近年来,在面向舰船识别的各种应用中,海洋视频感知技术与系统以其直观性、及时性和有效性的特点,常被作为VTS、AIS、VHF等其它监管手段的补充和完善。大规模的高清监控摄像节点完成布设,但针对其拍摄的海量视频图像数据目前仍以人工监测为主。视频监控大数据未能实现统一管理和共享,存在协同难、智能程度低、信息不能及时处理、应用模式效率低下等问题。本文以海洋多源视频监控大数据为基础,围绕舰船目标识别应用,开展视频监控大数据的存储与查询技术研究,主要研究内容如下:(1)提出一种基于Hadoop及HBase的监控视频/图像大数据分布式存储和管理方案,实验结果表明:该方案具有可靠性高、读写速度快、支持TB/PB级数据存储和管理等优点。(2)提出一种舰船目标图像的语义标注方法,利用RDF资源描述框架,将非结构化图像数据转换为结构化数据,实现图像大数据的标注信息共享,不仅可以为后续图像大数据挖掘应用提供支持,而且可以为基于深度学习的舰船目标识别算法提供标注数据集。(3)提出一种支持基于深度学习的舰船目标识别算法应用的分布式存储和管理解决方案,实验结果表明:该解决方案不仅可实现将舰船目标语义标注数据直接转换为多种常用的数据集格式标注数据,而且可以把深度学习训练和测试过程中得到性能指标以及舰船目标特征等数据进行存储和管理。(4)提出一种舰船目标图像搜索及可视化方法,利用深度哈希网络模型提取舰船目标特征,通过将待检索舰船目标特征与数据库中的特征进行相似度计算,提取舰船目标航迹,最后,以可视化的方式呈现出检索结果。实验结果表明:该方法可以较好较快的得到检索结果,可为后续进一步开展重点船舶目标行为分析提供支持。(5)采用Hadoop分布式平台,以HBase作为底层数据存储,综合利用Java、JavaScript等开发语言和中间件软件,设计并实现了一套面向舰船目标识别应用的大数据存储与查询原型系统平台。