京公网安备 11010802034615号
经营许可证编号:京B2-20210330
视频云时代挑战下云计算、大数据技术及其应用
近年来,云计算、云存储、大数据等技术在互联网行业得到了高速发展,技术、产品都得到了较好的市场检验,已被全社会广泛认可。在安防行业,在市场客观需求引领下,主流厂商积极将相关技术引入到行业内,并结合行业特征进行演进,推动云计算、云存储、大数据在行业内的高速发展,同时推出一系列广受市场认可的产品与理念,而云计算、云存储产品也成为各主流厂商主在有关平安城市解决方案中的核心系统之一,这其中所应用的核心技术就成为了衡量所属公司行业地位的关键指标。
视频监控技术趋势一:系统集成下的产品融合
顺应业务发展需求,视频监控行业产品逐渐出现了融合的趋势。一台主机部署多种模块可以提供多样的服务,例如存储、流媒体、管理系统、计算单元等一体化部署的产品,或者一台持续多虚拟机的存储服务器等。一个产品融合多种软件功能模块,提供一体化的解决方案,具备非常好的竞争优势。但同时,多模块混合部署,对各模块资源需求都比较高,因为在有限硬件资源下既要实现资源隔离,又要充分发挥硬件性能,避免额外的开销,又需要具备足够的弹性调整能力。其中容器技术具备众多优势,特别是作为一个轻量级的虚拟化技术手段,结合合理的管理软件系统,以及应用软件系统的配额,会是一个非常好的发展方向。
视频监控技术趋势二:业态趋于多样化
云计算、大数据时代下的视频监控行业的发展塑造业务形态多样化趋势。而互联网化的趋势和应用场景要求革新着传统视频监控行业的发展模式,如更低码流、更高并发度、直播点播、更友好的终端体验等。与此同时,随着国家大力推动智慧城市和平安城市的建设,视频监控行业也逐渐融入到其他行业的布建中,与其他行业形成互补优势,因而视频监控解决方案成为了各行业解决方案中的关键部分,所以这就对视频监控系统的平台开放性、接口合理性等性能提出了非常高的要求。
安防是真正的“大数据”行业
安防是一个真正的“大数据”行业,具备有别于其它行业的专属特征,如何突破安防数据应用瓶颈,带来海量价值,就给相关的技术提出了巨大挑战。
安防行业的数据主要来源于海量的监控摄像头,以一个高清摄像头为例(码流为4Mbps),一个月产生的数据量约为1.2TB,而一个中等城市部署的摄像头数量可达数万只,因此一个月一个中等城市可产生几十PB的视频数据积累。
面对海量的视频数据,传统的存储系统并未改善视频数据价值密度低的问题,并且系统建设成本敏感和性价比低的问题普遍存在。
在此背景下,可以能满足视频流数据的持续性、高强度的读写需求的高性能系统视频云存储系统应运而生。可基于廉价存储服务器和低端高容量磁盘,以分布式存储技术为基础,采用纠删码技术实现成本和可靠性的完美兼顾,同时提供为视频流式特征进行优化,又不失通用性的对象存储能力,可以满足视频存储业务需求,又符合云计算技术发展对存储提出的开放共享要求。
云计算的兴起对视频数据的开放性、读取性能提出了不一样的要求,因此传统基于块的私有视频存储技术及相关方案会逐渐失去市场竞争优势。而逐渐加速发展的SSD(Solid State Drives)存储技术,也将应势给视频云存储的发展带来重大变革。
应用环境对云存储系统提出的诉求
视频监控获得的视频数据价值密度低是安防行业的通性。举公安领域为例:一台路面摄像头一个月产生的视频数据,也许仅仅只有数秒钟的内容是有价值的,但这数秒钟视频片段对于社会安全具有重大意义。而视频分析是一个非常耗计算资源的过程,单机形态的视频分析服务器计算能力普遍较弱。
因此,对视频云计算提出了较高的通用型的视频分析诉求:借助分布式计算系统能力,充分发挥多节点的并行计算能力,实现多类型视频的高效数据计算等。但是,市面上的视频分析技术难度普遍较高,技术成熟度又参差不齐,虽然视频分析算法近些年取得了非常显著的进步,部分算法也达到了非常好的应用效果,例如视频摘要、浓缩、车牌识别、车型分析等,而更低场景要求的人脸识别、人体特征分析算法效果等,依然与市场的高预期还是具有一定差距。
这就要求在自身云存储系统方面,要既要满足大容量、高可靠、高性能、易扩展、开放共享的视频图像存储基础上,同时又要具备庞大的视频图像计算能力;面向海量视频数据,快速检测提取活动目标,实现人、车、物分类,识别运动目标的特征属性,呈现目标快照和短时视频,解决了视频分析效率低下的问题,由“看视频” 变“搜目标”,一触即发、所想即所得;同时使用通用的分析型数据库,提供海量数据极速查询,嵌入特色安防数据分析能力,满足海量数据挖掘需求。
因而笔者预测,通用分布式视频计算框架,搭载成熟、丰富的智能算法,在未来几年将带给视频安防行业的产品和业务重大影响。
如何迎接视频云时代的挑战
现阶段,云存储、计算和大数据相关技术已经对安防行业,特别是视频监控行业,形成了深刻的影响,实现了重大的推进作用。但行业特征决定了技术在行业内的发展演进,借鉴互联网行业先进技术、经验,结合行业特征和业务目标,进行深度优化演进的系统,将拥有非常好的竞争优势。
而视频监控技术和安防领域的长期积累、先进的IT技术融合,互联网思维及持续创新能力的吸收,都是迎接视频云时代挑战不可或缺的关键因素。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在机器学习建模、数据预处理、抽样划分、模型初始化训练的全流程中,随机种子是控制实验随机性、保证结果可复现、提升模型稳定性 ...
2026-08-04Python作为面向对象的主流编程语言,核心编程体系由变量、方法、类三大基础要素构成。三者层层递进、相互协作,支撑起所有基础代 ...
2026-08-04 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-08-04为什么学习数据分析? 当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运 ...
2026-08-03CDA等级认证证书有效期为三年,三年进行一次年审,主要考察CDA持证人的职业发展情况;学历、工作单位及职业变更情况;继续教育 ...
2026-08-03【核心关键词】金融、岗位、企业、算法、知识、专业、理论、课程、软件、数据分析、业务类型、应用场景、经营管理、大型企业、 ...
2026-08-03在日常数据分析、业务报表复盘、业绩预测工作中,平均增长率是衡量数据长期变化趋势的核心指标,广泛用于营收增长、用户增长、销 ...
2026-08-03很多人把统计学理解为“一堆公式和计算”,却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手,不是会算平 ...
2026-08-03在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28