安防大数据应用价值大如何挖掘成新挑战

第1页：安防大数据具有重要意义

　　自1946年第一台计算机诞生以来，仅仅半个多世纪，信息技术以它广泛的影响和巨大的生命力风靡全球，已成为科技发展史上业绩最辉煌、发展最迅速、对人类影响最广和最深刻的科技领域。数年来，随着互联网和信息技术的同步发展，各行各业都积累了大量数据。据全球领先的信息技术研究和咨询公司Gartner报告，驱动大数据发展的重要因素主要来自两个方面：一是消费领域，如网购及社交媒体应用产生的大量数据；另一方面来自城市基础设施建设，安防便是其中之一。

　　安防大数据具有重要意义

　　对于安防企业而言，在平安城市、智能交通管理、环境保护、危化品运输监控、食品安全监控，或是政府机构、大企业工作场所等与网络连接的设备系统有着巨大的数据来源。如何将各区域各行业的监控设备资源连接起来，通过信息公开、数据共享、数据挖掘推动新型的以大数据应用为基础的安防，构成了安防的大数据时代。

　　大数据是视频智能分析基础

　　在大数据应用时代，视频因其信息含量最高、数据量最大，分析运算最复杂而成为大数据时代采集分析传输存储应用最具挑战的国际技术难题！智能视频分析研究永无止境，分析算法必须以监控视频为资源，研究实时或历史监控视频中的目标特征提取、增强与行为分析等关键技术，才能推动监控视频应用模式从事后被动处置向事前主动预防转变。

　　帮助实现智慧城市智能化

　　我国智慧城市建设面临的重大挑战之一，是城市系统之间由于标准问题无法有效集成，形成信息孤岛。因此，在大数据融合技术领域，一方面要加强大数据标准建设，另一方面要加强海量异构数据建模与融合、海量异构数据列存储与索引等关键技术研发，为给予底层数据集成的信息共享提供标准和技术保障。大规模数据在智慧城市系统流动过程中，出于传输效率、数据质量与安全等因素的考虑，需要对大规模数据进行预处理。大数据处理技术往往需要与基于云计算的并行分布式技术相结合，这也是目前国际产业界普遍采用的技术方案。大数据分析与挖掘技术为智慧城市治理提供了强大的决策支持能力。

　　提高警务办事效率

　　互联网技术的飞速发展已经为构建一个大型全国性的专业报警运营服务平台提供了有力的技术支撑。通过这个报警平台，报警运营服务商手中会累积海量的用户数据，例如用户的身份信息、警情数据、消费记录、维修记录等，这些都是非常宝贵的资源。报警运营服务商可以在此基础上，应用大数据技术进行分析和挖掘，充分发挥大数据的商业价值。

　　公安如公安系统中的图侦技术，应用模式多样，思维活跃，围绕着“发现线索”的目的可衍生出多种的技战法，只有从这些具体的技战法中才能提炼出需求，真正告诉系统的设计者“我们要什么”。

　　那么，图侦里的大数据应用需要哪些？像商业大数据那样找规律的应用似乎还远了点，目前最实在的就是从海量视频数据里把有相同线索特征的图像给找出来，让干警发现出新的案件线索。至于“怎么找？”这就是由公安来提的应用模式了。因此，视频大数据的发展并不是简单的由技术厂商做主导，而是需要公安体制内既有刑侦实战经验，又有科技化功底的复合型人才，共同来参与视频大数据应用的发展。

　　第2页：让智能家居“聪明”起来

　　让智能家居“聪明”起来

　　智能家居会产生大数据，同时也是大数据的重要应用领域，不然它极有可能将停滞不前。家庭产生的大数据能让智能家居更“聪明”，但需要根据实际情况进行有效处理，而不是任何数据的“一锅端”，通过大数据与云计算技术的结合应用，智能家居系统能够第一时间对用户家庭中智能设备的数据、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，提升智能家居的智能效果。

　　安防大数据挖掘面临挑战

　　大数据在安防领域应用全面展开，安防也进入大数据时代，如何利用音视频分析技术从这些数据中提取有效信息，找寻到对应的线索，是目前安防企业面临的新挑战。目前大数据挖掘主要的挑战主要来自几个方面：

　　视频图像数据挖掘的难点：

　　1.识别什么特征？一副图像或者一段视频可以有无数角度的标签属性去描述，什么才是我们需要的属性？这与我们需要得到的目的密切相关，这就需要公安图侦的人才来归纳终结。

　　2.识别算法开发难，由于是平面图像，因此特征的识别主要原理就是看图像区域中的轮廓、颜色、纹理与特征库进行比较。但是在同一个物体在不同监控角度的摄像头中显示出的轮廓都不相同，因此无法做到识别。

　　3.大规模数据处理难，即使做到了识别算法，但是如果要通过数据处理服务器的形式对大规模的视频进行结构化处理，这个建造成本巨大，其能源的耗费在中国这个夏季需要限电的情况里也不切实际。

　　警务服务平台大数据难点：

　　1.如何将不同报警运营服务商之间的数据整合在一起？

　　2.我国多数报警运营网络尚未完成规模化建设，用户规模大、跨省市运营的网络很少，每家报警运营服务商的警情并发量不大，而且报警运营服务商之间普遍存在信息孤岛，很难通过大数据分析实现数据的增值。

　　3.大数据的挖掘是一个长期的过程，需要企业不断的尝试，挖掘出有意义的信息或规律，并将结果拿到市场上检验。

　　4.大数据自身也面临着挑战，数据的运用仍面临多种技术难关的束缚，大数据方面的人才比较缺乏，大数据的产品尚不成熟等问题都制约着大数据在报警运营服务领域的发展。

　　大数据时代，安防数据要如何挖掘？

　　首先，企业只有建立层次化的安防数据存储制度，才能确保核心数据安全和高效应用。他指出，伴随着近几年高清监控时代的大潮，视频监控数据爆发式增长。但大量的数据是独立的、分散的，甚至只是做了前端NVR本地存储设置，没有实现联网或共享。如在解决方案中要求银行监控中心对管辖区域内重点风险部位、高等级报警联动的图像数据信息采用集中备份存储，通过多层级的存储管理体系，做好核心数据信息的分类管理，将后期的数据智能转化分析集中在对关键性数据的分析处理中，提高数据挖掘的价值密度，实现数据管理的高效应用。

　　企业，要依托智能存储和大数据技术加强对非结构化数据的充分应用。视频监控数据类型繁多，除标准可计量的结构化数据外，大量的视频监控数据主要由图像、声音等非结构化数据组成。通过智能化分析手段将这些非结构化数据转化为可统计、可分析的结构化数据才是大数据分析的重点，也是未来做深层次数据挖掘的基础。如在平台的图像智能识别功能中，可对所有视频图像中某一穿着特色的人群做信息抓取，做综合的数据统计分析。这些在实际的安防事件侦查中具有重大现实意义。

　　最后，基于整体安防解决方案，将监控中心系统与安防云平台相结合，实现全部安防数据的互联、共享。由此而形成的安防运营数据融合价值巨大。对这些日常运营数据进行综合分析和对比，形成科学的数据分析模型，高层分管领导可直观掌握业务运行状态，相关人员的综合素质；设备运行性能指标；监控中心值班人员报警事件处置能力分析；外包守押的服务质量情况等。辅助领导决策建立更加有效的人员配备机制，更科学的安防行政管理体系等，建立真正“高效运营”的安防管理体系。