣和递送、借助违章拍摄的视频对违章车辆的车牌号码实现识别等[1]。目前，物联网的技术得到逐渐发展和应用普及，在城市内所设置监察点都进行各类的摄像头布设，来供不同的单位以及部门进行数据的调用和分析，来推动智慧城市建设和发展;同时互联网环境内存在大量的视频资源，这类视频资源各种各样，对网站视频审核存在很大的难度。而借助机器学习就能够有效实现目标的识别，现阶段识别对象已经从像素向图像延伸，视频作为大量图像连续性时间状态下所产生的动态化信息，被当作计算机的视觉里暗物质类型，其不能和图片一样达到便捷搜索的目的，也不能像图片将像素单做基本单元实施像素灰度的差异性分析和识别，所以视频的智能识别具有很大的挑战，需要继续进行研究和实践探索[2]。

2机器学习在视频智能识别中的实践

在人工智能研究中，机器学习占据着核心位置，它主要是对计算机如何对人类学习的行为实施模拟和实现，获取新知识和技能，并对已有知识的结构重新进行组织，实现对自身性能的不断改善。它不再严格按照人员操作的步骤死板地进行工作的完成，用户仅仅输入相应数据和参数，则机器学习就能够按照内在的机制实现智能化地运行和计算，且给出相应的分析结果，因此机器学习其实已经具备人类一定程度对事情处理的能力[3]。由于视频数据和图片数据对比，呈现出动态化、海量化和实时化特点，它是大数据重要的对象，借助机器学习能够对海量视频数据资源实现高效和高精度的识别，这也是大数据技术研究中的重点内容。

通过机器学习对视频实现智能识别，主要原理是使用机器学习的算法来对视频资源内的对象相应训练样本实施模拟性训练，建立出符合智能化识别精度标准的学习模型类型，将已经训练完成的模型当作核心，对需要识别的视频数据实施模型的实践以及推理，从而从视频的数据内实现对目标对象的快速准确检测和识别[4]。

在现阶段国际IT企业都在加大对视频的智能识别相关工作的研究，而谷歌所公布的新型机器学习平台API，它能够对视频内物体实现自动识别效果，相关开发者在视频的内部开发出对目标侦测的程序，将视频转变为能够搜索和发现的动态视频。借助动词或者名词对此类目标对象代表，如“跑”和“狗”等，后实施搜索就能够将视频内相应信息实现有效提取[5]。在此API平台中，其工作的原理主要是在服务和应用间设置相应桥梁，把新的API和谷歌云的机器学习平台实施连接，此平台发挥计算功能;并且此API还能够把完成注释后的视频在谷歌的云存储内存储。通过谷歌的新型API所开发出应用的程序，具备特殊性的功能，能够让终端的用户对视频内目标实现便捷的搜索;同时用户能够在视频的文件内对每个瞬间实现搜索，对事件查找和意义的探寻;此API平台还能够使用户于视频内进行名词实体的确定，对视频内目标对象出现时间和出现频率实施确定，另外还能够对视频和照片内每一帧相关的信息检索，实现了对信号以及噪音的有效分离效果。

使用API平台来对某动物案例实施智能识别的演示，对案例的演示中，于MP4的视频文件内进行动物的搜索，文件的时长约是1.5min。API平台会生成相应的标签，如动物园、动物、旅游、陆生的动物和自然等。此API能够对视频的场景进行侦测，如在相同演示的视频内，借助此API平台发现了场景出现48次变化，其能够对变化实现实时性侦测，在场景出现变化时对目标物进行标签的标贴;其中有一幕显示出老虎的场景，则API的平台就产生7种类型标签的标注;还有一幕是关于动物园进行标志，此系统产生两种类型的标签，此类标签实时产生，这也体现出视频的智能识别具有的功能和特征。借助API平台，用户能够使用工具对视频内目标实施搜索，和文档搜索相似，且对视频内目标实施搜索和识别的准确定和效率性都十分高。

3结束语

综上所述，机器学习是人工智能技术的重要体现，它在视频智能识别具有显著的应用价值，为了更好促进其在视频智能识别中的应用且提高其应用的效果，还需要对其技术进行不断地实践探索，来更好推动行业应用和发展。

参考文献

[1] 杨永吉，史丽娟，赵剑，等.基于机器学习的视频表情识别研究[J].无线互联科技，2018，134（10）：150-152.

[2] 卢旻昊，邱文嘉，董小舒.基于特征点筛选的实时视频拼接算法[J].指挥信息系统与技术，2018，9（2）：85-88.

[3] 屠要峰，吉锋，文韬.机器学习在大视频运维中的应用[J].中兴通讯技术，2017，23（4）：1-8.

[4] 李帅.基于机器学习的运动目标识别与跟踪技术研究[J].中国科学院长春光学精密机械与物理研究所，2016（6）：63.

[5] 张祥，王紫悦，杨清清，等.基于知识图谱的实体标签可视化[J].指挥信息系统与技术，2020，11（3）：1-9.