视频监控与大数据结合开辟智能安防新局面

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

大数据已经成为近几年IT技术发展的新亮点,也成为视频监控应用技术发展的重点之一。杭州海康威视系统技术有限公司解决方案高级经理汤国宝谈到:“充分运用物联网、云计算等技术,利用大数据优势,围绕着智能化、专业化、数据化最大限度发挥视频监控应用效能,构建立体化社会治安防控体系,并将原先的服务专业发展到服务民生。”

1

视频监控数据有两个方面的内涵——海量和非结构化。视频监控数据量规模庞大,并且随着高清化、超高清化的趋势加强,视频监控数据规模将以更快的指数级别增长;与通常讲的结构化数据不同,视频监控业务产生的数据绝大多数以非结构化的数据为主,这给传统的数据管理和使用机制带来了极大的挑战。这些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。小编根据大数据目前在视频监控领域应用的情况归纳整理了该项技术今后发展应关注的几个问题。

1.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。需要传输与存储的视频数据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,从而降低传输资源消耗和存储空间。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.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.高清监控摄像机的智能化处理

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。在智能安防的监控领域,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。这就要求尽可能在前端的高清摄像机能实现智能化,这也是智能监控发展的重点之一。

慧聪安防网总结:

随着全国各地平安城市项目的大规模推进,视频监控在智能安防领域中发挥着越来越重要的作用。现在不仅在机场、车站、码头等人流集中的公共场所采用视频监控系统,而且在一些办公场所和住宅小区也安装了视频监控系统,在一些如监狱等重要场所更是提出视频监控全覆盖的应用要求。与此同时,视频监控产生的数据将会迅速的增长。在建设智能安防的路上,如何利用大数据发挥视频监控的最大效能与数据本身的应用价值,我们还需进一步探索,克服前进中面临的众多瓶颈问题。





====================================分割线================================


本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
6月前
|
存储 机器学习/深度学习 算法
大数据时代下的智能洞察:大规模数据处理的创新与应用
在信息爆炸的时代,大规模数据处理成为了科技领域的核心挑战之一。本文将探讨大规模数据处理的定义、创新技术和广泛应用,并阐述数据驱动的决策和洞察对现代社会带来的巨大影响。
287 3
|
6月前
|
存储 数据采集 大数据
大数据处理与分析技术:驱动智能决策的引擎
本文介绍了大数据处理与分析技术在现代社会中的重要性和应用。从数据采集、存储、处理到分析决策,大数据技术为我们提供了深入洞察和智能决策的能力,推动着各行各业的创新和发展。
261 0
|
26天前
|
存储 数据采集 监控
大数据技术:开启智能决策与创新服务的新纪元
【10月更文挑战第5天】大数据技术:开启智能决策与创新服务的新纪元
|
3月前
|
运维 算法 数据可视化
【2021 高校大数据挑战赛-智能运维中的异常检测与趋势预测】2 方案设计与实现-Python
文章详细介绍了参加2021高校大数据挑战赛中智能运维异常检测与趋势预测任务的方案设计与Python实现,包括问题一的异常点和异常周期检测、问题二的异常预测多变量分类问题,以及问题三的多变量KPI指标预测问题的算法过程描述和代码实现。
68 0
|
10天前
|
机器学习/深度学习 人工智能 运维
智能运维:大数据与AI的融合之道###
【10月更文挑战第20天】 运维领域正经历一场静悄悄的变革,大数据与人工智能的深度融合正重塑着传统的运维模式。本文探讨了智能运维如何借助大数据分析和机器学习算法,实现从被动响应到主动预防的转变,提升系统稳定性和效率的同时,降低了运维成本。通过实例解析,揭示智能运维在现代IT架构中的核心价值,为读者提供一份关于未来运维趋势的深刻洞察。 ###
59 10
|
26天前
|
存储 数据采集 分布式计算
大数据技术:开启智能时代的新引擎
【10月更文挑战第5天】大数据技术:开启智能时代的新引擎
|
3月前
|
存储 人工智能 分布式计算
阿里云智能大数据演进
本文根据7月24日飞天发布时刻产品发布会、7月5日DataFunCon2024·北京站:大数据·大模型.双核时代实录整理而成
|
4月前
|
存储 算法 数据可视化
云上大数据分析平台:解锁数据价值,驱动智能决策新篇章
实时性与流式处理:随着实时数据分析需求的增加,云上大数据分析平台将更加注重实时性和流式处理能力的建设。通过优化计算引擎和存储架构等技术手段,平台将能够实现对数据流的高效处理和分析,为企业提供实时决策支持。通过优化计算引擎和存储架构等技术手段,平台将能够实现对数据流的高效处理和分析,为企业提供实时决策支持。
571 8
|
3月前
|
机器学习/深度学习 运维 算法
【2021 高校大数据挑战赛-智能运维中的异常检测与趋势预测】1 赛后总结与分析
对2021高校大数据挑战赛中智能运维异常检测与趋势预测赛题的赛后总结与分析,涉及赛题解析、不足与改进,并提供了异常检测、异常预测和趋势预测的方法和模型选择的讨论。
106 0
【2021 高校大数据挑战赛-智能运维中的异常检测与趋势预测】1 赛后总结与分析
|
4月前
|
存储 监控 数据安全/隐私保护
云上智能视频分析:重塑视觉监控与决策的未来
云上智能视频分析平台注重数据安全和隐私保护。通过采用多种技术手段确保视频数据在传输、存储和处理过程中的安全性和隐私性,保护用户隐私和商业秘密不受侵犯。 四、未来发展趋势 4.1 边缘计算与云计算融合 随着物联网设备数量的不断增加和数据量的快速增长,边缘计算将成为云上智能视频分析的重要发展方向。通过将计算能力和数据处理能力下沉到边缘侧,可以减少数据传输延迟和带宽消耗,提高系统的响应速度和稳定性。 4.2 跨领域融合与创新 云上智能视频分析技术将与物联网
175 7