京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据发展纲要 安防成为重要赢家
国务院日前印发的《促进大数据发展行动纲要》将惠及全民,助力经济转型。这是中国政府网昨天披露的消息。一时间本就很热的“大数据”再次成为了社会的焦点。业内分析,在未来5到10年,大数据产业将可能迎来黄金增长期。
大数据前景被看好
根据国家金融信息中心指数研究院发布报告显示,2010年我国大数据市场规模为32亿元,到2016年预计将达238亿美元。贵阳大数据交易所总裁王叁寿是这次《纲要》的起草人之一。在他看来,《促进大数据发展行动纲要》的作用是要激活中国大数据的资产价值,未来我国大数据的市场规模将达到上万亿元。
监控数据竟占大数据总量60%
安防领域的专家、海康威视的浦世亮博士在2015年4月15日的投资者关系活动中提到:从大数据的角度看,监控数据占大数据总量的60%以上。不只是在监控中产生了大量的数据,同时大数据的关键技术涵盖了数据采集、传输、储存、处理、应用等各个环节,而这些环节都和安防技术密不可分。大数据看起来很复杂,却已经开始渗透进我们的生活。但是对于安防来说,真正的大数据应用之路才刚刚开启。
在安防领域中,主要的数据来源是视频,视频所占据的存储空间相对其他行业结构化的数据不一样,它不能直接被计算机进行处理或分析。而对于现在的安防行业来说还没有真正简单有效的技术可以通过对视频的处理来提取出更多结构化的数据。当然这也和很多其他因素有关,例如,摄像机的硬件性能不足以支持高级智能分析技术,对于一个城市来说数以万计的监控点每天产生的数据量也是惊人的,以现在的技术来说进行如此大规模的智能分析的成本过高,甚至超出了数据所带来的价值,这些都导致了安防行业大数据无法落实到底。
大数据安防应用需要的关键技术
1)大数据融合技术
经过十几年的发展,国内安防系统建设基本形成了是以平安城市、智能交通系统为主体,其他行业系统有效完善的发展态势。而“重建设、轻应用”的现况给安防应用提出了更高要求,如何解决这些问题成为当务之急。
为实现数据融合、数据共享,首先要解决存储“分散”问题,云存储系统不仅能够实现数据的有效融合与共享,解决系统在硬件设备故障条件下视频数据的正常存储和数据恢复问题,为安防大数据应用分析提供可靠基础。
2)大数据处理技术
安防大数据以半结构化和非结构化数据居多,要实现对安防大数据的分析和信息挖掘,首先要解决数据结构化问题。所谓的数据结构化就是通过某种方式将半结构化和非结构化数据转换为结构化数据。大华通过采用先进的云计算系统对安防非结构化数据进行结构化处理,为大数据的进一步分析和应用提供进一步支持。
3)大数据分析和挖掘技术
国内平安城市历经十几年的建设,在解决了稳定性、规模化之后,当下面临的问题是如何深化应用的问题,即如何实现公安部的要求,建为用、用为战的目标,实现对安防系统的深层次应用。
对安防大数据而言,要实现业务的深层次应用,首先需要对安防数据进行分析和挖掘,以云存储和云计算系统为基础,通过云计算系统实现对“大数据”的快速分析,如基于云的车牌识别,可通过对海量视频的分析,快速提取海量车牌信息,并通过应用系统对相关数据进行深一步挖掘、关联,形成有效“档案”。最后利用这些分析和挖掘的数据实现对事件的预测预防、报警,最终实现安防系统建设的实战应用目的。
未来的监控大数据可能为社会带来什么
平安城市监控系统实时汇总并综合分析各种公共安全数据和资料,为执法人员快速准确应对提供科学依据:如实时调阅现场视频录像、犯罪嫌疑人记录、同一地区的相似案件资料;进行地理、时间和空间的比较分析,揭示其犯罪模式和行为模式;追踪嫌疑人与其车辆的位置等。指挥人员也可以参照各种数据对不同来源的资料进行综合分析,制作指挥图。
智能交通行业,可以轻松监控摄像覆盖范围内的所有车辆的行驶状态、运行轨迹,快速分析出其是否违章,通过对海量交通数据的比对、分析和研判,实现指定车辆行驶路径、道路拥堵研判等功能。
视频监控云服务领域:实现基于大数据的视频监控云服务,让摄像机仅通过互连网就能连接云端的视频监控托管服务,通过快速、智能地分析部署在云端的大数据,为小型企业、零售商店、餐馆酒店等提供实时的监控视频和潜在的风险管理,甚至能提供收费的基于视频内容的分析报告,如日常的客户数,平均队列长度等,创造新的商业模式。
大数据技术和视频监控的结合,把孤立的视频内容通过大数据技术的加工,形成可视化结果呈现,这种转变可为视频监控业务创造更加智能高效的使用方式,让用户从繁重的观看视频监控劳动中解脱出来,能轻松自如地通过视频监控进行高效准确的决策。
小结:
《促进大数据发展行动纲要》的出台对于所有的行业都是一次新的契机,而安防行业又处于亟待转型的重要时刻,而监控又是大数据的主要来源之一,安防行业会成为重要赢家。相信随着技术的进步和客户更有针对性的需求的提出,大数据可以帮助客户更加精准有效率的达成目的。而把握住了这次机遇的人也许会改变安防行业的前景,创造出安防更好的未来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17