大数据在视频监控中的应用

邹峰

摘 要：随着科学技术的不断发展，智能化、自动化技术的应用范围更是不断扩大，视频监控就是其中的重要代表。视频监控体系应用场合逐渐地增多，尤其是在安防工作方面发挥了重要的作用，已经是当前技术安全防范的最有效手段。在视频监控体系的使用过程中，包含着较多的数据信息，需要存储、分析，将大数据引入到视频监控体系中是其发展的必然选择。基于此，本文分析了视频监控体系的数据特点，并且着重介绍了大数据在视频监控中的作用。

关键词：大数据；视频监控；应用

中图分类号： X924.3 文献标识码： A 文章编号： 1673-1069（2016）26-139-2

0 引言

随着经济的不断发展以及信息技术的不断进步，人们生产生活中的数据信息量急剧的增加，数据存储量要求以及数据分析速度的要求不断地提升，致使大数据得到快速的研发和使用。随着视频监控系统应用的广泛深入，视频数据的信息量不断地增加，数据存储、传输、分析全都依赖于大数据系统。因此大数据系统是推动视频监控体系发展的关键，也是视频监控功能实现的关键技术，加强大数据在视频监控体系中的应用研究具有十分重要的现实意义。

1 大数据及视频监控数据概述

1.1 大数据

目前，我国大数据并没有形成比较统一的理论认知，可以简单地认为大数据就是传统的数据系统处理技术无法处理和分析的复杂数据体系。大数据在信息采集、信息管理、存储、分析等方面具有重要的作用，可在庞大的数据信息系统中快速地提取有用的数据内涵，具有较大的实用价值。

1.2 视频监控数据分析

随着科学技术的不断发展，我国的视频监控系统也逐步实现了智能化、高清化，并且视频监控系统的安装数量不断地增加，致使视频监控系统中的数据信息越来越大。从视频监控体系的理论来讲，这些数据信息在现实管理工作以及安保工作中具有非常大的应用价值。但是，在实际工作中这些大量的监控数据，如果只是依靠人工处理的话，在其中提取有用的信息是非常困难的。因此在现实的生活过程中，视频监控系统的数据信息基本上是处于闲置状态的，其使用的效率非常的低。

因此，将大数据信息处理系统应用到视频监控体系中是非常有必要的，并且在视频监控体系中，大数据的应用也具有以下特点：一是，数据存储量增长速度十分的快，并且存储量庞大。随着视频监控技术的不断提高，监控点不断地增加，监控数据量也呈爆发式增长，尤其是互联网技术的应用，管理的监控点数量增加，因此视频监控系统的信息存储量十分的大；二是，数据种类较多。在实际的监控系统中，具有较多类型的数据编码格式。同时，随着物联网技术种类的增加，致使视频监控系统的数据呈多样化；三是，数据信息处理效率高。视频监控数据信息不是一成不变的，而是随着时间的增长，其数据信息量也在逐渐地增长。因此原来的数据计算模式已经无法适应当前数据信息的要求，数据信息处理速度十分慢。大数据的有效应用，不仅可以有效地提升数据信息的处理速度，也满足了其实效性的要求；四是，数据价值密度低，效率要求高。目前，我国的视频监控基本上都是实时监控模式，视频监控数据的总量较大，但其中有用的数据非常少。

2 大数据视频监控架构分析

将大数据有效地纳入到视频监控体系中，需要结合视频监控业务需求，并且结合Hadoop（分布式系统构架），来构建大数据视频监控架构。目前，大数据视频监控架构主要包含以下内容：

2.1 数据源层

对于视频监控体系而言，其中的数据来源主要包括实时数据和非实时数据两方面内容。其中实时数据指的就是摄像头和传感器通过实时监测获得的数据；非实时数据主要指的是第三方系统或是编码器等导入的媒体数据信息。

2.2 数据存储层

在进行视频监控系统数据存储的过程中，大数据主要利用HDFS（分布式文件系统）、Hbase（非关系型分布式数据库），以提高数据存储的可靠性和经济性。视频监控系统对原来的NVR和专用存储进行变革，通过先进的HDFS存储，并且利用Hbase系统建立访问索引，提高了视频监控系统数据存储的科学性和应用性。

2.3 大数据分析层

大数据分析层也可以看作是数据计算层，对视频监控系统数据实现智能分析和数据挖掘。首先大数据利用MapReduce（大规模、数据集的并行运算）对视频数据资源进行科学的分解和分析，通过多台计算机进行计算，提高数据资源使用效率；同时还利于Hive技术，对分析过的数据进行进一步的挖掘，提取有用的信息内涵。

