视频目标检索是视频侦查的重要应用手段之一。首先面向单一视频源中出现的关注目标，通过目标特征和行为的识别描述技术进行特征提取，并存储于数据库中。根据关注目标特征信息，对视频资源知识库进行对比检索，实现在多视频源的情况下快速识别出关注目标。将包含该关注目标的关键帧进行截取，在大数据平台和分布式数据库的支持下，给出时间、地点、场景等要素，实现对关注目标的高效精准检索。

视频侦查系统提供多种检索应用方式，包括基于特征检索、目标框选搜索、目标跨库比对、基于案件背景的检索、图像匹配度评价机制。基于特征检索，面向人物、车辆等目标进行特征提取后，对设定的搜索特征进行目标分类检测，筛选出目标对象和相应片段。目标框选搜索，从图片或视频中框选出关注目标，通过视频侦查系统在海量视频中找出匹配该目标的对象。框选的对象可以是人脸、车辆、车牌等信息。目标跨库比对，将视频侦查信息库中图像信息与身份证、驾驶证、出入境证的图像特征库进行比对，完成目标身份的核查工作。

视频监控是安全防范系统的重要组成部分，监控系统包括前端摄像机、传输线缆、视频监控平台。视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。视频监控主要包括城市公共区域建设的“天网”系统、社会视频监控系统、卡口监控系统。视频监控采集的视频图像数据具有极高的价值。当发生案件时，可以运用视频监控发现线索、锁定目标、证实犯罪，作为新的侦查途径。

视频识别主要包括视频信息的采集及传输、视频检测和分析处理三个环节。通过智能分析模块，对视频画面进行识别、检测、分析，对异常情况进行目标和轨迹标记。智能分析模块基于人工智能和模式识别原理的算法。

深度学习是机器学习的一个子类，是机器学习众多算法中的一种，是拥有多个隐藏层的神经网络。深度学习可以理解为多层神经网络，是一种学习的模式，采用具有深度的模型进行学习。深度学习具有其他算法不具备的显著优势，特别在AI领域的应用中，使得深度学习解决问题的效果尤为突出，广泛应用于语音识别、图像识别、文本理解等众多领域。

机器学习是让机器从大量样本数据中自动学习其规律，并根据学习到的规律预测未知数据的过程。机器学习的目标是发现数据中暗藏的规律，由此对未知进行预测。这个过程要通过学习来实现，学习用到的材料则是大数据。

机器学习通过人工智能来分析、探索和预测趋势，并根据过去的变化预测未来的趋势。通过经典的机器学习算法，为客户提供智能应用程序，包括频繁模式挖掘、聚类、分类、推荐引擎（获得用户行为并从中发现用户可能喜欢的事物）、频繁子项挖掘（利用一个项集，如查询记录和购物目录，去识别经常一起出现的项目）。

人工智能是计算机科学与技术专业的一门重要的专业课程，运用计算机模拟和延伸人脑功能，模仿人脑所从事的推理、识别、理解、设计、学习、思考等思维活动，以此解决预测、规划等需要人类专家才能处理的复杂问题。人工智能关键技术包括专家系统、自然语言理解、人工神经网络。

基于沃达德大数据平台，通过对海量数据采集、处理、存储、分析和数据挖掘，根据数据的特性，采用合适的可视化方式，将数据直观地展现出来，以帮助人们认识数据、理解数据，同时找出包含在海量数据中的规律或者信息，预测未来发展趋势，进行智能化决策分析，使得数据资产成为核心竞争力。