9月14日凌晨，比iPhone7先来到的是苹果系统iOS10的更新推送。根据苹果*介绍，iOS10是iOS发布*的重磅之作，所以在功能上做了非常大的更新。其中，关于“照片”的更新引起了小编的注意：
　　
　　“照片”的更新
　　
　　1.运用深度学习技术设计*的人脸识别功能，可自动将相似的面孔分组
　　
　　2.通过物体和场景的识别功能，使用*的计算机视觉来扫描设备上的本地图库，可以通过照片内容智能搜索照片
　　
　　3.通过“地点”相簿可在地图上查看您的所有照片、视频和LivePhoto
　　
　　“可自动将相似的面孔分组”这么说，以后自拍的照片可以自动成册了？于是，小编满心期待地赶紧去更新了iOS10，半个小时后...
　　
　　所谓的“可自动将相似的面孔分组”只是将在一张照片中有超过一个人以上的全部归类到一起。exome？这就是人脸识别？
　　　　
　　同时，“可以通过照片内容智能搜索照片”也只能够支持地点搜索而已。距离“智能搜索”还相距甚远。
　　
　　其实，早在安防领域，图像检索、视频检索已经得到了实际的应用。下面，就给大家介绍安防领域的图像检索和视频检索！
　　
　　基于内容的图像检索技术
　　
　　基于内容的图像检索系统具有与传统基于文本的检索系统*不同的构架。由于图像依赖其视觉特征而非文本描述进行索引，查询将根据图像视觉特征的相似度进行。用户通过选择具有代表性的一幅或多幅示例图像来构造查询，然后由系统查找与示例图像在视觉内容上比较相似的图像，按相似度大小排列返回给用户。
　　

　　
　　图像特征的提取与表达是基于内容的图像检索技术的基础。图像的视觉特征可分为通用的视觉特征和领域相关的视觉特征。前者用于描述所有图像共有的特征，与图像的具体类型或内容无关，主要包括色彩、纹理和形状；后者则建立在对所描述图像内容的某些先验知识的基础上，与具体的应用紧密有关，例如人的面部特征或指纹特征等。
　　
　　基于内容的几种典型图像库包括人脸图像、指纹图像、笔迹图像等。
　　
　　大数据下的视频检索
　　
　　视频检索就是要从大量的视频数据中，找出所需要的视频片段。视频检索主要是依赖于视频算法对视频进行预处理，通过对视频内容进行结构化处理，提取出视频内容中的有效信息，进行标记或者相关处理后，人后可以通过各种属性描述进行快速检索。
　　
　　因此视频检索zui主要的是利用视频检测算法对视频进行结构化描述，目前已经在相应的产品中得到应用的算法主要有以下几种：行为分析算法、车牌识别算法、车辆颜色识别算法、车标识别算法、车型识别算法、人脸检测识别算法、人体特征识别算法等。
　　
　　视频数据按照由粗到细的顺序可以划分为四个层次结构：视频(Video)、场景(Scene)、镜头(Shot)和图像帧(Frame)。由于一个镜头内的相邻帧间的变化不是很大，它们之间的特征差值会限定在某个阈值范围内。
　　
　　而在镜头突变时，突变点前后两个相邻帧在内容上显示会有很大的变化，如果特征差值超过了给定的阈值，则意味着出现一个分割边界。镜头的关键帧就是反映该镜头中主要信息内容的帧图像。将各镜头检测出来后，对每个镜头可提取关键帧，并用关键帧简洁地表达镜头。关键帧数目的确定是关键帧提取中的一个重要问题，其确定方法可以根据镜头内帧的差异进行统计，求出其方差，用方差来衡量镜头视觉内容的复杂程度。方差越大，该镜头提取的关键帧数就越多。
　　
　　智能视频检索的应用
　　
　　运动物体
　　
　　目标的运动属性包括目标的运动轨迹、运动幅度、速度及规律等因素。基于目标轨迹的检索是指通过在视频中选定一个特定的区域，目标进入或离开该区域、以及滞留该区域，视频检索算法可以快速关注所有时间内在该区域出现过的目标。
　　
　　人脸搜索
　　
　　在系统中输入待查询的人脸照片，选择需要检索的人脸后进行相似度等参数设置后开始检索，zui后检索出的相似人脸的结果会在界面上显示出来。
　　
　　车牌识别
　　
　　通过查看车牌图例，就可在几分钟内查找到目标车牌，并可观看该目标在整个视频中的存在片段。例如，通过车牌识别信息，便可在系统中形成车辆的行驶轨迹，通过车辆的行动规律，即定位到车辆长时间停留的区域。
　　
　　大数据时代，视频检索成为必须。而视频检索技术的发展，也为提取大数据中的珍贵资源提供了便利。