
大数据给安防带来了什么
除了上帝,任何人都必须用数据来说话。在当下安防,大数据来袭。仿佛一夜间,千树万树梨花开。国内厂商纷纷摇旗呐喊,欢庆大数据时代的来临。这将是一场变革,为行业带来诸多改变,如牵一发而动全身。
或许,你还没做好准备,但要迎接他的到来。目前国内安防巨头企业都在针对大数据应用发力,科达率先提出安防大数据概念,引领行业的变革。记者希望了解目前主流品牌在大数据应用方面有何深入布局,并在这一时代背景下,一起了解和探讨大数据在安防行业的发展现状和应用趋势。
大数据带给安防什么
作为信息时代海量数据的来源之一,视频监控产生了巨大的信息数据。特别是近几年随着平安城市、智能交通等行业的快速发展,大集成、大联网、云技术推动安防行业进入大数据时代。安防行业大数据的存在已经被越来越多的人熟知,特别是安防行业海量的非结构化视频数据,以及飞速增长的特征数据,带动了大数据应用的一系列问题。科达市场总监刘志强认为,大数据改变了安防应用形态。过去传统的监控方式是纯粹的人工看视频,而大数据时代安防以智能化的计算机识别分析视频、图片;与此同时,真正的大数据安防应用需要把视频、图片等非结构化的数据转为计算机识别的结构化数据,通过提取其特征、分析比对使得数据具有价值。这能表明,目前安防企业需推进结构化和非结构化数据的融合式发展,构建适合结构化和非结构数据统一组织和管理的数据模型。这是大数据的本质,了解其根本我们才能去钻研探讨大数据安防深度应用。
科达更懂大数据。刘志强在介绍中还强调,目前科达从前端感知型摄像机到云存储再到大数据平台,已经具备了大数据时代下端到端的安防解决方案。近年来,随着监控点位的不断增长以及高清视频的深入普及,安防行业逐步进入了大数据时代。但是,对大数据来说,海量的原始视频本身是没有意义的,提升有效视频信息的搜索效率,对视频数据实施有效的挖掘和分析才是重点。智能前置的感知型摄像机,通过采集视频并提取结构化数据,从而为这一切提供了基础;云是大数据的基础,为大数据提供所需的计算和存储资源。科达安防级云存储系统采用经典的云架构,,同时还内置多媒体转发模块等安防业务特性,为大数据应用搭建了坚实的基础,目前,柳州、南宁等多个平安城市项目都已部署科达KCloudStor云存储系统,;大数据技术与前面两项技术的结合,使得原来安防系统中结构化、半结构化、非结构化的特征可以一起呈现出来,将其纳入大数据平台,会安防带来更多服务层的创新。
大华股份产品经理范德耀在采访中说,随着云计算、大数据的逐渐渗入,安防行业的发展已经到了一个历史转折点,这给整个安防行业带来了新的机遇。安防行业的发展也不仅仅局限于各行业的视频监控,而是以视频监控为切入点,渗透到更多的细分行业业务中。针对大数据的应用模式,首先可通过云存储系统将各承建子系统数据进行有效关联,汇集安防海量数据,然后通过云计算系统对视频非结构化数据进行处理,快速提取结构化数据,强化数据的挖掘与应用。而在数据应用环节,通过对各系统结构化数据的关联,实现对事件全部信息的快速检索,从而达到对数据的实战应用,真正使安防系统应用达到“建为用,用为战”的目的。
天地伟业产品总监邓晔认为,大数据安防应用未来的大方向是把传统信息处理和人工智能结合起来,也就是“数据驱动+知识驱动”。相关软件涉及的软件工程的办法也跟传统的不一样,不仅需要在智能算法上实现持续突破,而且在软件开发模式上要实现协同生态和模块化架构。
由上看出,当数据全面实现联网、共享,得到有效存储,并予以充分分析和挖掘,这是一个新的时代。
大数据安防应用
实践是检验真理唯一标准。那么,利用大数据,安防能实现哪些行业应用呢?科达认为平安城市和智能交通是目前大数据最为现实的应用子行业。在平安城市,科达通过前端、平台、应用三个维度的全面整合,已经将平安城市解决方案成功推向大数据时代。科达推出的大数据架构下的图侦与合成作战平台,以感知型摄像机上传的海量信息为基础,通过大数据分析与挖掘,实现了一系列与公安业务紧密结合的实战化应用,包括实时布控、语义搜索、高危人员比对、人脸照片搜索、全身像搜索、多点碰撞、以图搜图等。其实,公安的大数据应用与实战紧密结合,其大数据的应用并不是简单的由技术厂商做主导,而是需要对公安业务极为熟悉,又有科技化功底的企业,才能与公安一同参与视频大数据体系的建设;在交通行业,科达智能交通解决方案不仅通过免维护卡口和微光电警体现了其“绿色交通践行者”的理念,还通过智能交通大数据平台展现了大数据时代下智能交通新的发展。据了解,科达建设的苏州智能交通大数据管控系统总共接入道路视频监控点数为1275个,诱导屏226个、卡口279套、电警1655套、流量检测83套、信号机357个、单兵859个。整合交通视频监控、交通卡口/电警、交通信号控制、交通信息采集、交通诱导、地理信息等子系统,通信息采集、交通诱导、地理信息等子系统,实现基于GIS系统的视频指挥调度、电警/卡口实时过车浏览及历史信息查询、车辆布控、应急指挥调度、警卫路线、交通预案管理、交通信息研判及数据挖掘、交通综合态势监控、堵点乱点分析等深度数据分析应用。满足交管部门在日常工作和应急情况下,快速反应、即时调度的能力,有效提升了交管效率。
