视频监控大数据地关键技术和的应用

《视频监控大数据地关键技术和的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、视频监控大数据的关键技术和应用随着全国各地平安城市、行业安防等项目的大规模建设，视频监控在安防领域中发挥着越来越重要的作用，成为技术防范的最有力手段。而在新的技术条件和应用需求的推动下，视频监控将迎来系统融合和大数据的新时代，其产生的数据将会迅速地增长，如何从这些数据中获得有效的信息和服务，是我们必须要面对的重要问题。笔者认为，大数据处理技术的应用，将成为下一代视频监控的发展关键。视频监控的大数据趋势视频监控从最早的模拟闭路监控系统开始，经历过模拟监控、数字监控、网络监控等重要发展阶段，如今进入了大数据的时代，并面临着一系列的挑战。视频监控产生的数据正迅速

2、增长视频监控数据的增长有三个主要的因素。首先，视频监控不再是一个独立割裂的系统，系统的融合将催生更丰富的数据。GB/T28181-2011标准的发布和实施，在很大程度上改善了各大平台厂家各自为战、互不兼容的乱象，在“大联网”的背景下，所有的视频监控数据将能实现深度共享和统一处理。此外，安防监控的发展趋势是融合化，视频监控平台与其它多种系统之间如警综、消防、卡口、门禁等，将实现资源和数据的无缝整合，统一协作，形成社会化的大系统。其次，高清视频的编解码能力不断提高，导致数据生成的厚度和精度不断提升，高分辨率和高帧率已成为视频监控主流需求。再次，数据生成点的规模

3、在不断扩大，视频监控的覆盖范围和监控点、卡口的数量都以30%以上的增长率在快速增加。我国安装的监控摄像头目前已超过3000万个，每年产生数万PB的数据量。视频监控数据的管理存在瓶颈数据的爆炸式增长，意味着需要投入更多的资源以及付出更多的努力，才能在这些体量庞大的数据中寻找到有价值的信息。目前对视频监控数据的管理能力较弱，其发展没能跟上数据增长的速度，体现在以下几个方面:1.数据的存储和管理视频监控数据具有高并发、大容量的特点。以1080P为例，在8Mbps的码率下，每个摄像头每天产生的视频数据约84GB，中等城市的监控规模一般为数千到数万个摄像头，而且这些

4、数据一般要求必须在系统中保存30天以上。存储系统还必须具有高级别的容错性，存储介质的故障率通常较高，但故障发生时不应造成监控数据的丢失。此外，由于安防项目本身在不断发展，系统可能要进行在线扩容和升级，这就要求存储系统具有高度的可扩展性，可在系统中简单便捷地增添存储设备。目前主要采用分级集中存储的方案，视频数据按区域存储在不同的子平台中，通常使用RAID来进行存储。但RAID在性能、利用率、可靠性等方面很难达到理想的平衡，而且成本偏高。另外，各区域的视频数据被分割存放，数据共享流程繁琐，不利于存储和计算资源的集中配置，也不利于数据的统一分析。2.数据的智能分

5、析图像视频的理解和识别一直是计算机视觉领域的难题，由于很难智能地分析出视频中蕴含的丰富内容，我们仍然要耗费大量的人力物力，在海量的视频监控数据中查找有价值的信息。例如在“周克华”案中，为了查找嫌疑人线索，长沙警方投入约两千名民警，花了1个多月的时间反复查看监控录像，视频量相当于83万部电影。目前，虽然基于内容的智能分析在安防领域得到了研究和推广，但也仅限于较低层次的应用，例如人脸识别、车牌识别、物体检测、人流统计、周界防范等。智能分析除了受限于算法的发展，更受限于计算能力的发展，智能分析的算法复杂度较高，而且其样本数量庞大，非普通计算系统所能胜任。3.数据

6、的融合与协同应用目前，视频监控系统与其它相关系统之间，只是基于视频浏览等基础功能进行有限的对接。但如果能进行更深入的融合，通过对多种关联数据进行分析，可以挖掘出更有价值的应用，例如刑侦线索分析、案件规律分析、社会舆情分析、金融诈骗分析、公共交通优化等。如何对这些海量的融合数据进行清洗和选择，并建立有效的分析模型是一个有趣的挑战。大数据处理的关键技术大数据在近几年成了炙手可热的流行词汇，并经常和云计算联系在一起，它是指大小超出了常用的软件工具在运行时间内可以承受的收集、管理、处理数据能力的数据集。一般将大数据归纳为三个特征，即3V：体量巨大（Volumn）、

7、类型多样（Variety）、快速处理（Velocity）。在大数据中，绝大部分由非结构化数据组成。据统计，目前在全球所有大数据中占主导地位的是图像视频数据，2012年其占比已达到了80%，2013年预计接近90%。大数据的关键技术涵盖了数据采集、传输、存储、处理、应用等各个环节，本文主要围绕视频大数据的存储和处理来进行阐述。传统的数据处理方法是以处理器为中心，而大数据具有海量和分布性的特点，需要采取以数据为中心的模式，将计算任务分配到数据所在的节点中执行，减少数据移动带来的庞大开销。云计算是大数据处理的核心技术，是大数据挖掘的主流方式。在业界，很多公司已经

8、意识到大数据挖掘的重要意义，研发了一系列针对大数据进行处理的云计算