1 系统概述随处可见的视频监控，无非就是摄像头不停地抓拍录像。然而，一旦须要检索视频中的特定目标，人们面对的往往是在成千上万个小时的海量视频中大海捞针，传统上须要投入的人力和时间，简直让人不敢想象，也很不现实。因此，如何通过计算机程序快速从海量视频中搜索特定目标，已经成为当前视频检索和视频侦查迫切须要解决的问题。当前市场存在的视频侦查系统，普遍仅仅是依赖于传统局限的“帧差法”、“背景建模法”、“颜色分类法”等，从视频中检测所有运动目标，开发出的系统大多停留在“视频摘要”、“视频浓缩”、“拌线检测”、“人车分类”等非常初期、浅显的检索阶段，并没有进行特定目标的搜索，在海量视频检索任务中，人工筛选工作量仍然非常巨大，甚至无法接受。此类视频检索系统，尽管有关公司宣传如何地增强案件侦查能力，实际应用效果却非常有限，经受不住实际案件的检验。因此，近年来，越来越多的开发者将重点投入到“以图搜图”这一热点主题的研究上，希望能够取得明显进展成果。然而，因技术方面主要存在很大的困难和挑战，如同类别差异、视点变化、光照差异、遮挡问题、复杂背景等，指望单纯通过“以图搜图”计算的“图像相似度”搜索海量视频中的特定目标，研究进展举步维艰，实际应用效果也非常局限，满足不了复杂多变的海量视频侦查任务。作者完全自主研发的“梯度视频搜索系统”，继承并突破传统图像处理技术，允许用户根据实际情况，自定义视频侦查任务，创新性地提出并构建“级联检测器检测+验证器校验”的多级多个神经网络组成的神经计算专家系统，实现海量视频“多目标多场景”的同时搜索。2 系统特点不同于单纯的“以图搜图”，“梯度视频搜索系统”根据侦查任务的N（N≥1）个已知场景或M（M≥1）张已知图像，提取、处理和扩充已知视频或已知图像中的特征图像序列，将其作为样本集合训练侦查系统内核（多级多个神经网络组成的神经计算专家系统），实现海量视频“多目标多场景”的同时搜索，并且根据案件侦查的深入推进，支持已知场景的增加、删除和修改等。“梯度视频搜索系统”首先根据已知的嫌疑人视频场景片段（已知场景可通过“梯度视频浓缩系统”检索等其它辅助方法得到），自动提取关键特征图像序列，并经一序列预处理和后处理，将关键特征图像序列扩充成不同光照、不同角度、不同变形等多种情况，形成更多的特征图像序列，将其作为样本集合，模拟人类大脑思维训练人工神经网络，最后使用经过训练的侦查系统内核，对海量视频执行搜索任务。3 运行环境
