智慧城市的管理中，視頻監(jiān)控發(fā)揮著越來越重要的作用。隨著視頻監(jiān)控數(shù)據(jù)量的飛速增長，工作人員在用傳統(tǒng)方式對視頻進行分析和檢索的時候遇到了很大的挑戰(zhàn)。而大數(shù)據(jù)技術可以重構傳統(tǒng)視頻數(shù)據(jù)處理的架構，讓人們可以更快速、更智能地分析和應用視頻監(jiān)控的大數(shù)據(jù)。

　　我國智慧城市戰(zhàn)略已經(jīng)實施了多年，全面提升了城市的管理和服務能力。而從數(shù)據(jù)上來看，市民感受城市最直接的變化就是攝像頭密集度越來越高。而且，很多城市都已經(jīng)開始實施“天眼工程”，為的就是實現(xiàn)對城市全方位無死角的監(jiān)控。密集分布的攝像頭網(wǎng)絡組成了城市的公共安全視頻監(jiān)控系統(tǒng)，也提升了一個城市治安、交通、消防、市政、城管等各部門的整體管理和服務水平。

　　海量視頻數(shù)據(jù)帶來的挑戰(zhàn)

　　隨著視頻監(jiān)控數(shù)據(jù)量的快速增長，以及攝像頭高清化、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。以一個部署了1萬個攝像頭的中等城市為例，假定每個攝像頭每秒壓縮視頻數(shù)據(jù)量為1Mb(比特)，則一天共產(chǎn)生108TB的視頻錄像，一個月共產(chǎn)生約3PB的視頻錄像。

　　現(xiàn)在，新的問題出來了，攝像頭7×24小時地錄制視頻，讓每個城市都產(chǎn)生了大量的視頻監(jiān)控文件。但是，當公安部門或交通部門希望快速搜索某時間或某些特征的視頻段時，這個看似簡單的想法，操作起來卻猶如大海撈針。

　　與通常的結構化數(shù)據(jù)不同，視頻監(jiān)控業(yè)務產(chǎn)生的數(shù)據(jù)絕大多數(shù)以非結構化的數(shù)據(jù)為主，必須經(jīng)過復雜繁重的分析處理才能提取出文本結構化的數(shù)據(jù)進行下一步處理。這些都給傳統(tǒng)視頻監(jiān)控體系架構、數(shù)據(jù)的管理方式、數(shù)據(jù)分析，以及視頻監(jiān)控數(shù)據(jù)的傳輸、存儲和計算帶寬等帶來了極大的挑戰(zhàn)。

　　挑戰(zhàn)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，往往技術成本越低，其生命力越強。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。

　　挑戰(zhàn)二 ：海量數(shù)據(jù)和有效數(shù)據(jù)之間的矛盾。攝像頭7×24小時地工作如實記錄鏡頭覆蓋范圍內(nèi)所發(fā)生的一切。但是，大部分視頻監(jiān)控信息是無效的，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。

　　挑戰(zhàn)三 ：資源利用和效率之間的矛盾。隨著視頻監(jiān)控數(shù)據(jù)量的增加，哪怕對TB級別的數(shù)據(jù)進行視頻內(nèi)容的數(shù)據(jù)分析和檢索，采用傳統(tǒng)方式都可能需要花費數(shù)小時的計算，這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，視頻智能分析必須尋找新的突破。

　　因此，想要從如此海量的視頻監(jiān)控文件檢索到所需的視頻信息，必須借助特殊的技術幫忙。

　　改造傳統(tǒng)數(shù)據(jù)處理架構

　　大數(shù)據(jù)理念和開源生態(tài)系統(tǒng)Hadoop的誕生，激活了各行業(yè)的思路。IT領域開始采用基于Hadoop的大數(shù)據(jù)技術框架對視頻文件進行存儲和計算，使得城市各部門的工作人員可以實現(xiàn)對視頻的快速檢索和智能分析。

　　視頻監(jiān)控的大數(shù)據(jù)平臺一般以分布式集群的方式進行建設。分布式集群能夠對數(shù)據(jù)處理進行負載均衡，同時，也便于未來一段時間進行擴展。而擴展的過程也無需重新部署系統(tǒng)，只需增加集群節(jié)點即可提升大數(shù)據(jù)平臺的整體性能。

　　視頻監(jiān)控的大數(shù)據(jù)平臺采用分布式計算，同時結合內(nèi)存加速、負載均衡、本地處理，以提供高效的數(shù)據(jù)分析和挖掘能力。視頻監(jiān)控大數(shù)據(jù)處理過程中的存儲則采用了分布式存儲方式，以提高讀寫速度和擴大存儲容量。在數(shù)據(jù)存儲方面，大數(shù)據(jù)平臺需要考慮以下3個方面：一是哪些數(shù)據(jù)需要保存到大數(shù)據(jù)平臺上;二是如何對原有系統(tǒng)進行改造，原有系統(tǒng)中已存在的數(shù)據(jù)該如何處理;三是如何保證數(shù)據(jù)的可靠性。

