大數(shù)據(jù)洪水給視頻監(jiān)控的困境及產(chǎn)生價值

　　“大數(shù)據(jù)是飛速增長的，用現(xiàn)有數(shù)據(jù)庫管理工具難以管理的數(shù)據(jù)集合”。這些數(shù)據(jù)包括：社交媒體、移動設(shè)備、科學(xué)計算和城市中部署的各類傳感器等等，其中視頻又是構(gòu)成數(shù)據(jù)體量最大的一部分。據(jù)IMSResearch統(tǒng)計，2011年全球攝像頭的出貨量達到2646萬臺，預(yù)計到2015年攝像頭出貨量達5454萬臺。2011年一天產(chǎn)生的視頻監(jiān)控數(shù)據(jù)超過1500PB,而累計歷史數(shù)據(jù)將更為龐大，在視頻監(jiān)控大聯(lián)網(wǎng)、高清化推動下，視頻監(jiān)控業(yè)務(wù)步入數(shù)據(jù)洪水時代不可避免。

　　視頻監(jiān)控數(shù)據(jù)有兩個方面的內(nèi)涵——海量和非結(jié)構(gòu)化。視頻監(jiān)控數(shù)據(jù)量規(guī)模龐大，并且隨著高清化、超高清化的趨勢加強，視頻監(jiān)控數(shù)據(jù)規(guī)模將以更快的指數(shù)級別增長；與通常講的結(jié)構(gòu)化數(shù)據(jù)不同，視頻監(jiān)控業(yè)務(wù)產(chǎn)生的數(shù)據(jù)絕大多數(shù)以非結(jié)構(gòu)化的數(shù)據(jù)為主，這給傳統(tǒng)的數(shù)據(jù)管理和使用機制帶來了極大的挑戰(zhàn)。

　　數(shù)據(jù)洪水給視頻監(jiān)控的困境

　　以飛速增長的視頻監(jiān)控數(shù)據(jù)，使得傳統(tǒng)視頻監(jiān)控體系架構(gòu)、數(shù)據(jù)的管理方式、數(shù)據(jù)分析應(yīng)用等面臨新的困境。

　　困境一，數(shù)據(jù)量的急劇擴大和IT投資之間的矛盾。按照IT產(chǎn)業(yè)的法則：在滿足客戶需求的前提之下，往往技術(shù)成本越低，其生命力往往越強。由于數(shù)據(jù)量的急速擴大，以及隨之而來的大規(guī)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。

　　困境二，海量數(shù)據(jù)和有效數(shù)據(jù)之間的矛盾。攝像頭7X24小時工作，如實記錄鏡頭覆蓋范圍的發(fā)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(nèi)，按照數(shù)學(xué)統(tǒng)計的說法，信息是呈現(xiàn)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。

　　困境三，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(jiān)控業(yè)務(wù)網(wǎng)絡(luò)化、大聯(lián)網(wǎng)后，網(wǎng)絡(luò)內(nèi)的設(shè)備越來越多，利用閑置的計算資源，實現(xiàn)資源的最大化利用，關(guān)乎運算的效率。在視頻監(jiān)控領(lǐng)域，往往視頻分析的效率決定價值，更低的延遲、更準(zhǔn)確的分析往往是平安城市這類客戶的普遍需求。隨著數(shù)據(jù)量的增加，哪怕對TB級別的數(shù)據(jù)進行對視頻內(nèi)容的數(shù)據(jù)分析和檢索，采用串行計算的模式都可能需要花費數(shù)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(tǒng)的手段，巨量數(shù)據(jù)的效率優(yōu)化，并行計算是視頻智能分析的唯一出路。

　　大數(shù)據(jù)關(guān)鍵技術(shù)簡介

　　因為大數(shù)據(jù)帶來了很多現(xiàn)實中的難題，為了解決這些難題我們需要新的技術(shù)變革，需要新一代的數(shù)據(jù)庫技術(shù)，業(yè)界稱之為大數(shù)據(jù)技術(shù)。IDC在定義大數(shù)據(jù)技術(shù)：大數(shù)據(jù)技術(shù)將被設(shè)計用于在成本可承受（economically）的條件下，通過非?？焖伲╲elocity）的采集、發(fā)現(xiàn)和分析，從大量化（volumes）、多類別（variety）的數(shù)據(jù)中提取價值（value），將是IT領(lǐng)域新一代的技術(shù)與架構(gòu)的變革。Hadoop技術(shù)正是在此背景下誕生，歷經(jīng)數(shù)年的積累，Hadoop已成長為一個強大的生態(tài)系統(tǒng)，不但衍生出HDFS、HBase、Hive等多個子項目，成為IT領(lǐng)域廣泛采用的大數(shù)據(jù)模型框架。

