視頻監(jiān)控業(yè)務的大數據特征在視頻監(jiān)控領域，大數據的特點，可用Volume、Variety、Velocity、Value這4個V來概括(如圖1)。

大數據的特點包括以下幾點：

　　第 一，數據體量巨大(Volume)。 高清化帶來單個監(jiān)控點數據量即以指數級增長，例如單個1080P IPC 30天就會產生 2T數據;IP化大聯網后，各平臺實現互聯，平安城市網內攝像頭數量達數萬數十萬級別，其數據量之巨大可想而知。

　　第二，數據類型繁多(Variety)。視頻監(jiān)控領域的視頻編碼格式包括：H.264、MPEG-4、MJPEG等多樣化的編碼方式。 而同時隨著各類物聯網技術的融入到視頻監(jiān)控業(yè)務，匯聚了包括各種傳感器、IT、CT系統產生的多樣的數據。業(yè)務系統需要把結構化與非結構化數據相互關聯，統一存儲。

　　第三，處理速度快(Velocity)。視頻數據隨時間快速增長，并以持續(xù)順序到達。在視頻監(jiān)控領域，視頻分析的效率決定價值，更低的延遲、更準確的分析是平安城市這類客戶的普遍需求。隨著數據量的增加，哪怕對TB級別的數據進行視頻內容的數據分析和檢索，采用串行計算模式都可能需要花費數小時的計算，已遠遠不能勝任時效性的需求。

　　第四，價值密度低(Value)，效率要求高。在視頻監(jiān)控業(yè)務中，價值密度的高低與數據總量的大小成反比。一小時的視頻監(jiān)控內容，可能有用的數據僅僅只有一兩秒。如何通過強大的機器算法更迅速地完成數據的價值“提純”是目前大數據洶涌背景下亟待解決的難題。

視頻監(jiān)控業(yè)務的大數據應用需求隨著數據量的增加，哪怕對TB級別的視頻數據進行對視頻內容的數據分析和檢索，傳統技術模式下可能需要花費數小時的計算，已遠遠不能勝任時效性的要求。用戶希望能夠對海量數據進行有效管理和使用，快速辨別有效數據，提高數據利用價值。

分析大數據產生小數據。攝像頭7×24小時工作，如實記錄鏡頭覆蓋范圍內發(fā)生的一切，僅僅記錄信息是不夠的，因為對于客戶來講可能大部分信息是無效，有效信息可能只分布在一個較短的時間段內，按照數學統計理論，信息是呈現出冪律分布的，或稱之為信息密度，往往密度越高的信息對客戶價值越大。實時涌入的海量數據容易產生大量的休眠數據，浪費大量存儲資源。對海量數據進行智能分析，提取出價值數據片段。建立摘要信息，減少用戶需要面對處理的數據量，形成元數據信息庫。

　　提純小數據產生價值數據，例如在公安系統中希望能集中分析過去和現在的犯罪數據和視頻圖片，整合所有信息，能提供對犯罪趨勢全面的看法。這就需要針對海量歷史數據實現快速檢索，并對貌似非關聯的數據進行關聯，并在可視化平臺進行呈現，總結出數據規(guī)律，為決策者提供參考和預測未來業(yè)務走向。

　　視頻監(jiān)控大數據分析所需的關鍵能力。因為視頻監(jiān)控中大體量數據帶來了很多現實中的難題，我們需要在視頻監(jiān)控解決方案中引入大數據技術?；谝曨l監(jiān)控業(yè)務的特點，我們認為四類關鍵技術發(fā)揮至關重要的作用。

　　智能分析能力?；谟嬎銠C圖像識別算法，對視頻圖像內容進行理解和分析，生成圖像內容和行為的描述信息，并以結構化或半結構化語言描述，為視頻大數據分析與應用提供基礎;

　　大數據處理能力?；诖髷祿⑿谢蚍植际教幚砑夹g，如Hadoop，Hbase等，形成面向大數據的分布式存儲與數據管理框架;提供實時和批處理ETL，實現數據清洗/轉換/裝載，以形成價值信息匯聚;

　　數據挖掘與分析能力。對智能分析元數據的檢索、數據挖掘與分析能力，即對視頻數據的高效利用能力;與非視頻數據整合分析，挖掘事件關聯及產生模式，提升視頻數據價值的能力;

　　可視化展現能力。對視頻內容的高效檢索、比對和呈現能力;與GIS平臺、情報分析平臺、應急處理平臺等地方平臺視圖整合展現，提升視頻數據實用性的能力。

　　通過大數據技術，進一步挖掘海量視頻監(jiān)控數據背后的價值信息，快速反饋內涵知識輔助決策判斷將是未來視頻監(jiān)控應用的發(fā)展方向。

　　視頻智能大數據分析架構

　　視頻監(jiān)控業(yè)務的核心就是數據，數據就是業(yè)務本身，筆者公司的視頻監(jiān)控大數據架構平臺可以給大型的視頻監(jiān)控項目帶來諸多的裨益。

