MavVStream: 扩展基于提取视频内容的情境监测数据库能力
摘要：基于查询的视频情境检测（相较于手动或定制算法）对于诸如交通监测、监视和其他类型的环境/基础设施监测等多种应用至关重要。视频内容在不同的对象类型和背景信息方面非常复杂。因此，除了使用最新的视觉技术（包括基于深度学习的技术）提取复杂内容外，它们的表达以及查询也面临不同种类的挑战。一旦我们有了适应提取内容的表达，对其进行即席查询将需要新的运算符，以及用于有效计算的语义和算法。扩展数据库框架（表达和实时查询）以处理仅提取一次的视频内容的查询是至关重要的，而此工作是朝着这个方向的一个初始步骤。在本文中，我们将传统关系扩展为R++（矢量属性）和可行性数组，以适应视频内容，并在扩展的表达式上使用几个新运算符扩展CQL（Continuous Query Language）来查询情境。本文讨论了向后兼容性、易用性、新运算符（包括空间和时间）以及有效执行的算法。根据视频内容的复杂性确定了不同类别的查询，以进行评估。使用大量的小型和大型视频数据集（其中一些来自文献）来展示我们的工作如何在可用数据集上使用。通过手动标记的查询的正确性、有效评估以及算法的鲁棒性进行了演示。我们的主要贡献是基于一种新颖的思想，为大数据分析中的一个非常重要的问题提供了一个框架。
作者：Hafsa Billah, Mayur Arora, Sharma Chakravarthy
论文ID：2211.14344
分类：Databases
分类简称：cs.DB
提交时间：2022-11-29