Example Image竞技宝jjb

常见问题

舒兰用大数据技术挖掘视频监控数据的价值

作者：admin2024-04-11 18:09 热度：37092

　　视频监控营业的大数据特征在视频监控领域， ，，大数据的特点， ，，可用Volume、Variety、Velocity、Value这4个V来归纳综合。。 。。

大数据的特点包括以下几点：

　　第 一， ，，数据体量重大(Volume)。。 。。 高清化带来单个监控点数据量即以指数级增添， ，，例如单个1080P IPC 30天就会爆发 2T数据;IP化大联网后， ，，各平台实现互联， ，，平安都会网内摄像头数目达数万数十万级别， ，，其数据量之重大可想而知。。 。。

　　第二， ，，数据类型繁多(Variety)。。 。。视频监控领域的视频编码名堂包括：H.264、MPEG-4、MJPEG等多样化的编码方法。。 。。 而同时随着种种物联网技术的融入到视频监控营业， ，，汇聚了包括种种传感器、IT、CT系统爆发的多样的数据。。 。。营业系统需要把结构化与非结构化数据相互关联， ，，统一存储。。 。。

　　第三， ，，处置惩罚速率快(Velocity)。。 。。视频数据随时间快速增添， ，，并以一连顺序抵达。。 。。在视频监控领域， ，，视频剖析的效率决定价值， ，，更低的延迟、更准确的剖析是平安都会这类客户的普遍需求。。 。。随着数据量的增添， ，，哪怕对TB级别的数据举行视频内容的数据剖析和检索， ，，接纳串行盘算模式都可能需要破费数小时的盘算， ，，已远远不可胜任时效性的需求。。 。。

　　第四， ，，价值密度低(Value)， ，，效率要求高。。 。。在视频监控营业中， ，，价值密度的崎岖与数据总量的巨细成反比。。 。。一小时的视频监控内容， ，，可能有用的数据仅仅只有一两秒。。 。。怎样通过强盛的机械算法更迅速地完成数据的价值“提纯”是现在大数据汹涌配景下亟待解决的难题。。 。。

视频监控营业的大数据应用需求随着数据量的增添， ，，哪怕对TB级别的视频数据举行对视频内容的数据剖析和检索， ，，古板技术模式下可能需要破费数小时的盘算， ，，已远远不可胜任时效性的要求。。 。。用户希望能够对海量数据举行有用管理和使用， ，，快速区分有用数据， ，，提高数据使用价值。。 。。

剖析大数据爆发小数据。。 。。摄像头7×24小时势情， ，，如实纪录镜头笼罩规模内爆发的一切， ，，仅仅纪录信息是不敷的， ，，由于关于客户来讲可能大部分信息是无效， ，，有用信息可能只漫衍在一个较短的时间段内， ，，凭证数学统计理论， ，，信息是泛起出幂律漫衍的， ，，或称之为信息密度， ，，往往密度越高的信息对客户价值越大。。 。。实时涌入的海量数据容易爆发大宗的休眠数据， ，，铺张大宗存储资源。。 。。对海量数据举行智能剖析， ，，提取出价值数据片断。。 。。建设摘要信息， ，，镌汰用户需要面临处置惩罚的数据量， ，，形成元数据信息库。。 。。

　　提纯小数据爆发价值数据， ，，例如在公安系统中希望能集中剖析已往和现在的犯法数据和视频图片， ，，整合所有信息， ，，能提供对犯法趋势更周全的看法。。 。。这就需要针对海量历史数据实现快速检索， ，，并对貌似非关联的数据举行关联， ，，并在可视化平台举行泛起， ，，总结出数据纪律， ，，为决议者提供参考和展望未来营业走向。。 。。

　　视频监控大数据剖析所需的要害能力。。 。。由于视频监控中概略量数据带来了许多现实中的难题， ，，我们需要在视频监控解决计划中引入大数据技术。。 。�； ；；；；；谑悠导嗫赜档奶氐�， ，，我们以为四类要害技术施展至关主要的作用。。 。。

　　智能剖析能力。。 。�； ；；；；；谂趟慊枷袷侗鹚惴�， ，，对视频图像内容举行明确和剖析， ，，天生图像内容和行为的形貌信息， ，，并以结构化或半结构化语言形貌， ，，为视频大数据剖析与应用提供基础;

　　大数据处置惩罚能力。。 。�； ；；；；；诖笫莶⑿谢蚵苁酱χ贸头＜际�， ，，如Hadoop， ，，Hbase等， ，，形成面向大数据的漫衍式存储与数据管理框架;提供实时和批处置惩罚ETL， ，，实现数据洗濯/转换/装载， ，，以形成价值信息汇聚;

　　数据挖掘与剖析能力。。 。。对智能剖析元数据的检索、数据挖掘与剖析能力， ，，即对视频数据的高效使用能力;与非视频数据整合剖析， ，，挖掘事务关联及爆发模式， ，，提升视频数据价值的能力;

