在大數據時代下，隨著智慧城市和智能交通的快速發展，金融、交通、政府等傳統領域的安防應用更加深入，新生領域如教育、衛生、體育、能源飛速發展，社區、居民相關應用也在不斷升溫，移動互聯設備隨之快速激增，產生了海量的非結構化視音頻數據，帶動了大數據的存儲、管理、分析等應用。
驅動大數據發展的重要因素主要來自兩個方面：一是消費領域，如網購及社交媒體應用產生的大量數據；另一方面來自城市基礎設施建設，安防便是其中之一。建設平安城市的過程伴隨大量數據的產生，尤其是以視頻監控為主要特征的數字安全監控(Digital Security Surveillance，DSS)。我們所居住的城市中有無數的高清攝像頭，涉及治安監控、指揮通信、偵查破案、規范執法、社會服務等，視頻接入規模從幾千到幾十萬，隨著安防監控對高清、智能、聯網的要求越來越高，每天產生的數據規模正以驚人的速度不斷增長。
大數據時代來臨，行業變革才剛剛開始，未來前景廣闊。就目前發展來看，國內安防行業對大數據的應用領域還較有限，主要集中在公共領域。目前我國在安防公共領域對大數據的運用主要集中在智能交通、司法系統等方面。
智能交通：交通運輸部今年7月份下發通知，將對公共交通信息化應用系統建設、相關支撐系統建設、數據資源與交換系統建設提供資金支持。在政策利好支撐下，可以從以下三方面掘金智能交通領域：
從事城市交通系統建設、高速公路信息化建設等領域；
智能交通發展必需的視頻監控設備供應商；
提供導航地圖、地理信息系統軟件建設的內容提供商。
司法系統：公安市場大規模的信息化和裝備投資產生了海量的非結構化數據，公安的實戰應用是大數據的重要應用領域。該領域大數據類公司業務包括電子數據取證、電子數據鑒定、網絡輿情分析、數字**、公證云、搜索云以及取證云服務等。
在安防行業，涉及的數據信息類型很多，以數據的結構類型來看，包括各類非結構化、結構化及半結構化信息。其中，非結構化數據主要包括視頻錄像和圖片記錄，如監控視頻錄像、報警錄像、摘要錄像、車輛卡口圖片、人臉抓拍圖片、報警抓拍圖片等；結構化數據則包括報警記錄，系統日志記錄，運維數據記錄，摘要分析結構化描述記錄以及各種相關的信息數據庫，如人口信息、地理數據信息、車駕管信息等；半結構化數據則如人臉建模數據，指紋記錄等。
對IT大數據來說，其特征通常用4V(Velocity、Variety、Volume、Veracity)來概括，但對于安防大數據來說，它有自己獨特的特點。首先，安防大數據以非結構化的視頻監控數據為主，因而它更側重于對非結構化數據的信息分析、提取挖掘以及處理能力；其次，就數據容量而言，以視頻錄像為主的安防大數據對傳輸、存儲和計算過程中需要的帶寬以及存儲空間要求都更高；再次，以數據量基礎做比較，安防大數據中的信息價值密度更低，從海量的圖像信息中快速和準確地檢測或者挖掘出有用信息的難度更大；最后，視頻監控數據7×24小時都在持續不斷地更新積累，其時效性更高。
安防大數據的處理和分析工具主要有兩類：一類是對視頻圖像等非結構化信息的處理和分析工具，包括視頻智能分析工具、視頻摘要工具、圖像清晰化工具、視頻清晰化工具、視頻轉碼工具、視頻編輯工具等等；另一類則是對結構化、半結構化信息的大數據分析處理工具，此類處理和分析工具安防界吸取了IT界在處理大數據方面的架構和經驗，比較流行的如Hadoop，Spark大數據處理的框架，以及Mahout、R數據挖掘工具，以對結構化和半結構化的數據可以實現快速和準確的數據分析和挖掘。
大數據在安防行業的應用使得安防更加智能化，大數據的技術一般分為數據采集、存儲、挖掘和分析技術。其中，智能分析居于核心地位。
智能分析是安防大數據區別于IT大數據的根本點，只有利用智能分析技術將安防大數據的非結構化數據轉換為結構化數據，才能將IT大數據成熟的技術體系應用到安防大數據中，充分發揮安防大數據的作用。對于視頻圖像等非結構化數據的分析和處理，目前可能更多地是把它歸屬到智能分析的范疇，這些技術很多已在初期應用中不斷改進和完善，很多更新的智能分析技術仍處在研發過程中，對這類數據的分析和處理也將成為安防大數據的核心價值點。
D1Net評論：
從目前來看，日益豐富的智能算法將大大提高視頻監控攝像機的使用范圍和價值，處于應用初級階段的智能視頻監控，也將隨著智能算法的日益豐富而快速發展。而數字處理芯片、編解碼能力以及壓縮算法，是影響圖像處理技術的重要因素。安防智能化的核心還體現在VA(視頻分析或圖像分析)，而VA需要底層算法的支持并運用單元執行，這可提高視頻分析的效率。
京公網安備 11010502049343號