您的位置： >
来源：　　作者：王志芳;
大数据技术在智慧安防领域的应用模式探析　 ■文/王志芳深圳中兴力维技术有限公司引言20世纪末以来,随着信息和通信技术(ICT)的发展,不管是个人、企业,还是政府,数据量都呈现爆炸式增长的趋势。在海量数据中如何找到有价值的信息成为了一项迫切的需求,这些需求由浅入深依次为信息查询、信息定位、信息理解和信息预测,大数据思维及相关技术都是围绕这一核心需求而发展起来的。大数据时代,拥有大数据思维和技术的一方是掘金者,而拥有数据的一方则是待开采的金矿。安防产业群拥有海量的安防数据,利用大数据手段,让这些沉睡的海量数据发挥价值,提升安防的智能化水平,为从业者创造更多的价值,正在成为一个重要的发展方向。一、大数据的意义说起大数据,有一个朴素的小故事,是关于林彪打仗的:据说战时,林彪每天都要求各部汇报战况和缴获情况,歼敌多少,缴获多少长枪、短枪……数据枯燥而且无聊。辽沈战役时的某天,仍旧是枯燥的数据汇报时,林彪忽然问,胡家窝棚的战役缴获中,为什么短枪比长应用栏目主持:李鹤E-mail:lihe_枪的比例更高些?为什么小车比大车的比例更高些?……然后,他从这些数据断定,胡家窝棚就是敌人的指挥所,命令部队追击从这里逃出的敌人,(本文共计4页)　　　　　　　　　　
相关文章推荐
看看这些杂志对你有没有帮助...
单期定价：16.00元/期全年定价：12.80元/期　共307.20元
　　　　　　安防大数据技术难点分析与解决方案_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
安防大数据技术难点分析与解决方案
上传于||暂无简介
阅读已结束，如果下载本文需要使用1下载券
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，查找使用更方便
还剩6页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢当前位置：> >
安防大数据技术难点分析与解决方案
[摘要]在智慧交通方面，海康威视借助大数据技术，交通管理系统能够在恶劣的网络环境，对城区交通要道进行拍摄与录制，同时把图片与视频数据输往后端的大数据处理平台。通过后端大数据处理，识别繁忙的路段，提前做好交通分流措施。借助车牌识别技术，综合各卡口的过车
不感兴趣(0)
相关阅读：全部相关文章延伸标签
评论列表（网友评论仅供网友表达个人看法，并不表明本站同意其观点或证实其描述）
4月1日，以“平安中原，智慧河南”为主题的2015年第十三届中国...
3月19日，2015中国（武汉）公共安全产品暨警用装备展览会（以下...
大家都爱看
有483人围观
有142人围观
有1228人围观
有599人围观
有183人围观
1闭路监控系统方案
2深圳大运会放假通知 大运放假安
3安全用电常识
4海康威视客户端软件（最新版）
5海康威视播放器软件
6什么是CIF/4CIF/QCIF/D1？
7智能建筑弱电工程师培训班
8上海诚丰数码科技有限公司
9监控技术培训资料
10机房建设标准及管理规范
12345678910下次自动登录
进入商务室
立即注册忘记密码？
可以使用以下方式登录
安防大数据技术难点分析与解决方案
爆料赢取千元大奖
扫描进入微信爆料
【大比特导读】在安防领域，大数据具有广阔的应用场景，带来深度的价值。经过初步摸索，安防大数据也面临一些技术难点。对于这些问题，我们分析安防行业特有的场景特点，探讨一些贴切的解决方案,使得大数据技术更好地为安防业服务。
大数据助力安防行业
经过一段时间的摸索，大数据助力的发展取得相当的成效，部分企业如海康威视等已经有了较多的成熟项目案例。
在智慧交通方面，海康威视借助大数据技术，交通管理系统能够在恶劣的网络环境，对城区交通要道进行拍摄与录制，同时把图片与视频数据输往后端的大数据处理平台。通过后端大数据处理，识别繁忙的路段，提前做好交通分流措施。借助车牌识别技术，综合各卡口的过车记录，能够分析特定车辆的运行轨迹。同样，通过对大量行车违法记录的模式识别，能在特定路段对具有违规倾向的车辆进行报警，比如在高架桥，高速公路上。通过对城市周边主要卡口大量的行车记录分析，能识别出异常的进出城的记录，做好防范措施。
在公安执法方面，海康威视通过人脸识别技术，提高对犯罪嫌疑人追查的效率。通过对大量异常行为的模式特征提取，能提前判别违法行为，比如在火车站，通过对扒手外观打扮，行为举止，作案时的动作特征分析，能够提前把嫌疑信息告知车站治安人员，提高执法的效率。
