京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据迎来“落地年” 视频监控大受裨益
作为时下最火热的IT行业词汇之一,大数据近年来成为各界关注的一大热点。一方面,网民数量不断增加;另一方面,以物联网和智能移动终端等为代表的联网设备数量飞速增长,使得人均网络接入带宽和流量也迅速提升。据相关机构预测,全球新产生数据年增40%,即信息总量每两年就可以翻番。
国金证券研报指出,今年将是大数据分析应用的落地年,特别是在企业级领域。百度、腾讯、阿里等大互联网公司针对自身的平台用户提供数据分析业务。国内金融、环保、交通、医疗等行业的数据分析应用也逐渐开始。
大数据技术日益为各行各业所倚重。在国内资本市场,许多上市公司也纷纷看中大数据这一新兴市场,争相投资布局。近期,中科云网、东方国信、朗玛信息等上市企业纷纷宣布进军大数据领域。
中国通信学会副理事长兼秘书长张新生表示,通过这几年的发展,大数据在国内已经从炒作期进入了积极探索和应用发展初期,初步形成了以数据采集、整合分析等技术为支撑的产业生态。
大数据对监控数据处理的价值
大数据在对安防数据处理价值上主要体现在以下几个方面:
一、数据应用效率不断提升。通过智能分析技术、大数据技术,能够使视频数据的应用效率不断提升,解决以往应用效率低下的问题。应用效率的提升能够使视频数据产生更大的价值。
二、数据深度应用。数据的深度应用能够体现大数据的真正价值,而这也更能提升安防系统的整体实力,使视频数据的边缘地位向核心地位靠拢,使安防行业的竞争力得到提升。
三、体制及标准的完善。标准和体制的完善能够进一步促进大数据的发展,而掌握标准的安防企业将会有更强大的话语权。
视频监控大数据处理仍然面临三大挑战
目前的视频系统大数据应用仍然面临三大技术挑战,可以概括为“存不下”、“找不到”、“看不清”三个方面。这三大挑战在一定程度上反映出当前视频大数据处理领域存在的主要问题,同时也对视频大数据处理技术提出了更高的要求。
1.“存不下”主要体现在视频压缩编解码性能的限制
随着数字视频应用产业链的快速发展,政府、学校、社区、民用以及网络终端所产生的海量视频向传统视频编码标准发出宣战。存储的视频数量不断加大就需要更大程度地提高编解码效率,提高视频压缩率,从而降低存储空间。网络化进程的加快也要求编码后的视频在快速、便捷传输的同时保证解码还原的视频质量。
视频压缩也制约着智能视频领域的发展。很多情况下我们要求降低解码后的视频损耗,比如多媒体视频认证领域,视频的无损还原是提高算法判断准确度的先决条件,只有控制在一个合理的损耗范围内,它才能提高视频篡改提示的准确度。因此随着视频的网络化、高清化、智能化时代的来临,领先新一代视频编码标准,超越新的技术框架和编码性能,才能在城市级视频应用领域中取得核心的主导地位。
2.“找不到”主要体现为智能视频监控领域中的算法检测识别准确率的问题
目前的视频监控方法只能在非常简单的环境下聚焦少量目标,检测、识别、跟踪性能还无法达到一个较高的水准,多数软件都存在场景、环境的限制,例如在简单、纯净的场景中,检测目标背景与前景差别较大时,检测结果较为准确;而在一些人流量密度大的复杂场景中,如地铁、车站、商场,监视成千上万个个体时,准确地识别、跟踪、检测则是一项非常艰巨的任务。
同时算法检测会受到光线、颜色、化妆、摄像机硬件误差及精密度等一系列的问题影响,因此在低端智能与真正的人工智能之间还存在一个较大的鸿沟,它需要计算机处理能力及处理速度的提升。我们需要的是一种接近人类,甚至高于人类的识别准确率,并且能够检测区分人群行为,预测潜在的群体灾难。这不仅仅在智能视频领域,而且从多领域的交叉融合角度,智能分析的研发与探索对机器人的发展也能够起到积极的推进作用。
3.“看不清”主要体现在高清监控摄像机的智能化处理上
以往大多数城市级安防监控摄像头录制的视频画面都较为模糊,刑侦破案分析的依据仅仅为模糊画面动作方向,甚至是模糊的像素点,对具体人物细节的描述不清晰导致刑侦难度加大,辅助公安机关研判的力度不强。在智能监控领域,传统的智能分析方法较多的是在CIF格式下进行算法处理,这样处理速度更易达到实时。当传统视频向高清视频转换过渡时需要多重处理策略相结合进行算法分析,这需要持续的研发革新。在从标清向高清的门槛跨越过程中,网络带宽的承载力、视频的显示、存储等问题也不断显现。
结语
2014年是大数据的“落地年”,意味着大数据这艘大船已经起航,未来它也一定可以乘风破浪,扬帆远航。而视频监控作为船上的一名“乘客”,也一定可以感受到大数据发展所带来的方便与智能,并与之携手共进,创造安防行业的美好未来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09