
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
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28