[導讀]在萬物聯網的世界，視頻監控編碼分析、存儲有何挑戰？

智慧城市發展有目共睹，作為一個生態系統，感知是重要一部，通過以視頻監控等為基礎搭建的感知物聯網是數據收集的重要環節，而對數據進行存儲、分析則成為重中之重。那么在萬物聯網的世界，視頻監控編碼分析、存儲有何挑戰？

 

視頻監控領域

 

1、更多視頻數據來支持視頻分析

 

企業必須更加善于利用非結構化數據來識別模式和趨勢。監控數據，或者更準確的說是“視頻數據”將越來越多地用于商業目的。不僅僅是用于保護人民和財產安全，視頻監控還將產生更大的經濟回報。高度復雜的視頻分析應用將更加普及，幫助決策者做出更明智的業務決策。現在，50％的分析都不僅是為了安全。為了支持這些分析功能，視頻必須保留更長時間。

　　

2、嵌入智能的監控攝像頭

 

2016年攝像頭，特別是產生更多需要管理的數據的高清攝像頭的數量激增。我們預計，擁有更廣闊全景、更高分辨率以及更多傳感器的攝像頭在2017年將會加速普及。更多項目從模擬過渡到SD攝像頭，需要把更多監控功能，例如：壓縮、流媒體、存儲和分析，捆綁到攝像頭中，以實現更大價值。

 

大量涌入的數據將為存儲帶來壓力，并讓智能、多層存儲戰略變得比以往更加重要。隨著攝像頭中智能不斷提高，有效管理大量涌入數據的存儲管理軟件將變得更加重要。

 

3、醫療讓視頻監控升溫

 

醫療機構面對的挑戰：醫療場所暴力、藥品相關犯罪、嬰幼兒綁架威脅、自然災害、恐怖主義等等，要求醫療機構進行重大監控升級或者全面的系統改造。80％的醫院都需要升級接入控制系統和閉路電視監控系統（IAHSS）。例如，為了防止滑倒引起的訴訟，建議醫療結構至少保留兩年視頻數據。

 

此外，可控觀察室的數量可能很快超過安全攝像頭的數量，需要擴大護理人員監測患者并改進整體護理質量的能力。應對這些變化和挑戰，需要一個現代視頻監控解決方案來提高整體設施的安全性，同時提高運營效率。

 

4、生物識別技術的興起

 

現在，面部識別用來確認犯罪嫌疑人。醫療機構也將越來越多地把面部識別加入其安全設施。我們預計，計算人數的應用將被更廣泛地采用，以便幫助交通機構減少擁堵并改進服務。越來越多的生物識別技術正在幫助防止已成為普遍現象的數據泄露。

 

公有和私有機構將采用更加復雜的網絡安全。面部識別是另一個增長領域，在此，生物識別技術現已用于穿戴式攝像頭。這兩種技術都有很大的潛力，并需要智能多層存儲來控制所需數據的成本。

 

5、物聯網傳感器和視頻管理

 

把物聯網的興起作為數據增長的“罪魁禍首”。IT經理的真正挑戰將是把這些數據與大型、多樣化的文件類型（例如視頻監控）融合到一起，從而實現整合的商業智能。這將為IT部門的數據管理帶來挑戰，這些IT部門負責創建基礎設施來安置、保護并分析大量視頻數據集，以及數百萬物聯網傳感器文件。

 

除此之外，視頻數據與來自“智能”設備的數據、存儲需求，以及存儲集成所實現的越來越長的好處清單將爆表。嵌入式傳感器技術將讓城市變得更加智能，來自傳感器的數據將與視頻數據相集成，并進行分析，以幫助城市社區變得更加吸引人。

 

更加積極地采集車輛和行人交通數據，并與火車、公交車和地鐵的傳感器數據相集成，以便減少交通擁堵。停車場可被監測，視頻再加上來自智能咪表的數據將減少瓶頸并提高消費者滿意度。

 

6、視頻監控即服務的興起

 

隨著我們看到更加智能的攝像頭以及更多種類的傳感器集成到攝像頭中，逐漸轉向帶內分析。這些因素的融合為視頻監控即服務奠定了基礎。更小的部署將聚合到這種服務模式中。商業園區可以集中處理監控服務，他們使用的是帶有帶內分析和其它傳感器的智能攝像頭，能夠自動處理需要多位工作人員的功能，并實現更加積極主動地監控方式，彌合起訴模式和預防系統之間的差距。

 

存儲技術領域

 

1、無人駕駛和人工智能：存儲將直線增長并走向智能

 

到2020年，路上的數億輛汽車都將有無人駕駛功能［1］，這是邁向物聯網世界的趨勢，也是人工智能（AI）領域的進步。要想設計無人駕駛車輛，就必須能夠駕馭海量攝像頭和傳感器的數據，分析這些數據并運用人工智能技術。

 

數據越多越智能！過去，人工智能最大的一個障礙就是處理能力，但是現在，存儲日益成為一大限制因素。傳統的專用存儲解決方案無法跟上性能要求，或者以可負擔得起的價格長期保留數據并使用所需功能。因此，更多企業轉向能夠解決這些挑戰的專用存儲和數據解決方案。

 