在平安城市、智能家居，方方面面，安防大数据也引领很多新奇的应用。
安防大数据当前面临的技术难点
然而，伴随着大数据在安防领域越来越深入的应用，也突现出一些技术难点。在IT领域，大数据技术发展较为成熟，针对不同的应用场景有较为丰富的技术选型以及技术路线，其中很多技术可以移植应用到安防领域中。但IT与安防毕竟是两个不同的领域，两者之间存在很多不一样的地方。最大的不同，就是数据本身的不同，主要体现在一下方面：
数据类型不同。在IT领域，大数据处理的对象往往是网页索引、用户行为、日志记录等字符型数据，这些是结构化、方便计算识别处理的数据。而在安防领域，数据往往以图片、音频、视频等非结构化的数据，往往计算机不能直接识别，这些数据只有在人面前才显得有意义。
数据量在数量级上的不同。在互联网领域，单条日志记录一般在一百字节之内，到了1PB的日志记录，已经是一个足够大的量。但在安防领域，一张普通的缩略图就几百KB,如果考虑高清摄像，高清视频，这个数量要更大。一个普通的中等城市，在主要交通卡口拍摄的图片，一年下来就能积压几个PB的数据，如果考虑视频，这个数据量更大。
对数据的实时性要求不同。在互联网行业，以日志型数据分析为主的典型应用中，对实时性要求没那么高，比如淘宝的推荐系统，是否分析最近一个小时用户的浏览记录对于推荐效果关系不大。而在安防领域，前端摄像头录制的都是实时流，这是一个不间断的数据流，最近录制的数据超过一定时间没有得到有效保存，将会永远被丢失。
针对安防领域与IT领域在数据本身上的异同，把适合IT领域常规的大数据技术搬到安防领域就会碰到一些技术难点，表现如下：
存储成本问题。在IT领域，海量的数据往往保存在分布式存储系统中，为了提高数据的可靠性，一份数据往往复制成几份相同的副本，分别保存在不同的节点中，当其中一些副本丢失时，可以从其他节点读出数据。比如在Hadoop中，一份数据往往在集群中保存了相同的3份。如果有1PB的原始数据，则至少要占用3PB的磁盘空间。而在安防领域，几个交通卡口的视频，在一个较短的时间内，如果不覆盖之前的数据，就能轻易积压几个PB。由于图像、音频、视频数据本身的量太大，生搬传统的多副本策略成本过高，我们需要设计出一些更高效同时不损失可用性的方案。
小文件存储问题。这个问题是大数据技术面临的一个共性问题，但在安防领域可能又突现得较为严重。在互联网，小文本、图片、音乐都是小文件，当层积较多时，都面临如何存取这些海量小文件的问题。而在安防行业，小文件主要以图片为主，比如一个城市的主要交通卡口在一年内，就能产生百亿张图片。对于这些海量的小文件的存储，涉及到大量元数据的管理，保证存取的性能是问题的关键。
当然，问题并不可怕，通过分析研究安防应用场景，我们摸索出一些贴合安防大数据的解决方案。
相关资讯：
第一时间获取电子制造行业新鲜资讯和深度商业分析，请在微信公众账号中搜索“大比特商务网”或者“big-bit”，或用手机扫描左方二维码，即可获得大比特每日精华内容推送和最优搜索体验，并参与活动！
今日焦点点击榜人气榜
大比特研讨会
时间：（火热报名中）
地点：广东/东莞市
时间：1月（火热报名中）
地点：广东/广州市
时间：（火热报名中）
地点：上海
Copyright Big-Bit (C)
All Right Reserved 大比特资讯公司 版权所有&&&&&&未经本网站书面特别授权，请勿转载或建立影像，违者依法追究相关法律责任&&大数据技术在智慧安防领域的应用模式探析
您的位置： &
大数据技术在智慧安防领域的应用模式探析
&&&&随着大数据时代的到来，安防领域拥有越来越多的海量数据，如何利用大数据技术将安防领域的大数据价值充分挖掘出来，成为近些年来安防厂家研究的重点。