　　可视化展现能力。。 。。对视频内容的高效检索、比对和泛起能力;与GIS平台、情报剖析平台、应急处置惩罚平台等地方平台视图整合展现， ，，提升视频数据适用性的能力。。 。。

　　通过大数据技术， ，，进一步挖掘海量视频监控数据背后的价值信息， ，，快速反响内在知识辅助决议判断将是未来视频监控应用的生长偏向。。 。。

　　视频智能大数据剖析架构

　　视频监控营业的焦点就是数据， ，，数据就是营业自己， ，，笔者公司的视频监控大数据架构平台可以给大型的视频监控项目带来诸多的裨益。。 。。

该智能大数据架构无邪， ，，伸缩弹性更大。。 。。实现盘算、存储资源云化安排， ，，装备自组网、自管理， ，，营业永不中止， ，，按需弹性扩容。。 。。支持漫衍式检索引擎， ，，通过漫衍式数据库MongoDB， ，，支持海量数据存储， ，，10亿条纪录， ，，秒级即可完成数据检索和泛起。。 。。

　　开放架构， ，，智能剖析插件化、可扩展， ，，ISV定制开发简朴快捷。。 。�？？？？？偶芄�， ，，第三方智能剖析插件可无缝集成;提供智能算法、智能剖析应用效劳REST标准接口， ，，支持ISV定制开发。。 。。

富厚的智能剖析能力， ，，支持可视化操作管理和图形化研判剖析。。 。。实现可疑行为自动报警、全网点实时布控、人/车精准识别、视频内容高效检索、案件智能剖析、以及装备故障自诊断。。 。。


　　DAU(漫衍式剖析单位)：支持流式盘算， ，，可漫衍式安排， ，，对含视频在内的媒体内容举行智能剖析;通过媒体数据预处置惩罚， ，，支持插件营业框架， ，，可引入种种第三方算法插件， ，，基于ONVIF/PSIA数据封装器， ，，对协议举行适配;

　　DPU(数据处置惩罚单位)：提供包括第三方数据接入适配， ，，举行数据的汇聚， ，，并对非结构化数据归档， ，，通过数据转换引擎， ，，实现数据的洗濯和转换， ，，另外凭证规则引擎下发实时告警规则上报实时告警信息;

　　DMU(数据挖掘单位)：规则模子管理， ，，接纳可视化界面界说营业规则(Schema);为加速数据处置惩罚实时性， ，，引入高效率的内存数据库技术。。 。。经由前面数据处置惩罚层处置惩罚后的数据， ，，以关系型数据形式举行存放;

　　AE(应用情形)：营业应用及泛起， ，，提供营业天生框架， ，，用户可举行无邪的营业设置。。 。。统一数据会见接口， ，，应用开发情形， ，，便于第三方相助同伴举行整治营业应用开发。。 。。


　　大数据视频监控构架带来的价值

　　大数据视频架构是革命性的技术， ，，特殊在实时智能剖析和数据挖掘方面， ，，让视频监控从人工抽检， ，，前进到高效事前预警、事后剖析， ，，实现智能化的信息剖析、展望， ，，为视频监控领域营业带来深刻的厘革(如图3)：


平安都会领域， ，，实时汇总并综合剖析种种公共清静数据和资料， ，，为执法职员快速准确应对提供科学依据：如实时调阅现场视频录像、犯法嫌疑人纪录、统一地区的相似案件资料;举行地理、时间和空间的较量剖析， ，，展现其犯法模式和行为模式;追踪嫌疑人与其车辆的位置等。。 。。指挥职员也可以参照种种数据对差别泉源的资料举行综合剖析， ，，制作指挥图。。 。。

　　智能交通行业， ，，可以轻松监控摄像笼罩规模内的所有车辆的行驶状态、运行轨迹， ，，快速剖析出其是否违章， ，，通过对海量交通数据的比对、剖析和研判， ，，实现指定车辆行驶路径、蹊径拥堵研判等功效。。 。。

云效劳领域：实现基于大数据的视频监控云效劳， ，，让摄像机仅通过互连网就能毗连云端的视频监控托管效劳， ，，通过快速、智能地剖析安排在云端的大数据， ，，为小型企业、零售市肆、餐馆旅馆等提供实时的监控视频和潜在的危害管理， ，，甚至能提供收费的基于视频内容的剖析报告， ，，如一样平常的客户数， ，，平均行列长度等， ，，创立新的商业模式。。 。。

　　大数据技术和视频监控的连系， ，，把伶仃的视频内容通过大数据技术的加工， ，，形成可视化效果泛起， ，，这种转变可为视频监控营业创立越发智能高效的使用方法， ，，让用户从沉重的寓目视频监控劳动中解脱出来， ，，能轻松自若地通过视频监控举行高效准确的决议。。 。。


　　总结

　　视频监控进入网络化时代以后， ，，越来越多融入IT新兴技术， ，，大数据技术在视频监控领域的辽阔生长路径已经展现， ，，笔者公司正致力于把大数据技术和视频监控营业实现融合， ，，以打造出大数据时代的视频监控解决计划。。 。。


【网站地图】【sitemap】