2、企業視頻：一段視頻抵得上千言萬語

 

視頻將在越來越多企業機構的活動和流程中發揮更大的作用，例如：在醫院中加強教學并防范醫療事故索賠，在制造工廠中加強質量控制，或在零售商店中分析買家行為。企業也能夠讓視頻在其培訓和服務計劃中發揮更大作用，類似呼應消費類產品領域中視頻代替文字說明書的發展趨勢。

 

事實上，雖然文字遠未過時，但視頻在許多領域日益成為實際傳播平臺。所有這些都需要IT與業務線負責人之間更好的協作，才能確保他們擁有必要的存儲和數據管理基礎設施，能夠盡可能高效、高性價比地支持以視頻主導的世界。

 

3、依然閃亮的對象存儲

 

基于高可擴展性和高耐久性的功能，對象存儲讓用戶能夠以低于主磁盤存儲的價位來訪問海量數據，同時避免增加與高容量磁盤相關的RAID重建時間。一段時間以來，對象存儲在公有云的服務中發揮基礎作用，但是它將成為大規模數據保留的主導技術的預測還未被證實。

 

許多情況下，用戶意識到，智能文件系統和最新磁帶存儲技術能夠以更低的成本提供旗鼓相當、甚至更好的性能。因此，企業未來將主要部署對象存儲作為其私有云的基礎，而磁帶仍然保持其作為大規模非結構化數據長期低成本歸檔最優技術的角色。

 

4、磁帶：一個遠遠沒有完結的故事

 

毫無疑問，磁帶在備份中所發揮的作用將持續下降，但是磁帶作為存儲介質還遠遠沒有走向消亡。非結構化數據與日俱增的數量和價值讓人們更加關注在一個穩健、低成本歸檔中保留，并保護這些數據的重要性。如前所述，磁帶仍然是長期保留數據的最佳技術，每隔幾年，其性能、功能和生態系統都會進行重大改進。

 

這就是為何應對海量非結構化數據的企業機構，包括基因組學、學術研究、視頻監控和娛樂等領域，將繼續把磁帶作為其存儲基礎設施中的一個關鍵組成部分。也是為何那些發誓要遠離磁帶的企業將走上回頭路的原因所在。與此同時，隨著大型私有云提供商擴大其作為主要存儲廠商的作用，并在競爭中壓低價格，他們將更加依賴磁帶才能使業務模式正常運轉。

 

盡管隱藏在云背后，但是由于其經濟效益無法被擊敗，磁帶長期以來一直用于該領域。

 

5、避免云孤島

 

行業分析公司IDC預測，2015年到2020年，公有云和私有云環境的IT基礎設施支出的年復合增長率分別為19％和10％。隨著更多數據遷移到公有云中，我們預測會看到更多用戶采用雙云廠商策略。企業至少得為關鍵基礎設施組件保留兩個來源，才能避免廠商鎖定，以及靈活性的損失。

 

同樣，企業也意識到必須把這種方式擴展到購買云服務中。然而，一個關鍵挑戰就是把公有云和私有云連接到一起，以便它們能夠無縫地配置云資源，并在云中遷移負載。沒有人希望回到存儲孤島的世界，并面對存儲孤島所帶來的管理問題。企業將越來越多地尋求多站點，而且多云的存儲與數據管理解決方案。此外，企業也將開始把云作為能夠為多站點環境托管其數據管理工具。

 

6、新一年的視頻分辨率

 

4K視頻并不新鮮。電影院從2011年開始放映4K內容，Netflix在2年前開始以4K視頻來直播一些節目。然而，盡管媒體娛樂行業中的許多廠商已遷移到4K，甚至開始著眼于實現分辨率更高的視頻，但是其它市場中4K的采用卻相對較慢。其中一個主要原因就是：企業仍然努力想方設法管理這類數據。

 

4K視頻的挑戰不僅在于大得多的文件，也在于高得多的數據速率：在平滑、可預測的直播中能夠采集并交付4K數據，并且不會丟幀或造成其它失真扭曲，這種能力往往超越了現有存儲基礎設施的功能。隨著視頻在企業中發揮更大作用，企業機構將日益需要彌合這一差距。

 

要想在不替換整個存儲基礎設施的前提下實現這一目標，關鍵就是要充分利用專為視頻而優化、能夠集成到現有基礎設施中的高性能解決方案。

 

7、高性能計算（HPC）：適應新需求

 

隨著新出現的集群計算幾乎在每個企業中普及，企業機構迅速創建更多數據，他們希望富有戰略性地利用這些數據，以便做出更好更快的業務決策——例如，關于新投資、更高效地運營、更高的產品質量或改進的客戶服務等。因此，越來越多的企業尋求高性能計算行業的最佳實踐和技術，以期提供這一新規模所需的性能、容量和數據管理功能。

 

高性能計算提供商可幫助企業集成開源計劃、確定如何以最佳方式充分利用低成本硬件平臺，并通過簡單分層在單一命名空間內簡化數據管理。然而，最重要的是，高性能計算行業不再只關注傳統的二進制數據，并且導致更加豐富的非結構化數據的巨大增長。

 

2017年，無論視頻監控領域還是存儲領域其發展都是客觀的，各強企業與設備廠商你準備好了嗎？