　　【摘要】随着大数据时代的到来，安防领域拥有越来越多的海量数据，如何利用大数据技术将安防领域的大数据价值充分挖掘出来，成为近些年来安防厂家研究的重点。本文介绍了一种基于云上大数据分享的模式，具体做法是，安防厂家将大数据处理后上云，业务厂家利用云厂家提供的数据交互空间将大数据分享，再整合云上的大数据资源，完成一些有趣的应用，创造新的价值。　　【关键词】安防大数据视频监控智慧安防　　引言　　20世纪末以来，随着信息和通信技术（ICT）的发展，不管是个人、企业，还是政府，数据量都呈现爆炸式增长的趋势。在海量数据中如何找到有价值的信息成为了一项迫切的需求，这些需求由浅入深依次为信息查询、信息定位、信息理解和信息预测，大数据思维及相关技术都是围绕这一核心需求而发展起来的。大数据时代，拥有大数据思维和技术的一方是掘金者，而拥有数据的一方则是待开采的金矿。安防产业群拥有海量的安防数据，利用大数据手段，让这些沉睡的海量数据发挥价值，提升安防的智能化水平，为从业者创造更多的价值，正在成为一个重要的发展方向。　　一、大数据的意义　　说起大数据，有一个朴素的小故事，是关于林彪打仗的：　　据说战时，林彪每天都要求各部汇报战况和缴获情况，歼敌多少，缴获多少长枪、短枪……数据枯燥而且无聊。辽沈战役时的某天，仍旧是枯燥的数据汇报时，林彪忽然问，胡家窝棚的战役缴获中，为什么短枪比长枪的比例更高些？为什么小车比大车的比例更高些？……然后，他从这些数据断定，胡家窝棚就是敌人的指挥所，命令部队追击从这里逃出的敌人，最后的结果大家都知道了，林彪用大数据的思维，活捉了国军大将廖耀湘。　　业界（最早是IBM）将大数据的特征归纳为4个“V”——量大（Volume）、多样（Variety）、价值（Value）、速度（Velocity）。大数据的特点主要包括以下四个层面：首先，数据体量巨大，大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）；其次，数据类型繁多，如网络日志、视频、图片、地理位置信息等；再次，价值密度低，商业价值高；最后，处理速度快，正是这一点使其和传统的数据挖掘技术有着本质的不同。通常情况下，满足前3V特点的数据就可以称作大数据，第四点是关于大数据处理技术的。　　在互联网行业中，三大巨头不谋而合地拥有了海量的、最有价值的数据。百度拥有搜索数据，阿里拥有交易及信用数据，腾讯拥有社交数据，大数据的价值不言而喻。　　在大数据时代，医院的大众医疗数据，电力系统的用户用电数据，金融行业的财产数据及流水，电信运营商拥有的海量通话记录、短信记录以及位置信息，公安部门的居民身份信息，交通部门的车牌信息等等，都是待发掘的丰富矿藏。这些数据的任何一方面利用起来，都能产生不菲的价值，跨界结合所产生的叠加效应更是难以估量。正是这些原因，大数据经过一段时期的概念炒作，目前已经在各个行业逐步落地，产生了一些有价值的应用。典型的如电商的智能推荐系统，腾讯的好友推荐，百度的搜索热点、百度迁徙等。　　二、智慧安防中的大数据　　在安防领域，也有很多沉睡的大数据，比如视频录像、卡口的过车数据等。　　所谓安防就是安全防范，即做好准备和保护，以应付攻击或避免受到侵害，从而使被保护对象处于没有危险、不受侵害、不出事故的安全状态。安防最早应用于文博、银行等要害部门，现如今已面向各行各业，融入到全社会乃至普通百姓的生活。特别是在2005年政府推动“平安城市”建设以来，安防更多地在大型城市联网报警系统建设中发挥着越来越重要的作用，取得了长足的发展，但是有些问题仍有待解决。　　假设有这样一个场景：张三正在家中，突然有人敲门，等打开门以后，对方却自称送快递，但走错了地方；结果等张三关门之后，这个人又到李四家敲门，李四把门打开，此人又是同样的说辞；终于，这个人敲到王五家的时候，没有人来开门。他撬开门锁，实施了盗窃。　　从我们个人的眼光看，每个人都会认为他的行为是正常的，但如果以小区保安的眼光来看，通过查看整个小区的摄像头监控数据，就会发现这是个潜在的威胁，此人的行为异常。这是安防行业中众多应用场景中的一个，通过我们传统的安防系统，似乎不能很好地解决。如果能对多个摄像头的行为中提取行为语义，并进行综合分析，就有可能解决这个问题，而这正是大数据中的一种应用。　　安防系统包含入侵报警系统、视频监控系统、门禁控制系统、防盗报警系统、楼宇对讲系统等，而其中尤以视频数据最为巨大。以视频数据为核心，结合门禁数据、人脸数据、语音数据等，采用大数据分析方法可以提炼出很多价值的信息，而如何利用好这些有价值的信息，正是每个安防企业未来关注的重点。　　三、大数据在智慧安防领域中的应用模式　　安防领域最重要的一部分是视频监控系统，而视频监控领域面临的主要问题是“看不清”、“存不下”、“找不到”。高清化已经是流行趋势，解决了看不清的问题，但同时又增大了数据量，使得存不下、找不到的问题更加严重。也有厂家采用抽帧、视频浓缩等技术部分来解决存不下的问题，对于已经存储的数据采用淡忘式存储，逐步降低存储占用的空间。