　　實踐證明，基于大數(shù)據(jù)框架改造的傳統(tǒng)視頻處理系統(tǒng)架構能煥發(fā)出新的活力。首先，架構更加靈活，伸縮彈性更大。一些城市的中大型項目，由于起點的差異，缺乏視頻監(jiān)控架構的頂層設計，為后期的擴容升級增大了難度。在建設初期，IT規(guī)劃者如果能引入基于大數(shù)據(jù)的架構，就會為未來的擴張打開通路。

　　其次，可以以廉價通用的硬件產(chǎn)品應對視頻監(jiān)控數(shù)據(jù)的爆發(fā)性增長。在面向大數(shù)據(jù)的架構中，IT規(guī)劃者后期可以根據(jù)視頻監(jiān)控業(yè)務的部署需要，設立多個HDFS(Hadoop分布式文件系統(tǒng))集群，采集的流數(shù)據(jù)會被劃分成段，并分布于各個數(shù)據(jù)節(jié)點上。更為重要的是，這些數(shù)據(jù)節(jié)點可以采用廉價通用型的硬件，由軟件技術保證其高可靠性。這種方式避免采用傳統(tǒng)高端硬件模式，大大降低了大數(shù)據(jù)平臺的后續(xù)運維成本。

　　最后，可以通過高速并行計算實現(xiàn)智能分析和數(shù)據(jù)挖掘。對于城市管理者來說，面對海量的視頻監(jiān)控數(shù)據(jù)，傳統(tǒng)人工和串行的數(shù)據(jù)篩選方式已不能滿足搜索和分析要求。基于大數(shù)據(jù)的架構就是將海量數(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。

　　視頻大數(shù)據(jù)的智能應用

　　以2012年在南京發(fā)生的“1•6”搶劫案為例，在案件偵破過程中，南京警方從全市1萬多個攝像頭共提取了近2000TB的視頻數(shù)據(jù)，為了處理這些視頻，調動 1500多名公安干警查閱搜索視頻線索，共耗時一個多月的時間。很顯然，通過人工查看模式，一段視頻往往需要數(shù)倍于視頻時間才能審看完，因此需要大量工作人員連續(xù)加班進行視頻的審查，就不足為奇。

　　即便如此，人海戰(zhàn)術仍然會影響公安部門破案的進度和效率，而且也使得工作人員把過多的精力耗費在查找視頻線索上來。如果這時候，有一個視頻監(jiān)控的大數(shù)據(jù)平臺就可以在短時間內(nèi)對視頻中運動的物體進行檢索和排除，從而大大提高公安部門的辦案效率。

　　時至今日，視頻監(jiān)控的大數(shù)據(jù)平臺已經(jīng)被成熟地應用于智能交通，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。2015年1月8日上午，在寧連高速上，一輛白色轎車飛速行駛，車內(nèi)儀表盤上的時速指針已接近200公里/小時。

　　與此同時，南京市高速七大隊指揮室內(nèi)，執(zhí)勤的交警正在通過大屏幕監(jiān)控著過往的車輛。當這輛白色轎車飛馳而過時，路邊的測速設備捕捉到這輛車的時速已達到180公里/小時。交警利用監(jiān)控探頭鎖定了這輛車，當車接近收費站時，司機將車停了下來，繞到車尾將號牌上一個藍色東西撕下，隨后繼續(xù)往收費站駛去。

　　幾分鐘后，當這輛白車進入了收費站時，早已在此等候的交警立即上前將車攔截。當交警遞上了車輛超速照片，司機指著車牌剛想狡辯，交警又遞上另一張這位司機正在撕號牌貼的照片。頓時，這位司機啞口無言，乖乖認罰。

　　據(jù)了解，南京市交管部門全面升級警務系統(tǒng)，啟用視頻巡查機制，利用現(xiàn)代化的高科技手段，將交通管理搬上網(wǎng)絡視頻大數(shù)據(jù)平臺，利用布控在全城的道路監(jiān)控系統(tǒng)，實現(xiàn)日常事務的智慧化管理。

　　同時，在智能交通領域，視頻監(jiān)控的大數(shù)據(jù)平臺還可以落地很多以前無法實現(xiàn)的操作。例如，實時交通狀況分析，通過視頻實時分析道路交通流量，然后綜合分析統(tǒng)計出全城市的交通狀況;汽車套牌的行為，通過視頻進行車牌識別，按照一定的規(guī)則在全城檢索相同車牌的汽車;犯罪嫌疑車輛追查，輸入嫌疑車的照片或顏色車型等相關特征在所有視頻中尋找;犯罪嫌疑人追查，通過輸入嫌疑人照片進行人臉特征識別并在所有視頻中尋找該人臉;人車物的軌跡分析，在所有視頻中按照特征查找指定的人車物并繪制其時空軌跡等。

　　顯然，視頻監(jiān)控的大數(shù)據(jù)框架是一種革命性的技術，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警和事后分析，實現(xiàn)智能化的信息分析和預測，為視頻監(jiān)控領域業(yè)務帶來深刻的變革。