除了平安城市与智能交通,科达在零售、司法等行业解决方案,同样有大数据的尝试。记者了解到,科达为联合利华门店提供热点统计系统,开展个人护理类商品陈列和货架布局的顾客行为数据收集及分析,比如顾客在不同商品前的停留时间是多少、商品陈列和货架布局调整前后的人流动向对比和购买金额对比等,进而作为最终的调整决策参考。联合利华门店热点统计系统不仅创新了视频监控系统远程管理零售门店的应用,更为连锁零售行业如何通过视频监控系统开展消费数据比对、分析等大数据应用开创了有益启示。
大华股份认为平安城市、智能交通是大数据安防应用的“兴奋剂”。公安执法中有三块大数据应用。稽查布控业务、车辆落脚点分析业务、伴随车辆分析。此外,他们在公安行业还有基于人脸识别的人脸卡口、视频摘要等安防大数据应用。
天地伟业大数据除了公安应用外,在旅游景区监测领域,他们通过联网平台和智能分析设备,将进入省内相关旅游景区的游客数量和进出车辆做实时统计,对流量控制和应急预案提供决策支持。在环保监督管理方面,天地伟业通过建立省市多级联网平台,可以实现对河道漂浮物和污染物的实时监测和统计,对各地的清理工作进行绩效考核。
很多行业人士都在关注民用安防市场,其实这个细分行业大数据应用值得期待,因为家庭安防也产生大数据。可以通过大数据与云计算技术的结合应用,第一时间对用户家庭中安防设备的数据、信息进行有效分析、记忆,并将得到的相应规律反过来应用于智能设备,提升安全与生活品质。
总体来说,大数据安防市场来自两个方面,其一是个人消费领域,如家庭和社交媒体产生的数据;另外是城市基础设施建设,平安城市和智能交通大数据安防的规模化应用说明了这个城市基础设施建设是大数据安防应用主流,而个人消费领域还在孕育阶段,期待厚积薄发。不管怎样,大数据带给安防行业化应用的未来可以期待,正如文章开头所提,任何行业都需要用数据说话,关键在于如何深耕、挖掘,进而体现数据价值。
大数据安防是场大考
之前所述,描绘大数据安防市场的无限宏图时,也应该了解大数据安防面临的挑战。科达在采访中表示,大数据技术应用在安防行业的主要困难点有三点:第一,是如何实现准确无误的智能分析。在大数据时代,智能分析的主要任务一个是将操作人员从繁杂而枯燥的盯屏幕任务解脱出来,由机器来完成这部分工作;另外一个是为在海量的视频数据中快速搜索到想要找的的图像,对于智能分析是要系统具备人工智能的学习能力,还可以根据数据变化而不断地增长其智能性,甚至具备推而广之的扩展性;第二点是如何准确地从非结构化数据中提取计算机易于处理的结构化、半结构化的信息。其解决方法有赖于数字音频/图像处理技术、模式识别技术、传感器技术的持续进步。第三、如何将大数据与安防业务需求结合,创造出更多的数据利用模式,从而为数据的拥有者和使用者创造出更多的价值。其解决方法需要依靠对大数据技术和安防业务都有非常深入理解的业务专家,设计出贴合用户需求的业务模型。
天地伟业对于此问题的回答同样认为有三个方面的挑战。首先,通过计算机网络处理语义,大多是通过人工多层神经网络实现,但概率统计方法存在局限性,多层神经网络也不是完美的。其次,城市的大数据是承载知识和信息实体,他们可以是结构化数据,过去原始数据,也可以是非结构化数据,比如语音、图片、视频等等,来自于格式不统一,而且既使是同一个时间版本不统一,极大的增加了数据难度处理的效率,所以需要统一的模型;最后,网络数据与以前的数据不同之处在于,虽然数据很多,但是有用的数据只有34%,好用的数据仅有7%,被分析的数据更是少到只有1%。如何在海量的数据中提取出有价值的信息需要多学科多技术的研究。
大华股份的观点与他们殊途同归,范德耀还补充道,缺乏统一标准是大数据安防进一步深化应用的硬伤。比如平安城市要求数据共享,跨区域视频联网监控、监控资源整合与共享以及政府各部门之间的视频监控资源共享等等。但是不同的地方城市,不同的行业类别,不同的管理方式都会有不同的监控系统方案,数据融合或者共享兼容性问题更多。
破茧而出方能撬动未来。大数据之于安防是一个大考验,国内大部门厂家都处于观望状态,真正将大数据落入产品规划的寥寥无几。科达刘志强在采访中一语中的,大数据安防,才刚上路。
结束语
世界本来就是舞台,上帝正在对着数据微笑。大数据安防应用,路漫漫其修远兮。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29