根据实际应用需求及应用方式的不同，可以将视频中挖掘的信息分为五类，分别是：事件语义信息、目标身份信息、目标图像特征信息、视频统计信息及视频质量信息。事件语义信息是指从视频中获取的可用语言描述的事件信息，例如有人闯入区域、有人奔跑、发生群聚性事件等，这类信息主要以报警的方式实时呈现给用户，用户可以根据这类信息实时对异常事件进行判断并进行处理。目标身份信息主要是指人员身份及车辆牌照信息，用户以报警的方式或者检索的方式使用这类信息，例如车辆黑名单报警或者嫌疑人照片检索。目标图像特征信息是指可描述的目标图像特征，例如红色轿车、穿黑白条纹衣服的人员等，用户在刑侦工作中可以利用这类信息在海量视频数据中对目标进行快速定位。视频统计信息是指从视频中获取的长时间统计数据，例如商场的客流量、交通要道的车流量等，用户可以利用这类信息进行管理工作的优化。视频质量信息是指对视频质量进行诊断获取的对视频质量异常进行描述的信息，例如视频被遮挡、视频失焦、视频偏色等，用户可以利用这类信息进行监控系统的运行维护。

图表 2视频数据挖掘后端实现拓扑图

　　视频数据挖掘技术实现方式

　　视频数据挖掘技术的实现方式可分为前端设备实现方式和后端设备实现方式两种。前端设备实现方式是指在各种前端监控设备中集成智能视频分析技术，以实现视频信息的实时挖掘；后端设备实现方式是指利用后端服务器集群，对前端监控设备采集的视频信息进行数据挖掘。一般而言，前端设备实现方式的优点是可以对视频数据进行实时分析，并具有根据视频分析算法的需要对前端设备进行成像控制的能力，对于信息实时性或者视频成像特性有特定要求的数据挖掘技术更适合用前端设备实现方式。图1是视频数据挖掘技术前端实现方式的拓扑图，视频数据挖掘技术可以根据需要在DVS、DVR、IP摄像机及网络球机等多种前端设备中集成。视频数据挖掘技术的后端实现方式的优点在于可以利用服务器集群提供更强大的处理能力，并可同时对多路视频数据进行处理实现多路视频数据之间的信息融合。图2是视频数据挖掘技术后端实现方式的拓扑图，视频数据挖掘技术在后端服务器集群中实现。云计算平台由于具有高度的灵活性及扩展性，是视频数据挖掘技术后端实现方式优秀的承载平台，随着云计算技术的发展及成熟，或许在不远的将来，云计算平台将在视频数据挖掘技术中有大量应用。

　　不同的视频数据挖掘技术根据其应用及技术特点需要采用不同的实现方式。有的信息对于实时性及处理能力的要求不高，用两种方式都可以实现数据挖掘，例如视频质量信息及统计类的信息。而有些信息的应用对于实时性有较高的要求，或者在数据挖掘的过程中需要对成像设备进行控制，这类数据挖掘技术就适用于前端设备实现方式，例如，事件语义信息的提取，这类信息一般以报警的方式呈现给用户，用户需要及时的获取这类信息以做出应对，这类信息的挖掘技术就适合用前端设备实现。又例如，车牌信息的提取及人脸图像的检测，一般需要对成像设备进行实时的控制，例如摄像机的曝光时间、摄像机增益值等，以获取高清晰度的图像并保证所获取信息的精确度，因此这类数据挖掘技术在前端摄像机中实现具有较大的优势。

　　有一些数据的挖掘过程中需要系统提供很强的计算能力支撑，或者需要对多路视频数据进行信息融合，这类数据挖掘技术就适用于后端实现方式。例如公安部门在刑侦工作中需要用到的目标特征信息——在刑侦过程中，需要在较短的时间内完成对海量视频数据中具有一定特征的目标进行检索。在这类应用中，需要系统在短时间内完成对海量视频数据中的目标特征进行提取及检索，因此利用服务器集群的后端实现方式就可以提供高密度计算能力的支撑。又例如，对人员身份信息的检索，用户需要输入目标人员的人脸图片在海量视频数据中对该目标人员进行检索。在这类应用中需要对海量视频数据进行人脸检测并建立人脸特征库，并在人脸特征库中检索出特征相似的目标，由于涉及多路视频数据的信息融合建立人脸特征库，因此需要应用后端实现方式。