随着大数据在安防行业的应用逐渐深入，大数据在安防行业中从起步到发展并逐渐成熟。大数据在安防领域的应用已逐渐展开，为安防智能化系统提供诸多价值能力，借鉴大数据在IT中的应用，大数据将实现更高的价值，其关键在创新。

一、大数据助力安防发展

当前处于起步阶段，有部分智能分析技术，并通过大数据技术解决了海量数据的处理效率问题；在发展阶段，智能分析技术会不断成熟，并会不断出现创新的数据应用；在成熟阶段，智能分析技术相当成熟，并有系统的数据深度应用。大数据助力安防行业的发展，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。

大数据能够为用户构建更加智慧的系统，提供更具价值的服务。在安防行业，快速增长的数据、不断涌现的用户需求，预示着对大数据的诉求越来越强烈，同时，也有越来越多的安防企业涉足大数据，有了初步的探索和应用。安防领域的大数据不同于IT领域的大数据，它对智能分析技术有着更高的要求，智能分析技术是实现安防大数据的基础，此外，它对大数据基础技术、数据深度分析算法等也有着同样的高要求。当然，大数据目前在安防行业还处于起步阶段，不够成熟的大数据还面临着诸多问题，包括智能分析技术不够成熟、数据应用不够深入、数据共享不够广泛、标准化建设不够全面等。在未来的发展中，首先要解决这些问题，并不断完善安防大数据方案，包括技术创新、业务创新、体制改善、标准完善。

二、安防借鉴大数据技术

大数据在IT领域的发展也已经非常成熟，其中的许多技术可以借鉴运用到安防领域中，具体包括如下这些技术：

（一）分布式文件系统，负责海量数据存储，将数据分散存储在多台独立的设备上，系统采用可扩展的体系结构，利用多台存储服务器分担存储负荷，利用元数据服务器定位存储信息，它不但提高了系统的可靠性、可用性和存取效率，还易于扩展；

（二）分布式数据库，面向列的实时分布式数据库，适合构建高并发低延时的在线数据服务系统，用于存储粗粒度的结构化数据；

（三）分布式计算，负责将一个需要非常巨大的计算能力才能解决的问题分成许多小的部分，然后分配给许多计算机进行处理，最后把这些计算结果综合起来得到最终的结果；

（四）全文检索引擎，负责对海量数据进行稳定、可靠、快速实时检索；

（五）内存计算，通过分布式的内存计算，能够对海量数据更加快速地分析处理；

（六）流计算，负责对流媒体数据进行分析处理。基于以上这些技术，能够对已结构化的数据进行快速处理，解决对海量数据处理效率上的问题。

然而，安防行业中最多的数据不是结构化数据，而是非结构化数据，如何从这些非结构化数据中提取出结构化信息，是首先需要解决的关键点。在视频图像中可以提取的结构化信息包括如下内容：

（一）人、车、物的特征信息，人的特征信息包括性别、年龄段、身高、体型、肤色、是否佩戴眼镜、发型、服饰特征、携带物等，车的特征信息包括车牌号码、车牌颜色、车牌类型、车辆类型、车身颜色、车标、车上人员信息等，物体的特征信息包括物品颜色、形状、大小、纹理特征等；

（二）行为信息，如穿越警戒面、进入/离开区域、区域入侵、人员徘徊、人员聚集等。当提取出这些数据后，就可以进一步进行深入分析，如对车辆的轨迹分析，对人的异常行为分析。所以，智能分析技术在安防大数据中显得格外重要，是实现安防大数据的基础。

大数据价值所在，无非是在整合数据的基础上进行数据挖掘，数据的真实价值就像海洋中的冰山，第一眼只能看到冰山一角，而绝大部分则是隐藏于表面之下。预测是大数据的核心价值所在，深度关联分析算法便是实现大数据价值的必要手段。数据分析算法就像是钻头，需要从大数据这座神奇的钻石矿中挖掘出真正的钻石。

三、大数据应用安防创新是关键

随着大数据快速发展，在安防行业未来的发展中，大数据势必会占据越来越重要的地位。面对发展过程中出现的问题，当前的首要任务是能够逐步解决这些问题，并不断完善安防大数据方案。

（一）技术创新。首先，视频数据的结构化，通过智能化技术，能够从视频图像中提取出人、车、物等特征信息，通过提取并整合这些信息，能够方便的对视频数据进行检索、以图搜图、深度关联分析。当这些技术得以实现，视频数据的应用效率会大幅提升，而且可以为视频数据的深入应用奠定基础。其次，大数据处理技术。视频数据结构化后，成为可以被计算机识别的数据，当越来越多的数据汇集之后，传统的技术或系统已无法进行有效处理，此时，必须采用大数据技术才能对这些海量的数据进行处理。大数据技术包括分布式文件系统、分布式数据库、全文搜索引擎、分布式计算、内存计算、流计算等，具备优异的可靠性、扩展性及处理性能，能够针对海量数据进行快速分析、挖掘，为用户提供更好的服务。

（二）业务创新。有了经过结构化后的海量视频数据，通过大数据技术，可以对这些海量数据进行深度挖掘，可以做到预测及趋势分析，但是相关的业务模型还需要不断探索和创新。如公安部门，视频侦查在当前来说只能是一种辅助手段，如果采用大数据技术后能够进行预测预警，那么视频侦查将会成为一种非常重要的手段，通过视侦技术，能够减少案件发生率、提高破案率。

（三）体制改善。更多的数据能够产生更大的价值，为了能够整合更多的数据，必须消除信息孤岛，而这在政府部门是客观存在的一个难题。当然，在智慧城市的推动下，这一局面已有所改观，越来越多的政府部门意识到数据共享的重要性。但是，要真正实现大数据的集中和共享，还有很长的路要走。

（四）标准完善。海量数据的整合离不开标准化的过程，在标准化过程中，需要重点考虑以下几点：一、数据结构化标准规范，包括哪些数据需要结构化、结构化的数据如何表示、如何设计字典规范、如何设计数据库表等等，通过标准的结构化数据，所有系统都能够识别并处理；二、数据互联互通标准规范，包括平台与前端之间如何互联互通、平台与平台之间如何互联互通等。前端可以对视频数据进行结构化，后台也可以对视频数据进行结构化，前端和后台需要相互协作，那么前端如何告知后台哪些数据已经结构化了，哪些数据还需进一步结构化，就需要标准来规范；三、数据应用的标准规范，包括数据的服务模式、类型、规则等等。如大数据平台对海量数据进行清洗分类、深度挖掘之后，需要对上层的业务应用提供服务，这种服务就需要通过标准化的接口提供出去。