视频云为安防监控带来哪些好处呢?

随着安防与互联网、物联网、云计算等技术融合,视频监控高清摄像机的出现,安防产业正向数字化、集成化、网络化、智能化、民用化发展。各行业对摄像头的应用需求已经从单纯的安全防范向高清、智能、智慧的远程可视化管理发展。

  近几年来,视频监控系统不断建设和快速发展,其在打击犯罪、治安防范、社会管理、服务民生等方面发挥着越来越积极的作用。从当前全国视频监控系统的部署情况来看,视频云建设模式已成星火燎原之势。

视频云安防监控

(一)提升资源使用效率

    计算和存储的资源池化,可以大幅度的提升资源使用效率,实现资源的分时、跨域共享和按需调用,避免重复建设,同时实现资源的快速弹性扩容,加快业务部署。

我们举两个典型场景的例子:

场景1:在城市的早晚交通高峰期,视频云可以分配更多的计算资源给卡口做二次识别,而在非高峰期,则可以把更多的资源分配给重点区域(如火车站),对重点区域进行人员布控。

场景2:在传统情况下,视频监控系统新业务上线周期长,不能满足视频监控业务的快速增长要求。而视频监控系统上云后,扩容已有业务和上线新业务都非常便捷,周期从以半年为单位下降为以周为单位。

(二)为数据的融通提供可能

    便于市、区、县之间视频监控数据的融通,形成"数据湖",实现视频监控图像信息共享,使跨市、区、县的视频追踪办案成为可能。

    在新形势下,国家发改委、中综办、公安部等九部委在2015年联合发布了996号文,对视频监控系统提出了"全域覆盖、全网共享、全时可用、全程可控"等立体化防控体系建设的要求。

为满足"全网共享"的要求,传统的视频监控系统采用烟囱式模式来建设,不同厂家系统间的视频数据共享实现起来难度非常大。云平台是解决数据共享最佳的模式,通过视频云来承载视频监控的图像信息大数据,具有平滑扩容、便于共享、便于处理、便于管控等优点。

(三)解决海量视频图像信息大数据和AI处理的算力问题

    视频监控图像信息大数据和AI的处理、分析需要用到超高性能计算能力,上云可以解决算力不足的问题。

    海量的视频图像信息,需要远超出普通数据处理技术的存储、分析、搜索等能力。视频大数据可以分析间接的人与人、物与物、人与物间的关系,这对视频监控系统的计算能力提出了非常高的挑战。而视频云的方案,可为视频监控系统按需提供计算能力。例如某省大数据平台,强大的计算能力支撑业务快速响应,可在1分钟内实现亿条过车数据分析。有一次发生山体滑坡,有车辆被掩埋。当时通过大数据平台汇聚75个收费站、4042公里省内高速、13.3万辆车的信息,结合时空轨迹等信息准确分析出被埋车辆车型、乘员、数量等信息,为抢险工作提供有力支撑,而传统的服务器集群方案无法满足以上要求。

(四)开放的云模式构建繁荣的生态

    云平台是一种生态,向下可对接琳琅满目的不同厂家摄像头,向上承载百花齐放的行业最优算法和应用。通过灵活组合,始终保持实战能力的领先。

    采用通用服务器来构建基础设施是视频云的基本能力,在此之上构建基于OpenStack开放架构的云平台和基于Hadoop架构的大数据平台作为统一的安防云计算存储环境,真正做到软件与硬件解耦、前端与后端解耦、应用与平台解耦。对上支持各种算法和应用的部署,让各个厂商做自己擅长的事情;对下提供可靠、开放、易维护、易管理的统一接入服务和视频转码服务,兼容各主流厂商的各种前端设备,满足公安机关日常立体化防控的业务需求。

    视频云是平台和生态基础,开放、共享是必要基因。在某省,创新的组件化开发模式供警局敏捷开发了100多种通用组件方便各警种根据业务需要直接调用,提高了效率,达成优异的实战效果。

(五)云端智能化比前端智能化更强大、更丰富

    视频云建设的核心就是拉通共享,所有摄像头及视频数据资源应该是随需而动,比如市区道路卡口的主要工作是车辆识别,但在重要安保或紧急抓捕行动时,还需具备人脸识别功能,在前端摄像头中无法内置所有的算法,需要部署多类摄像头才能满足需求,而从云端实现多业务算法是更优途径。

    五大驱动力使得越来越多的视频监控系统采用云模式进行规划、建设和部署,实现了资源的共享、数据的融通、算力的提升;而开放的生态和业务的智能,让视频监控