对于找不到的问题也提供了些辅助的功能，例如视频摘要、切片等，这些技术手段方便人们能更好地找到他们想要的信息，这显然是一种提高，但距离自动化地找到有效信息尚有距离。而大数据可能是一个有效的解决之道。　　传统视频监控系统以摄像机为核心，对视频做转发、集中处理，使用户可以通过统一的客户端集中观看前端的视频。整个系统对视频信号基本不做处理，最后通过人的观察（目视解释）来确定图像是否有用。　　现代视频监控系统是以图像检测和分析技术为核心，通过前后端的分析和自动解释，提取更多结构化的信息，极大地提高视频系统的信息利用水平。　　传统视频系统是人视觉的延伸，而现代监控系统就是人类大脑（思维）的扩展。　　目前，用于分析大数据的工具主要有开源与商用两个生态圈。　　开源大数据生态圈主要有以下三个：一是HadoopHDFS、HadoopMapReduce、HBase、Hive渐次诞生，早期Hadoop生态圈逐步形成；二是Hypertable是另类，它存在于Hadoop生态圈之外，但也曾经有一些用户；三是NoSQL、membase、MongoDb。　　商用大数据生态圈主要是以下三类：一是一体机数据库/数据仓库，IBMPureData（Netezza）、OracleExadata、SAPHana等；二是数据仓库，TeradataAsterData、EMCGreenPlum、HPVertica等；三是数据集市，QlikView、Tableau、以及国内的YonghongDataMart。　　对于应用厂家，使用大数据的技术路线也有两种，其中一种是自建，需要掌握大规模并行处理（MPP）、分布式数据库、数据挖掘、分布式文件系统、分布式计算平台、互联网和可扩展的存储系统等技术，涉及的技术范围较深，投入巨大。另一种是借助于云计算平台，将自身的数据搬到云上，利用云平台的大数据计算和分析平台，结合其他数据供应商的共享数据，产生价值。这个需要建立云生态，整合整个产业链，建立良好的利益分配机制。　　笔者认为作为安防企业，最可行的是借助云计算基础服务商的服务，来实施自己的大数据梦想。这其中有三个关键点：一是如何把自己的数据搬到云上；二是如何建立有效的分配机制共享大数据；再就是采用什么方式整合云上的大数据资源。　　由上面的分析可以看到，第一点和第二点属于安防业务领域，是安防厂家掌握的关键技术，而第三点是云服务厂商擅长的，目前阿里就有一个大数据的梦想。　　数据厂商将数据清洗、提炼过后进入数据市场，然后利用云厂商提供的开发平台（包含算法等），直接在云上完成大数据的计算，如图1所示。　　图1通过云平台进行大数据处理　　首先，从数据的收集到存储到清洗，再到归类、标签化、结构化，经过这些操作，数据才能方便地搬到云上。在云上，企业内部可以直接共享非敏感数据；然后，建立一种交换空间的机制来进行数据交换；再通过统一的数据出口交换数据资源，以便使用费用的审计和结算；最后，由业务厂家的应用系统整合云上的大数据资源进行建模分析、挖掘利用，如图2所示。这些均是技术活，需要服务集群、数据利用模型和数据处理算法来保障，然后才是挖掘出来的结果的包装和变现。　　图2大数据在云端的应用　　四、智慧安防的发展趋势　　大数据、云计算已经成为一种不可逆转的趋势。在智慧安防领域，大数据、云计算能创造出更多的产业价值，基于大数据的交换分享，业务厂家通过整合资源构建符合自身业务的应用系统。在这种模式下，笔者认为会有两种需要重点关注的发展趋势：一种是业务数据的处理，另一种是多种业务数据的整合分析，特别是后一种，相对来说关注的较少，也意味着更多的机会。　　业务数据处理包含数据存储、数据管理、非结构化数据处理等。具体在视频监控领域，涉及图像识别、人脸识别、指纹识别、车牌识别、运动检测、视频摘要、视频浓缩等视频分析技术。　　多种业务数据的综合分析，其本身是一个专家系统，要求对于各种业务熟悉，结合人工智能、深度学习等技术手段完成分析。　　目前，安防厂家也都已经行动起来，已经落地了一些合作的项目。海康与百度、阿里云、腾讯合作推出了“萤石云”；大华和阿里合作推出“乐橙”，并成立独立的公司运营；东方网力和奇虎360推出“小水滴”摄像机；科达和英特尔推出感知型IPC；蓝色星际与微软推出“星际云”等。随着云技术的不断发展与完善，未来安防企业在大数据与智慧安防领域大有可为。
编辑：侯雨婷
注：本文版权归《中国安防》杂志社和《中国安防》杂志网所有，任何媒体或个人未经书面授权严禁部分或全文转载， 违者将严厉追究法律责任。更多详情请订阅《中国安防》杂志。