大数据之风刮了良久，好像该技能现已神乎其神。不过大数据技能在某些运用方面还存在着应战。面临大数据，视频监控职业面临哪些难题?咱们怎么运用云核算、大数据有关技能来获取数据背面隐含的信息?将来的应战和远景怎么?我将从以上几方面宣布个人观点，意在抛砖引玉、引发业界同仁在工业开展的进一步考虑和评论。
大数据运用应战
一.视频监控存储及智能剖析体系中的难题
根据IDC猜测，全球在2010年已正式进入ZB年代，全球数据量大概每两年翻一番，意味着人类在近来两年发作的数据量相当于之前发作的悉数数据量。爆破式添加的数据，正推动人类进入大数据的年代。
大数据包含交际媒体、移动设备、科学核算和城市中布置的各类传感器信息，其间视频是构成数据体量最大的组成部分。据IMSResearch核算，2011年全球摄像头的出货量到达2646万台，估计到2015年摄像头出货量达5454万台。一天发作的视频监控数据超越1500PB,而累计历史数据将更为无穷，在视频监控大联网、高清化推动下，视频监控事务将面临海量非结构化数据存储、数据同享、数据安全及数据运用四大难题。
(1)海量非结构化数据存储
安防职业的大数据当时首要来源于智慧城市和智能交通等大型安防项目。例如，2011年全球两天的数据就高达1.8ZB，相当于文明开始到21世纪初悉数的数据总和;2013年我国某一线城市一个季度发作的数据总量也在200PB。当时，智慧城市建造已变成地方政府推动城镇化开展的重要途径，而跟着智慧城市的开展，对高清摄像机和智能化监控设备的需要会持续添加，智能交通职业将变成十二五政府出资的要点范畴，这将使将来几年视频监控职业仍坚持高景气量。此外跟着智能家居、民用安防的遍及，更多的用户会通过移动设备监看视频，于此一起会有更多的移动互联数据发作。2012年全国就具有3.88亿移动互联网用户，估计2015年互联设备将到达150亿，2020年互联设备将到达2000亿。数据10倍速的添加，在带来无穷机缘的一起，也带来了很大的应战。
依照IT工业的规律：在满意客户需要的条件之下，通常技能本钱越低，其生命力通常越强。由于数据量的急速扩展，以及随之而来的大规模核算的需要不断添加，一味选用高配硬件，使得硬件出资变成客户不行接受之重。怎么在满意需要的条件下，删去重复数据、下降硬件本钱出资将变成海量非结构化数据存储的一个难题。
(2)数据同享
大数据需要通过疾速的收集、发现和剖析，从大量化、多种类的数据中获取价值。安防大数据年代最明显的特征即是海量和非结构化数据同享，用以进步数据处理才干。比方天网工程和智能交通即是最具代表性的案例，天网工程通常分为省市县乡镇等多级架构，智能交通图画也散布在前端卡口、区节点、市省国家级中心中，海量数据存储在不一样节点、不一样设备中，这给传统的数据管理和运用机制带来了极大的应战。
与科学核算、互联网比较，视频监控的大数据处理难度尤大，首要，视频录像是更初始的非文本非结构化的数据，有必要通过杂乱深重的剖析处理才干获取出文本结构化的数据进行下一步处理;其次视频录像相对其它方式数据的容量要大几个数量级，对传输、存储和核算的带宽需要大。因而咱们说数据高效同享是第二大难题。
(3)数据安全
安全城市、智慧城市的建造促进安防云存储技能的运用，智慧城市一大需要即是将视频存储数据相互之间进行联动、同享，例如在违法追寻时，公安、交通、民用职业等多规模的存储数据能够同享，而这种同享具有了云存储的特性;传统的存储技能无法满意社会开展需要，云存储的在安防范畴的运用变成必定。
安防视频监控数据具有私密性高、保密性强的特色，不仅是过后清查的根据、并且更是后续数据剖析发掘的根底。因而咱们说数据安全一方面是指不受到外界数据的侵略和不合法获取、另一方面是指无穷体系的鲁棒性、体系容错机制，保证硬件软件发作毛病时，数据依然能够康复、得以保留。面临海量数据的存储、同享，硬件和软件设备承载了极大的危险，因而咱们怎么构建大型、海量视频监控存储体系、数据剖析体系以及容错冗余机制是第三大难题。
(4)数据运用
摄像头7X24小时作业，照实记载镜头掩盖规模的发作的全部，只是记载信息是不行的，由于关于客户来讲也许大多数信息是无效。数据的有用性分为两个方面，一方面有用信息也许只散布在一个较短的时间段内，依照数学核算的说法，信息是出现幂律散布的，也称为信息的密度，通常越高密度的信息对客户价值越大;另一方面是指深层次发掘无穷的海量数据，相关得出有用信息。
视频监控事务网络化、大联网后，网络内的设备不断添加，运用搁置的核算资本，完成资本的最大化运用，关乎运算的功率。在视频监控范畴，通常视频剖析的功率决议价值，更低的推迟、更精确的剖析通常是安全城市这类客户的遍及需要。跟着数据量的添加，哪怕对TB等级的数据进行对视频内容的数据剖析和检索，选用串行核算的形式都也许需要花费数小时的核算，已远远不能担任时效性的需要。视频的剖析和检索，不能依赖于传统的手法，巨量数据的功率优化，并行核算也许是解决问题的方法。
