0
相關數據統計，預計2020年全球數據總量將達到44ZB，其中超過80%是非結構化數據。
繁多的數據種類、PB級的數據量、低價值密度的視頻數據、快速的數據更新處理需求等，這些特性都預示著視圖數據市場已經進入大數據時代。
近年來，隨著各地智慧城市的大力建設，匯聚了海量以視頻為核心的數據，催生對城市視頻、圖像、信息等多元數據的分析和應用需求。
如何針對海量監控視頻數據進行多維感知接入、全網匯聚、存儲、智能分析、多維融合碰撞及應用挖掘，成為重要的業務課題。
就此，雷鋒網AI掘金志采訪到大華股份業務專家付文明，他提到，云計算技術和智能算法的長足進步，讓針對海量多維數據進行智能化分析成為可能。
隨著科技的發展和城市管理者對視頻應用需求的不斷提出，針對視頻圖像數據的多維大數據融合應用關鍵技術也在經歷革新。
1、非結構化數據分析處理
安防行業中，視頻圖像等非結構化數據占到數據總量的95%以上。
長期以來，受限于傳統產品的功能和處理能力，客戶只能對視頻、圖片全量瀏覽查看，耗時費力。
目前，隨著視頻濃縮摘要、圖片二次分析等新技術日漸成熟，以及各種視圖智能識別算法的應用，已逐步支撐起非結構化數據的分析處理需求。
為了滿足客戶獲取視頻圖像中的高價值結構化信息的新需求，需要優化甚至重新設計現有非結構化數據分析工具，提高其在各種新業務場景下的適應性。
2、云計算技術
進入大數據時代以來，客戶對于搜索、布控的實時性以及吞吐量的要求都在不斷提升。
以卡口系統為例，支持日過車500W已經成為基本要求，日過車2000W的城市也不在少數，這就使得系統單位時間內需要處理的數據量急劇增加。
對于視頻等非結構化數據的處理，客戶已經不滿足于單純單機煙囪式建設的傳統系統，而是要求對單個文件也有極致的處理性能，并且能支持Scale-out方式按需提高性能。
對于過車記錄、過人記錄等結構化數據，以及圖片二次識別后的特征向量數據，進行分析比對應用，同樣需要高性能的計算能力支撐。
云計算具有天生的高擴展性，同時Spark、Hadoop等并行計算框架可以充分利用集群所有服務器的性能，將多臺設備的計算資源虛擬化，對外提供統一的強大算力。
云計算技術是大數據時代非結構化數據分析，以及結構化數據分析比對應用的強力支撐。
3、多維大數據融合應用
兩年前，只有一些大的廠家才開發了豐富的業務平臺來實現多維大數據的融合應用，在實際的大項目中實現落地部署。
現在業內很多廠家都宣稱已經有了自己的多維大數據平臺，但是業務功能復雜性相對來講差異還是比較大。
下一步要想在項目中取得領先，各廠家就必須要有多維大數據存儲計算的基礎平臺和完備的端到端解決方案，體現綜合的解決方案競爭實力。
多維大數據時代，信息流通和共享是關鍵，多維數據在被使用的過程中才能體現出它的價值。
對于海量非結構化數據及多種物聯感知數據來說，極速的數據存取系統和開放的結構化處理系統，才能支持后續多維數據碰撞挖掘，保證其價值的最大化。
隨著視頻圖像數據資源的規模越來越龐大、增速迅猛以及各類物聯感知系統(車輛卡口、電警、人臉卡口)的接入，為信息資源的管理和應用帶來了巨大挑戰。
因此，付文明認為，需要進一步深化多維數據信息應用，提升實戰應用效能，才能夠持續完善立體化社會治安防控體系，不斷提升平安城市建設能力和水平。
1、百萬級視頻接入已成趨勢
當前城市公共安全管理中，尤其是公安、應急等政府職能部門在城市管理和執法時，都需要控制、瀏覽、查詢和調用相應區域位置的視頻圖像資源。
通過相應的共享機制，系統需要為全市各政府職能部門、行業條線、企業單位、社會公眾提供視頻圖像資源的聯網共享、基礎應用和高級應用等支撐，并通過視頻的管理和運維功能，實現對各類共享用戶的統一門戶登錄和統一授權管理，建立設備的類型、權屬和功能的三相關系模型，建立用戶的組織、角色和權限的三相關系模型；建立專業運維隊伍和運維管理系統，實現平臺系統運行狀態監測，也可接收下級平臺提供的系統設備、網絡、軟件運行狀態和視頻質量監測數據等信息，進行量化考核。
2、大數據應用市場需求日趨旺盛
市場對視頻圖像的使用需求已經不滿足于簡單的瀏覽查看，而是希望可以從海量數據中挖掘分析得到更高價值的信息。
例如，可以從景區實時視頻摘要的數據中統計得到各地周末及節假日的人流量、車流量，以告知旅客各個景點的熱度、交通擁堵情況，幫助其安排出行；可以根據卡口監控的視頻數據統計分析交通擁堵實時情況及歷史規律，幫助交警做疏導或管制，有備無患；可以根據各種數據模型檢測河流湖泊的水質和生態系統情況，及時預警，幫助生態研究；可以建立面向大學的教室監控系統，智能統計到課率，幫助學校改進教學質量；可以面向監獄，進行實時行為檢測，判斷是否有異常人員并及時報警等。
基于云計算的海量非結構化處理技術在旅游、環保、教育、安防等各個行業的大數據應用得以實現，會創造大量全新的細分市場。
3、多業務應用場景對多維智能化應用提出更高要求
如何運用海量的視頻圖像數據為情報、刑偵、治安、技偵等不同警種提供更加豐富和實用的視頻應用服務，從“事后被動偵查”到“事前主動預警”是業務發展的核心需求。
多維大數據融合應用是通過前端感知設備采集各類時空數據。
此外，還可以利用視頻結構化技術提取視頻中的人、車等信息，把這些信息與安防業務系統中的警務數據相結合，不斷深入挖掘數據深層次價值，構建一張“多維智能感知防控網絡”，打通數據壁壘，服務全警應用。
多維大數據融合應用是基于云存儲、云計算技術，結合安防行業特點和需求，整合新一代非結構化數據智能化處理技術，通過自主創新方式研發制定的。
其優秀的創新特性可以提升安防監控行業的核心競爭力，也是為行業發展做了一次有益的探索，從而加快安防新技術的發展。
對很多行業來說，多維大數據融合應用都會使業務模式發生徹底變革和性能規模出現巨大飛躍。
然而，每個行業對于海量數據的存儲、計算、碰撞、挖掘都有不同的需求，當多維數據深入每個行業進化融合，才體現出它真正的價值。
安防行業涉及大量人、車信息記錄，在實時錄入數據的情況下要求極速分析搜索，等等。這些要求都促使我們深入研究多維大數據融合應用與安防業務的結合點，從而為后續深度智能化應用提供更多價值數據。雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