該智能大數據架構靈活，伸縮彈性更大。實現計算、存儲資源云化部署，設備自組網、自管理，業(yè)務永不中斷，按需彈性擴容。支持分布式檢索引擎，通過分布式數據庫MongoDB，支持海量數據存儲，10億條記錄，秒級即可完成數據檢索和呈現。

　　開放架構，智能分析插件化、可擴展，ISV定制開發(fā)簡單快捷。開放架構，第三方智能分析插件可無縫集成;提供智能算法、智能分析應用服務REST標準接口，支持ISV定制開發(fā)。

豐富的智能分析能力，支持可視化操作管理和圖形化研判分析。實現可疑行為自動報警、全網點實時布控、人/車精準識別、視頻內容高效檢索、案件智能分析、以及設備故障自診斷。

從大數據架構圖(圖2)可以看到：

　　DAU(分布式分析單元)：支持流式計算，可分布式部署，對含視頻在內的媒體內容進行智能分析;通過媒體數據預處理，支持插件業(yè)務框架，可引入各類第三方算法插件，基于ONVIF/PSIA數據封裝器，對協議進行適配;

　　DPU(數據處理單元)：提供包括第三方數據接入適配，進行數據的匯聚，并對非結構化數據歸檔，通過數據轉換引擎，實現數據的清洗和轉換，另外根據規(guī)則引擎下發(fā)實時告警規(guī)則上報實時告警信息;

　　DMU(數據挖掘單元)：規(guī)則模型管理，采用可視化界面定義業(yè)務規(guī)則(Schema);為加快數據處理實時性，引入高效率的內存數據庫技術。經過前面數據處理層處理后的數據，以關系型數據形式進行存放;

　　AE(應用環(huán)境)：業(yè)務應用及呈現，提供業(yè)務生成框架，用戶可進行靈活的業(yè)務配置。統一數據訪問接口，應用開發(fā)環(huán)境，便于第三方合作伙伴進行整治業(yè)務應用開發(fā)。

　　大數據視頻監(jiān)控構架帶來的價值

　　大數據視頻架構是革命性的技術，特別在實時智能分析和數據挖掘方面，讓視頻監(jiān)控從人工抽檢，進步到高效事前預警、事后分析，實現智能化的信息分析、預測，為視頻監(jiān)控領域業(yè)務帶來深刻的變革(如圖3)：

平安城市領域，實時匯總并綜合分析各種公共安全數據和資料，為執(zhí)法人員快速準確應對提供科學依據：如實時調閱現場視頻錄像、犯罪嫌疑人記錄、同一地區(qū)的相似案件資料;進行地理、時間和空間的比較分析，揭示其犯罪模式和行為模式;追蹤嫌疑人與其車輛的位置等。指揮人員也可以參照各種數據對不同來源的資料進行綜合分析，制作指揮圖。

　　智能交通行業(yè)，可以輕松監(jiān)控攝像覆蓋范圍內的所有車輛的行駛狀態(tài)、運行軌跡，快速分析出其是否違章，通過對海量交通數據的比對、分析和研判，實現指定車輛行駛路徑、道路擁堵研判等功能。

云服務領域：實現基于大數據的視頻監(jiān)控云服務，讓攝像機僅通過互連網就能連接云端的視頻監(jiān)控托管服務，通過快速、智能地分析部署在云端的大數據，為小型企業(yè)、零售商店、餐館酒店等提供實時的監(jiān)控視頻和潛在的風險管理，甚至能提供收費的基于視頻內容的分析報告，如日常的客戶數，平均隊列長度等，創(chuàng)造新的商業(yè)模式。

　　大數據技術和視頻監(jiān)控的結合，把孤立的視頻內容通過大數據技術的加工，形成可視化結果呈現，這種轉變可為視頻監(jiān)控業(yè)務創(chuàng)造更加智能高效的使用方式，讓用戶從繁重的觀看視頻監(jiān)控勞動中解脫出來，能輕松自如地通過視頻監(jiān)控進行高效準確的決策。

　　總結

　　視頻監(jiān)控進入網絡化時代以后，越來越多融入IT新興技術，大數據技術在視頻監(jiān)控領域的廣闊發(fā)展路徑已經顯現，筆者公司正致力于把大數據技術和視頻監(jiān)控業(yè)務實現融合，以打造出大數據時代的視頻監(jiān)控解決方案。