视频结构化是一种将视频内容中的重要信息进行结构化提取的技术，利用它对视频内容按照语义关系，采用时空分割、特征提取、对象识别、深度学习等处理手段，组织成可供计算机和人理解的文本信息或可视化图形信息。在实际应用中，文本信息可进一步转化为公安实战所用的情报，实现视频数据向有效情报的一次转化。

视频数据结构化从多个维度优化现有的安防业务，将原本许多数量庞大、响应龟速、且大多没有应用价值的监控视频进行精缩，变为更易查找、占存更小且可被深度挖掘的高密度数据。

结构化的视频数据可极大提升搜索和排查效率。实验结果显示，视频结构化之后，从百万级的目标库中(对应数百到一千小时的高清视频)查找某张截图上的行人嫌疑目标，数秒即可完成;千万级目标的库中查找，几分钟即可完成(如果实现云化，速度会更快)。因此在公安实战业务中，基于结构化的视频大数据检索，可以有效解决大海捞针的难题。

此外，结构化视频数据的存储占比可以极大的降低。经过结构化后的视频，存储人的结构化检索信息和目标数据不到视频数据量的2%; 对于车辆，不到1%;对于行为降得更多。存储容量极大地降低，可以解决视频长期占用存储空间的问题。

最后，视频结构化还可以盘活视频数据，成为公安系统数据挖掘基础。视频经过智能化的处理、分类后，存入相应的结构化数据仓库，如人脸照片数据库、人脸特征数据库、行为图片及特征库、车辆图像及特征库等等，而综合这些数据仓库以及关联视频片段仓库可以建立相应的检索引擎，实现对各类的数据仓库的深度信息挖掘，充分发挥大数据作用，提升视频数据的应用价值，提高视频数据的分析和预测功能。

明景视频数据结构化系统采用目标检测、对象识别、深度学习等分析手段提取视频图像中的目标对象及运动轨迹；对目标对象进行分类为人、车、人骑车、行为、事件等不同类别；进一步提取目标的高层结构化属性特征包括目标颜色特征，分类特征，速度特征等，并把目标的轨迹信息以及高层特征形成高效的索引数据进行结构化检索。