據前瞻產業研究院發布的《安防行業市場前瞻與投資戰略規劃分析報告》數據顯示，2015年，中國安防市場規模約為5058億元。到2022年，中國安防市場規模將達到17837億元。

共享、智能、大數據將成為新時期安防新業態的典型特征，人工智能+安防，正在變被動防御為主動預警，在公共安全領域實現可視化、網絡化、智能化管理。隨著人工智能產業化的加快落地，民用安防產品將得到快速發展，至2022年，安防行業市場規模將達到近萬億。

數據采集，又稱數據獲取，通常有兩種解釋：一種是從數據源收集、識別和選取數據的過程。另一種是數字化、電子掃描系統的記錄過程以及內容和屬性的編碼過程。數據采集技術廣泛引用在各個領域，比如攝像頭，麥克風，都是數據采集工具。

“大數據”是指一組數據集非常龐大且復雜，以致于很難利用現有的數據庫管理工具進行處理。它有助于統一大型數據集，并能夠從分析中得出其它信息，而不是來自具有相同數據總量的單獨的較小數據集。大數據時代的來臨，帶來了很多現實中的難題，為了解決這些難題需要新的技術變革，需要新一代的數據庫技術，業界稱之為大數據技術。IDC這樣定義大數據技術：大數據技術將被設計用于在成本可承受(economically)的條件下，通過非常快速(velocity)的采集、發現和分析，從大量化(volumes)、多類別(variety)的數據中提取價值(value)，將是IT領域新一代的技術與架構的變革。

由此看來，大數據產生的第一步就是大數據采集。那么對于安防行業來說，大數據產生的一個最重要的途徑就是視頻監控，監控攝像機也就成為最重要的大數據采集工具。

視頻監控數據有兩個方面的內涵——海量和非結構化。視頻監控數據量規模龐大，并且隨著高清化、超高清化的趨勢加強，視頻監控數據規模將以更快的指數級別增長；與通常講的結構化數據不同，視頻監控業務產生的數據絕大多數以非結構化的數據為主，這給傳統的數據管理和使用機制帶來了極大的挑戰。

“除了上帝，任何人都必須用數據來說話”，美國著名管理學家、統計學家愛德華·戴明將數據提升和上帝平行的高度。視頻監控業務正是一個典型的數據依賴型業務，依靠數據說話。可以說，大數據與視頻監控業務有著天然的結合。綜合來看，大數據與視頻監控業務的結合主要體現在“存”、“看”、“用”上。

“閃存”：如果類比水庫蓄水的方式，典型的網絡視頻監控數據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。小溪數量增多、水量增大是水庫蓄水量的保證，然而傳統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。在大數據技術支撐下，網絡視頻監控數據存儲模型可轉向分布式的數據存儲體系，提供高效、安全、廉價的存儲方式。

“易看”：在視頻監控業務中，錯看漏看、來不及看等是常見的困擾點。大數據監控圖像的回溯給許多安防監控管理人員帶來了生理與心理的雙重挑戰。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。可想而知一般零售行業、金融行業等，對于視頻監控圖像的回溯就更為困難。在視頻監控大數據趨勢已經來臨之際，依靠人眼去檢索、查看所有視頻圖像數據已經不太現實。通過大數據技術實現視頻圖像模糊查詢、快速檢索、精準定位，讓看變得簡單迫在眉睫。

“善用”：視頻監控業務中，看只是信息采集的方式之一，用才是業務應用的根本。視頻監控業務的效率問題已經成為阻礙產業發展的關鍵瓶頸。隨著視頻監控攝像機覆蓋廣度、密度增大，視頻圖像數據量呈指數級上升，而視頻監控數據的使用效率卻在下降。

大數據背景下，視頻監控遭遇幾大困境

飛速增長的視頻監控數據，使得傳統視頻監控體系架構、數據的管理方式、數據分析應用等面臨新的困境。

困境一：數據量的急劇擴大和IT投資之間的矛盾。

按照IT產業的法則：在滿足客戶需求的前提之下，往往技術成本越低，其生命力往往越強。由于數據量的急速擴大，以及隨之而來的大規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：海量數據和有效數據之間的矛盾。

攝像頭7X24小時工作，如實記錄鏡頭覆蓋范圍發生的一切，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，按照數學統計的說法，信息是呈現冪律分布的，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。

視頻監控業務網絡化、大聯網后，網絡內的設備越來越多，利用閑置的計算資源，實現資源的最大化利用，關乎運算的效率。在視頻監控領域，往往視頻分析的效率決定價值，更低的延遲、更準確的分析往往是平安城市這類客戶的普遍需求。隨著數據量的增加，哪怕對TB級別的數據進行對視頻內容的數據分析和檢索，采用串行計算的模式都可能需要花費數小時的計算，已遠遠不能勝任時效性的需求。視頻的分析和檢索，不能依賴于傳統的手段，巨量數據的效率優化，并行計算是視頻智能分析的唯一出路。