近幾年，隨著雪亮工程、平安城市、智慧城市項目，以擴大視頻監控覆蓋面、推動全國聯網工作并實現海量視頻信息智能化應用。目前項目建設已卓有成效，監控設備產生的數據量也在飛速增長，全國各行各業采用的監控攝像頭達到幾億只，一天產生的數據量約50PB，是上千個國際級圖書館的數據量級。可以想見，這些數據量遠遠超出了傳統數據處理管理軟件在可接受時間內的處理能力，因此須使用"在數十、數百甚至數千臺服務器上同時平行運行的軟件"，大數據開始應用在安防領域。

　　大數據架構更加靈活，伸縮彈性更大，可根據視頻監控業務部署需要，設立多個集群組成，將海量數據分解為較小且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處理進程。

　　大數據與視頻監控業務的關系主要體現在"存"、"看"、"用"上。理論上說，應用大數據技術后，在沒有人為干預的情況下，視頻監控設備可通過自動分析對動態場景中的目標進行定位、識別和跟蹤，在異常情況發生時做出反應，進行自動報警。警察可以輕松搜索某一時段某一顏色或某一品牌汽車的視頻并快速識別違章行為。

　　依靠大數據技術，安防正在從被動防御向主動判斷、預警發展，行業也從單一安全領域向多行業應用、提升生產效率、提高生活智能化程度方向發展。以城市智能交通管理為例，大數據能夠實現海量視頻數據實時網絡傳輸和快速持久化存儲，同時將各類多媒體數據和車輛數據合二為一，對異常行為智能識別和自動報警等。

　　大數據是真正發揮大規模網絡視頻監控價值的關鍵技術，視頻監控數據是標準的大數據，而通過大數據存儲及分析挖掘，更能發揮海量視頻的潛在價值。更需注意的是，大數據技術主要適用于大型及超大型項目，并且與云計算技術融合，大數據在視頻監控的應用還在探索階段，具體應用模式有所不同，但趨勢比較明顯。

　　大數據是通過非常快速的數據采集，發現和分析，從大量化，多類別的數據中提取高價值信息。

　　而視頻監控數據有兩個典型的特征即還量化和非結構化。視頻監控數據規模龐大，并且隨著高清化，超高清化的趨勢加強，視頻監控數據規模會以指數級別增長。因此大數據會與視頻監控技術連接更加緊密，會更進一步發展。

　　當前，大數據在視頻監控市場的主要有以下應用領域總體來說分為兩大類：一是城市基建，平安城市和智能交通大數據安防的規模化應用說明了這是大數據安防應用的主流。二是個人消費領域，如家庭安防設備產生的數據，這一市場目前還在孕育階段，期待厚積薄發。無論如何，大數據帶給安防行業化應用的未來可期，關鍵在于如何深耕、挖掘，進而體現數據價值。

　　大數據在公共安全視頻監控中的應用，根據采用不同處理方法、挖掘工具及多種數據融合，可獲得不同價值的數據應用。

　　一、視頻監控面臨的數據困境

　　(一)數據量的急劇擴大和IT投資之間的矛盾

　　按照IT產業的法則：在滿足客戶需求的前提之下，往往技術成本越低，其生命力越強。由于數據量的急速擴大，以及隨之而來的大規模計算的需求越來越多，一味采用高配硬件，使得硬件投資成為客戶不可承受之重，客戶越來越希望在滿足需求的前提下，用中低端的硬件來替換高配硬件。

　　(二)海量數據和有效數據之間的矛盾

　　攝像頭7×24小時工作，如實記錄鏡頭覆蓋范圍發生的一切，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，按照數學統計的說法，信息是呈現冪律分布的，也稱之為信息的密度，往往越高密度的信息對客戶價值越大。

　　(三)資源利用和效率之間的矛盾，串行計算和并行計算的矛盾

　　視頻監控業務網絡化、大聯網后，網絡內的設備越來越多，利用閑置的計算資源，實現資源的最大化利用，關乎運算的效率。在視頻監控領域，往往視頻分析的效率決定價值，更低的延遲、更準確的分析往往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級別的數據進行對視頻內容的數據分析和檢索，采用串行計算的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。視頻的分析和檢索，不能依賴于傳統的手段，巨量數據的效率優化，并行計算是視頻智能分析的唯一出路。

