CCTV Visual RAG

CCTV Visual RAG

输入一句日常语言的描述，就能在监控视频里找到对应时刻，并返回最匹配的画面和时间戳。适合想搜索录像而不是逐帧拖动查看的人。

由 alinawazmahar 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：CCTV Visual RAG 让你通过描述想看的内容来搜索监控录像。它从视频中抽取画面，转成 CLIP 嵌入向量，存进 FAISS 索引。文字查询会和这个索引匹配，最接近的画面连同时间戳一起返回。

适合谁：它适合要查看录制视频的开发者和分析人员，他们想直接跳到某个时刻，而不是看完整段视频。对正在学习 CLIP 和 FAISS 的人来说，它也是一个小而易读的文本搜图示例。

行业 | 谁在用 | 怎么用 | 例子
安防 | 录像审查人员 | 按描述在录制视频里找到某个时刻 | 搜索 person walking
交通 | 道路监控团队 | 在抽样画面里发现车辆 | 搜索 multiple vehicles
软件 | 开发者 | 研究 CLIP 加 FAISS 的检索流程 | 阅读搜索和视频辅助文件
教育 | 学生 | 了解文字查询如何匹配图片 | 对比 red car 和 empty road 的结果

需要实时告警或目标跟踪的人可以跳过它，因为它按文字搜索的是已存的画面。

用在哪里：这个应用可以在两个地方运行。

• 网页浏览器，打开 Hugging Face 上这个 Space 的页面
• Windows、macOS 或 Linux，用 Python 3.11 运行本地副本

Use case | Who | What they get back
时刻搜索 | 审查人员 | 与输入的描述最匹配的画面
时间戳查找 | 分析人员 | 每个匹配出现在视频中的时间
流程学习 | 开发者 | 一个包含抽帧、嵌入和索引的可运行示例

如何设置：在线页面不需要安装任何东西。本地副本需要下面这些。

• Python 3.11
• Windows、macOS 或 Linux
• requirements.txt 里列出的包

1. 安装 Python 3.11。
2. 安装 Hugging Face 的 hub 包，并下载这个 Space 的副本。
3. 进入新文件夹，安装 Gradio 5.34.2 和 requirements.txt 里的包。
4. 用 python app.py 启动应用。

pip install -U huggingface_hub
hf download alinawazmahar/cctv-visual-rag --repo-type space --local-dir cctv-visual-rag
cd cctv-visual-rag
pip install gradio==5.34.2
pip install -r requirements.txt
python app.py

如何使用：输入一句简短的描述，说明你想找什么，然后查看它返回的画面和时间戳。在本地副本上，用下面这条命令启动页面。

python app.py

工具 | 作用
CLIP | 把画面和你的文字查询转成可比较的嵌入向量
FAISS | 保存画面的嵌入向量，并找出最接近查询的那些
OpenCV | 从视频中取出画面
Gradio | 提供你输入查询的页面

示例：你输入 "red car"。应用会把这个短语和已建索引的画面比较，返回最匹配的几个，每个都带有它在视频中出现的时间。

新手与专家：如果你刚接触这类工具，可以把它想成视频的搜索框。输入一个简单的短语，比如 person walking，看看出现哪些画面，再换一个短语对比。

如果你熟悉这个领域，画面按 1 FPS 抽样，用 CLIP ViT-B/32 模型（也就是 openai/clip-vit-base-patch32）做嵌入。向量进入 FAISS 的 IndexFlatIP，所以文本嵌入是按内积和它们打分的。前 K 个画面连同时间戳一起返回。每秒抽一帧意味着很短的事件可能落在两次抽样之间。

视频每秒抽一帧
CLIP 给每帧做嵌入
FAISS 给嵌入建索引
你的文字查询也被嵌入
最匹配的画面连同时间戳返回

注意事项：这个 Space 把抽样得到的画面和索引放在自己仓库的文件夹里。它的 README 没有列出基准测试数字。

• License: MIT
• Cost to run: 未提及
• Data it reaches: 随 Space 存放的视频画面，以及它指定的 CLIP 模型
• Not for: 实时监控，因为它搜索的是已经建好索引的画面

Hugging Face 上的数据（2026年11月13日）

• 点赞：2
• 构建方式：gradio
• 许可证：mit

链接

• Space：https://huggingface.co/spaces/alinawazmahar/cctv-visual-rag
• 文件：https://huggingface.co/spaces/alinawazmahar/cctv-visual-rag/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。