在安防行業，涉及的數據信息類型很多，以數據的結構類型來看，包括了各類非結構化、結構化以及半結構化信息。非結構化數據主要指視頻錄像和圖片記錄，如監控視頻錄像、報警錄像、摘要錄像……

今年，安防行業得到很到的發展，作為主力軍的監控市場更是耀眼矚目。監控應用的范圍越來越大，勢必會長大量的數據。與此相應的我們的大數據時代已經帶到來，大數據技術如何用科學的方式處理數據，會帶來怎樣的價值？

大數據信息來源豐富

在安防行業，涉及的數據信息類型很多，以數據的結構類型來看，包括了各類非結構化、結構化以及半結構化信息。非結構化數據主要指視頻錄像和圖片記錄，如監控視頻錄像、報警錄像、摘要錄像、車輛卡口圖片、人臉抓拍圖片、報警抓拍圖片等；結構化數據則包括報警記錄、系統日志記錄、運維數據記錄、摘要分析結構化描述記錄，以及各種相關的信息數據庫，如人口信息、地理數據信息、車駕管信息等；半結構化數據則如人臉建模數據、指紋記錄等。

這些信息的來源有幾個渠道，一個是安防系統內部產生的信息，如各種視頻錄像、抓拍圖片、系統運維數據、日志記錄、摘要記錄等；另外一些則是通過外部系統采集或者集成，如人口信息、地理數據信息、人臉庫數據、車駕管數據等。這些數據作為一個整體，構成了安防系統或者說安防領域的大數據基礎，并且具有以下特征：最顯著的是安防數據體量巨大并不斷快速膨脹，隨著視頻監控圖像系統的不斷聯網和整合，以及視頻分辨率和幀率的不斷提高，實時視頻數據的存儲已經從TB級別開始躍升到PB級別；其次，安防數據類型繁多，如上面提到的視頻、圖片、地理位置信息等等，而且隨著各類安防系統以及相關的信息系統的不斷整合，數據類型也會越來越多；另外，安防數據整體蘊含的價值密度低，但是價值高。以視頻監控數據為例，在7×24小時連續不間斷監控過程中，可能有用的數據僅僅1、2分鐘，甚至1、2秒。同時，這些信息更新頻率特別快，安防數據每時每刻都在大量產生，信息每時每刻都在更新。

大數據視頻監控4V特點

在這些數據信息當中，視頻監控的數據占的比例不小，分析視頻監控數據，發現它們主要呈現出：體積大、類型多、速度快、價值低這四大特點，又被稱為是4V：Volume、Variety、Velocity、Value，具體解釋如下：

第一，數據體量巨大（Volume）。高清化帶來單個監控點數據量即以指數級增長，例如單個1080PIPC30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控業務，匯聚了包括各種傳感器、IT、CT系統產生的多樣的數據。業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，并以持續順序到達。在視頻監控領域，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。在視頻監控業務中，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。

架構更加靈活 伸縮彈性更大

對于大數據的視頻監控處理，我們根據數據的特點，基于大數據的架構，幾種視頻監控數據在處理起來的時候更加的方便。

第一，架構更加靈活，伸縮彈性更大

對于一些中大型項目，由于起點的差異，缺乏視頻監控架構的頂層設計，后期的擴容升級難免尾大不掉，如在建設初期就引入面向大數據的架構，為業務擴張和管理帶來好處。

第二，以廉價通用硬件迎合視頻監控數據的爆發性增長

在面向大數據的架構中，可根據視頻監控業務的部署需要，設立多個HDFS集群組成，采集的流數據會被劃分成段，并分布于數據節點，這些數據節點可以采用廉價通用型的硬件，由軟件技術保證其高可靠性，這種方式避免采用傳統高端硬件的模式，大大降低投資成本。

第三，通過高速并行計算實現智能分析和數據挖掘

對于金礦來講，唯有熠熠發光的金子才是有價值，視頻監控數據就猶如這樣一座金礦，傳統人工和串行的數據篩選方式已在大數據時代不能滿足要求。面向大數據的架構原理就是將海量數據分解為較小的更易訪問的批量數據，在多臺服務器上并行分析處理，從而大大加快視頻數據的處理進程。

結合視頻監控業務特點，引入Hadoop的架構，以頂層設計的視角來構建面向大數據視頻監控架構，將對未來視頻監控業務的規劃設計產生深遠的影響。下面簡要描述下大數據視頻監控邏輯架構。

數據源層，包括實時數據和非實時數據。實時數據指IP攝像頭和傳感器產生的實時流媒體數據。非實時數據指從DVR、編碼器、第三方系統導入的媒體數據。

大數據存儲層，采用了HDFS和HBASE，實現數據低成本、高可靠的管理。把采集的視頻流保存在HDFS集群內，并通過HBase建立訪問的索引。把傳統NVR和專用存儲進行重構，納入到整體的分布式文件系統中來。

大數據計算層，實現智能分析和數據挖掘。通過MapReduce把對大視頻的分析進行分解，充分利用閑置資源，把計算任務交由多臺服務器進行并行計算分析，另外一方面，根據智能分析產生的視頻元數據，通過Hive挖掘視頻元數據的價值信息。業務及管理層，實現設備和業務管理。基于Zookeeper組成的服務器集群，可以保證業務系統的無故障運營，基于Ganglia實現對攝像頭等設備的監管。

基于大數據的視頻架構，本質上是把視頻數據作為最有價值的資產，以數據作為核心來構建的技術架構，重點解決了海量的視頻數據分散和集中式存儲并存、多級分布問題，極大提升了非結構化視頻數據讀寫的效率，為視頻監控的快速檢索、智能分析提供了端到端的解決方案。

大數據視屏監控帶來的價值

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，為視頻監控領域業務帶來深刻的變革。

視頻監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控領域的廣闊發展路徑已經顯現，不少廠家正致力于通過將大數據技術和視頻監控業務的完美融合，打造大數據時代的視頻監控解決方案。

責任編輯：ct