　　大數(shù)據(jù)技術(shù)和視頻監(jiān)控業(yè)務(wù)在體系架構(gòu)上的融合

　　“除了上帝，任何人都必須用數(shù)據(jù)來說話”，美國著名管理學(xué)家、統(tǒng)計學(xué)家愛德華.戴明將數(shù)據(jù)提升到了和上帝平行的高度。視頻監(jiān)控業(yè)務(wù)正是一個典型的數(shù)據(jù)依賴型業(yè)務(wù)，依靠數(shù)據(jù)說話?？梢哉f，大數(shù)據(jù)與視頻監(jiān)控業(yè)務(wù)有著天然的結(jié)合。綜合來看，大數(shù)據(jù)與數(shù)據(jù)監(jiān)控業(yè)務(wù)的結(jié)合主要體現(xiàn)在“存”、“看”、“用”上。

　　“閃存”：如果類比水庫蓄水的方式，典型的網(wǎng)絡(luò)視頻監(jiān)控數(shù)據(jù)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(shù)量增多、水量增大是水庫蓄水量的保證，然而傳統(tǒng)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(shù)據(jù)技術(shù)支撐下，網(wǎng)絡(luò)視頻監(jiān)控數(shù)據(jù)存儲模型可轉(zhuǎn)向分布式的數(shù)據(jù)存儲體系，提供高效、安全、廉價的存儲方式。

　　“易看”：在視頻監(jiān)控業(yè)務(wù)中，錯看漏看、來不及看等是常見的困擾點。大數(shù)據(jù)監(jiān)控圖像的回溯給許多安防監(jiān)控管理人員帶來了生理與心理的雙重挑戰(zhàn)。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?？上攵话懔闶坌袠I(yè)、金融行業(yè)等，對于視頻監(jiān)控圖像的回溯就更為困難。在視頻監(jiān)控大數(shù)據(jù)趨勢已經(jīng)來臨之際，依靠人眼去檢索、查看所有視頻圖像數(shù)據(jù)已經(jīng)不太現(xiàn)實。通過大數(shù)據(jù)技術(shù)實現(xiàn)視頻圖像模糊查詢、快速檢索、精準(zhǔn)定位，讓看變得簡單迫在眉睫。

　　“善用”：視頻監(jiān)控業(yè)務(wù)中，看只是信息采集的方式之一，用才是業(yè)務(wù)應(yīng)用的根本。視頻監(jiān)控業(yè)務(wù)的效率問題已經(jīng)成為阻礙產(chǎn)業(yè)發(fā)展的關(guān)鍵瓶頸。隨著視頻監(jiān)控攝像機覆蓋廣度、密度增大，視頻圖像數(shù)據(jù)量呈指數(shù)級上升，而視頻監(jiān)控數(shù)據(jù)的使用效率卻在下降。智能交通應(yīng)用、消費者行為分析應(yīng)用等綜合視頻監(jiān)控和圖像智能分析的業(yè)務(wù)出現(xiàn)，正努力突破視頻監(jiān)控效率值及商業(yè)價值低下的瓶頸。通過大數(shù)據(jù)技術(shù)，進一步挖掘海量視頻監(jiān)控數(shù)據(jù)背后的價值信息，快速反饋內(nèi)涵知識輔助決策判斷是將視頻監(jiān)控用好、用善的金鑰匙。

　　面向大數(shù)據(jù)的視頻監(jiān)控體系架構(gòu)

　　視頻監(jiān)控業(yè)務(wù)的核心就是數(shù)據(jù)，數(shù)據(jù)就是業(yè)務(wù)本身，那么基于大數(shù)據(jù)架構(gòu)，可以給中大型的視頻監(jiān)控項目帶來諸多的裨益。

　　第一，架構(gòu)更加靈活，伸縮彈性更大。對于一些中大型項目，由于起點的差異，缺乏視頻監(jiān)控架構(gòu)的頂層設(shè)計，后期的擴容升級難免尾大不掉，如在建設(shè)初期就引入面向大數(shù)據(jù)的架構(gòu)，為業(yè)務(wù)擴張和管理帶來好處。第二，以廉價通用硬件迎合視頻監(jiān)控數(shù)據(jù)的爆發(fā)性增長。在面向大數(shù)據(jù)的架構(gòu)中，可根據(jù)視頻監(jiān)控業(yè)務(wù)的部署需要，設(shè)立多個HDFS集群組成，采集的流數(shù)據(jù)會被劃分成段，并分布于數(shù)據(jù)節(jié)點，這些數(shù)據(jù)節(jié)點可以采用廉價通用型的硬件，由軟件技術(shù)保證其高可靠性，這種方式避免采用傳統(tǒng)高端硬件的模式，大大降低投資成本。第三，通過高速并行計算實現(xiàn)智能分析和數(shù)據(jù)挖掘。對于金礦來講，唯有熠熠發(fā)光的金子才是有價值，視頻監(jiān)控數(shù)據(jù)就猶如這樣一座金礦，傳統(tǒng)人工和串行的數(shù)據(jù)篩選方式已在大數(shù)據(jù)時代不能滿足要求。面向大數(shù)據(jù)的架構(gòu)原理就是將海量數(shù)據(jù)分解為較小的更易訪問的批量數(shù)據(jù)，在多臺服務(wù)器上并行分析處理，從而大大加快視頻數(shù)據(jù)的處理進程。