　　因為大數據帶來了很多現實中的難題，為了解決這些難題需要新的技術變革，需要新一代的數據庫技術，業界稱之為大數據技術。

　　二、大數據與視頻監控業務結合的好處

　　"閃存"：如果類比水庫蓄水的方式，典型的網絡視頻監控數據存儲模型是一個由小溪匯聚河流、再匯聚到水庫的蓄水方式。小溪數量增多、水量增大是水庫蓄水量的保證，然而傳統方式下蓄水量增大將提高水庫建造成本和蓄水安全的要求。而采用分布式蓄水模式，在河流中游建立多個中間蓄水池，不僅可以減少主水庫蓄水壓力和成本，化整為零也提高了就近用水效率。在大數據技術支撐下，網絡視頻監控數據存儲模型可轉向分布式的數據存儲體系，提供高效、安全、廉價的存儲方式。

　　"易看"：在視頻監控業務中，錯看漏看、來不及看等是常見的困擾點。大數據監控圖像的回溯給許多安防監控管理人員帶來了生理與心理的雙重挑戰。在大量人力投入的公安案件追溯中，都常常耳聞"看到吐"、"看到暈"等無奈和感嘆。可想而知一般零售行業、金融行業等，對于視頻監控圖像的回溯就更為困難。在視頻監控大數據趨勢已經來臨之際，依靠人眼去檢索、查看所有視頻圖像數據已經不太現實。通過大數據技術實現視頻圖像模糊查詢、快速檢索、精準定位，讓看變得簡單迫在眉睫。

　　"善用"：視頻監控業務中，看只是信息采集的方式之一，用才是業務應用的根本。視頻監控業務的效率問題已經成為阻礙產業發展的關鍵瓶頸。

　　隨著視頻監控攝像機覆蓋廣度、密度增大，視頻圖像數據量呈指數級上升，而視頻監控數據的使用效率卻在下降。智能交通應用、消費者行為分析應用等綜合視頻監控和圖像智能分析的業務出現，正努力突破視頻監控效率值及商業價值低下的瓶頸。通過大數據技術，進一步挖掘海量視頻監控數據背后的價值信息，快速反饋內涵知識輔助決策判斷是將視頻監控用好、用善的金鑰匙。

　　三、大數據解決視頻監控"痛點"的主要方法

　　1.人流密度分布、變化趨勢、活動的動態監測，預測踩踏指數，實現大型活動和重要區域的風險管理。

　　2.空間狀態分析，車流密度分布、變化趨勢，道路狀態及變化監測，主要用于預測擁堵指數，實現交通信號的預測調節;

　　3.數據融合、關聯，實現同號搜索，人、車軌跡跟蹤等。

　　4.有序過程與隨機過程分析，成為社會治安關鍵因素，進行常態與暫態分析，實現社會治安風險評估，事件預警。

　　5.高風險因素監控和關聯分析，主要應用于擴大社會掌控面;制定有效防范措施和反應預案。

　　6.融合定位、通信、網絡等技術，提高對高風險因素(人、物、事、時間、地點等)掌控的精度、粒度，建立重大事件風險評估、預警機制，提高防范能力，進而實現犯罪高發分布及分類基礎性研究及綜合治理方案的制定。

　　7.高風險單位、區域、活動安全管理，利用大數據，進行風險和脆弱性分析，結合歷史數據的回歸統計;成功和不成功案例的分析，建立風險管理機制，指導安防系統建設。

　　8.各類系統效能分析，主要應用公共安全系統建設、評價。

　　9.安防基礎理論研究數據庫，通過數據融合、關聯及歷史回歸統計，開展大數據應用;建立安全基礎研究和預警理論研究基礎數據庫。總之，大數據應能解決公共安全的關鍵問題，支撐公共安全系統建設。