《企業網D1Net》6月23日訊
在大數據時代下，視頻監控的發展已經進入快速時期，如此同時，大數據與視頻監控結合趨勢更加明顯，對于大數據的視頻監控處理，我們根據數據的特點，基于大數據的架構，幾種視頻監控數據在處理起來的時候更加的方便。
第一，架構更加靈活，伸縮彈性更大
對于一些中大型項目，由于起點的差異，缺乏視頻監控架構的頂層設計，后期的擴容升級難免尾大不掉，如在建設初期就引入面向大數據的架構，為業務擴張和管理帶來好處。
第二，以廉價通用硬件迎合視頻監控數據的爆發性增長
在面向大數據的架構中，可根據視頻監控業務的部署需要，設立多個HDFS集群組成，采集的流數據會被劃分成段，并分布于數據節點，這些數據節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智能分析和數據挖掘
對于金礦來講，唯有熠熠發光的金子才是有價值，視頻監控數據就猶如這樣一座金礦，傳統人工和串行的數據篩選方式已在大數據時代不能滿足要求。面向大數據的架構原理就是將海量數據分解為較小的更易訪問的批量數據，在多臺服務器上并行分析處理，從而大大加快視頻數據的處理進程。
結合視頻監控業務特點，引入Hadoop的架構，以頂層設計的視角來構建面向大數據視頻監控架構，將對未來視頻監控業務的規劃設計產生深遠的影響。下面簡要描述下大數據視頻監控邏輯架構。
數據源層，包括實時數據和非實時數據。實時數據指IP攝像頭和傳感器產生的實時流媒體數據。非實時數據指從DVR、編碼器、第三方系統導入的媒體數據。
大數據存儲層，采用了HDFS和HBASE，實現數據低成本、高可靠的管理。把采集的視頻流保存在HDFS集群內，并通過HBase建立訪問的索引。把傳統NVR和專用存儲進行重構，納入到整體的分布式文件系統中來。
大數據計算層，實現智能分析和數據挖掘。通過MapReduce把對大視頻的分析進行分解，充分利用閑置資源，把計算任務交由多臺服務器進行并行計算分析，另外一方面，根據智能分析產生的視頻元數據，通過Hive挖掘視頻元數據的價值信息。業務及管理層，實現設備和業務管理。基于Zookeeper組成的服務器集群，可以保證業務系統的無故障運營，基于Ganglia實現對攝像頭等設備的監管。
D1Net評論：
由此可見，基于大數據的視頻架構，本質上是把視頻數據作為最有價值的資產，以數據作為核心來構建的技術架構，重點解決了海量的視頻數據分散和集中式存儲并存、多級分布問題，極大提升了非結構化視頻數據讀寫的效率，為視頻監控的快速檢索、智能分析提供了端到端的解決方案。
京公網安備 11010502049343號