　　結(jié)合視頻監(jiān)控業(yè)務(wù)特點，引入Hadoop的架構(gòu)，以頂層設(shè)計的視角來構(gòu)建面向大數(shù)據(jù)視頻監(jiān)控架構(gòu)，將對未來視頻監(jiān)控業(yè)務(wù)的規(guī)劃設(shè)計產(chǎn)生深遠的影響。下面簡明扼要描述下面向大數(shù)據(jù)視頻監(jiān)控邏輯架構(gòu)。

　　數(shù)據(jù)源層，包括實時數(shù)據(jù)和非實時數(shù)據(jù)。

　　實時數(shù)據(jù)指IP攝像頭和傳感器產(chǎn)生的實時流媒體數(shù)據(jù)。非實時數(shù)據(jù)指從DVR、編碼器、第三方系統(tǒng)導(dǎo)入的媒體數(shù)據(jù)。

　　大數(shù)據(jù)存儲層，采用了HDFS和HBASE，實現(xiàn)數(shù)據(jù)低成本、高可靠的管理。把采集的流視頻保存在HDFS集群內(nèi)，并通過HBase建立訪問的索引。把傳統(tǒng)NVR和專用存儲進行重構(gòu)，納入到整體的分布式文件系統(tǒng)中來。

　　大數(shù)據(jù)計算層，實現(xiàn)智能分析和數(shù)據(jù)挖掘。通過MapReduce把對大視頻的分析進行分解，充分利用閑置資源，把計算任務(wù)交由多臺服務(wù)器進行并行計算分析，另外一方面，根據(jù)智能分析產(chǎn)生的視頻元數(shù)據(jù)，通過Hive挖掘視頻元數(shù)據(jù)的價值信息。

　　業(yè)務(wù)及管理層，實現(xiàn)設(shè)備和業(yè)務(wù)管理。基于Zookeeper組成的服務(wù)器集群，可以保證業(yè)務(wù)系統(tǒng)的無故障運營，基于Ganglia實現(xiàn)對攝像頭等設(shè)備的監(jiān)管。

　　基于大數(shù)據(jù)的視頻架構(gòu)，本質(zhì)上是把視頻數(shù)據(jù)作為最有價值的資產(chǎn)，以數(shù)據(jù)作為核心來構(gòu)建的技術(shù)架構(gòu)，重點解決了海量的視頻數(shù)據(jù)分散和集中式存儲并存、多級分布問題，極大提升了非結(jié)構(gòu)化視頻數(shù)據(jù)讀寫的效率，為視頻監(jiān)控的快速檢索、智能分析提供了端到端的解決方案。

　　大數(shù)據(jù)視頻監(jiān)控構(gòu)架帶來的價值

　　大數(shù)據(jù)視頻架構(gòu)是革命性的技術(shù)，特別在實時智能分析和數(shù)據(jù)挖掘方面，讓視頻監(jiān)控從人工抽檢，進步到高效事前預(yù)警、事后分析，實現(xiàn)智能化的信息分析、預(yù)測，為視頻監(jiān)控領(lǐng)域業(yè)務(wù)帶來深刻的變革：

　　平安城市領(lǐng)域，實時匯總并綜合分析各種公共安全數(shù)據(jù)和資料，為執(zhí)法人員快速準(zhǔn)確應(yīng)對提供科學(xué)依據(jù)：如實時調(diào)閱現(xiàn)場視頻錄像、犯罪嫌疑人記錄、同一地區(qū)的相似案件資料；進行地理、時間和空間的比較分析，揭示其犯罪模式和行為模式；追蹤嫌疑人與其車輛的位置等。指揮人員也可以參照各種數(shù)據(jù)對不同來源的資料進行綜合分析，制作指揮圖。

　　智能交通行業(yè)，可以輕松監(jiān)控攝像覆蓋范圍內(nèi)的所有車輛的行駛狀態(tài)、運行軌跡，快速分析出其是否違章，通過對海量交通數(shù)據(jù)的比對、分析和研判，實現(xiàn)指定車輛行駛路徑、道路擁堵研判等功能。

　　云服務(wù)領(lǐng)域：實現(xiàn)基于大數(shù)據(jù)的視頻監(jiān)控云服務(wù)，讓攝像機僅通過互連網(wǎng)就能連接云端的視頻監(jiān)控托管服務(wù)，通過快速、智能的分析部署在云端的大數(shù)據(jù)，為小型企業(yè)、零售商店、餐館酒店等提供實時監(jiān)控視頻和潛在風(fēng)險管理，甚至能提供收費的基于視頻內(nèi)容的分析報告，如日常的客戶數(shù)，平均隊列長度等，創(chuàng)造新的商業(yè)模式。

聲明:

凡文章來源標(biāo)明“中國智能交通網(wǎng)”的文章版權(quán)均為本站所有，請不要一聲不吭地來拿走，轉(zhuǎn)載請注明出處，違者本網(wǎng)保留追究相關(guān)法律責(zé)任的權(quán)利；所有未標(biāo)明來源為“中國智能交通網(wǎng)”的轉(zhuǎn)載文章均不代表本網(wǎng)立場及觀點，“中國智能交通網(wǎng)”不對這些第三方內(nèi)容或鏈接做出任何保證或承擔(dān)任何責(zé)任。