2.4 业务及管理层

视频监控系统是依托众多的管理设备实现的，可及时的消除运营设备中的故障，同时专门设置依托Ganglia（分布式监控系统）的管理体系，对摄像头进行管理。

将大数据纳入到视频监控体系中，就是将监控视频的数据信息作为有效资产来看待，以数据为根本内容，构建高效的视频架构体系，提升视频监控数据信息的利用效率，提高视频数据处理能力。

3 大数据在视频监控中的应用分析

3.1 视频监控数据挖掘技术

目前我国的视频监控系统主要是利用计算机、网络系统实现的，视频监控系统只是简单地记录表面的图像，还没有完全地实现智能化，与人类思维还存在较大的差距，因此很多视频数据无法直接为人类所使用，必须借助数据挖掘技术，才能为我们所用。目前，视频数据技术的发展还处于初始阶段，并且在发展的过程中存在较多的问题。上文中已经提到视频数据具有多样性，并且缺乏规律，信息数量十分的庞大，与普通的文本数据信息有根本的区别，因此视频监控数据挖掘技术的难度可想而知。目前，视频监控数据挖掘技术在车牌识别、视频入侵检测技术方面已经取得了较大的进步。

3.2 视频监控数据挖掘技术实现方式

就目前而言，视频监控系统数据挖掘技术的实现方式主要有两种：一是通过前端设备实现。前端设备实现方式主要指的是依靠视频监控体系中一线的智能监控设备，实现快速有效的集成视频服务，对视频信息进行实时挖掘；二是后端设备实现方式。顾名思义，后端设备实现方式主要是利用后端设备的集成服务群对收集、存储的视频数据信息进行挖掘。并且这两者都有较为明显的应有优势：首先，前端设备挖掘方式可以对视频数据信息进行实时分析，并且还具有较高的灵活性，可根据视频算法的需要有效控制前端的视频监测设备，收集算法所需要的视频数据。例如IP摄像机、网络球机等多种视频监测前端设备都可以实现数据信息的集成。其次，后端数据挖掘技术的应用优势主要在其数据处理能力方面更加的强悍，并且可以对多个不同的视频数据信息进行融合，并且数据处理效果更好，数据挖掘的价值也更大。视频数据挖掘技术在后端服务器集群中实现，由于具有高度的灵活性及扩展性。后端数据挖掘方式的实现主要依靠的还是计算机系统，这也是数据挖掘功能实现的基础。在实际的视频数据挖掘过程中，一定要根据应用需要选择适宜的数据挖掘方式。

3.3 数据挖掘流程

视频数据挖掘的目的是建立底层视频数据到高层语义信息之间的映射关系，由于这种映射关系比较复杂，一般采用多层次的信息提取及映射技术来最终实现数据挖掘过程。在视频数据挖掘过程中，从底层的视频数据中首先提取底层图像特征信息，包括图像纹理、图像色块、运动矢量、图像边缘、灰度直方图等信息，这类信息无法为我们所直接理解，它们是提取原语义信息的基础。然后利用目标检测、目标跟踪、特征比对等手段从图像特征中提取原语义信息，包括运动目标、运动目标轨迹、车牌图片、人脸图片等，这类信息已经可以为我们所理解，但是离最终应用还有距离。最后将原语义信息融合为高层的语义级描述信息，例如融合运动目标轨迹信息及用户设计的禁区信息所生成的描述内容为“发现有人闯入禁区”的语义级报警信息，再例如融合目标行人目标检测信息及运动轨迹信息可以生成客流量统计报表等，随着提取信息的层次越高，其包含的信息量逐步减少，其信息的抽象程度越高，也更接近我们所能应用及理解的范畴。

4 结束语

随着信息技术、网络技术的不断发展，视频监控水平也有了很大的提升，并且逐渐实现了智能化、高清化，视频监控数据的需要也在不断地提高。因此将大数据纳入到视频监控体系中是视频监控发展的客观需要，在发挥视频监控数据信息方面具有重要的作用。

参 考 文 献

[1] 巴丽娟.大数据应用架构下视频监控云存储发展[J].中国公共安全（综合版），2014（9）：131-134.

[2] 林青.云领安防大数据时代——安防大数据时代下的视频监控解决之道[J].中国安防，2013（9）：38-42.

[3] 李涵.大数据技术：助力视频监控迈入“智能安防时代”[J].城市建设理论研究（电子版），2015（9）：3720-3721.