三、大數(shù)據(jù)成長路上的“磨難”

　　對任何一個新事物來說，它在出現(xiàn)和發(fā)展過程中都不可能是一帆風順的，安防大數(shù)據(jù)在其成長路上又在經(jīng)歷著哪些“磨難”的考驗呢?

　　數(shù)據(jù)共享問題

　　目前安防行業(yè)內(nèi)各系統(tǒng)以及各領域之間比較孤立，數(shù)據(jù)與數(shù)據(jù)之間并沒有互通，從而形成了一個個數(shù)據(jù)孤島，這導致各個系統(tǒng)按照大數(shù)據(jù)的方式使用起來比較困難。他認為，如果利用云存儲技術對大數(shù)據(jù)進行統(tǒng)一管理，把視頻與存儲進行分離并做成一個通用的共享層，對安防大數(shù)據(jù)來說將不失為一大進步。

　　篩選有效數(shù)據(jù)問題

　　眾所周知，以視頻監(jiān)控數(shù)據(jù)為主的安防擁有著海量的數(shù)據(jù)，然而，在這海量的數(shù)據(jù)中，可利用的、有價值的數(shù)據(jù)卻是少之又少的，如何在海量數(shù)據(jù)中高效地篩選出有效數(shù)據(jù)便成為一個非常困難的問題。如何在大數(shù)據(jù)中快速高效地篩選有效信息正是目前安防大數(shù)據(jù)技術發(fā)展的問題所在。他認為，安防的數(shù)據(jù)量大，且傳統(tǒng)的安防多是事后查證，于是把所有有用無用的數(shù)據(jù)全存儲下來，其造成檢索查找不便。眾多廠商都在致力于探索如何從安防大數(shù)據(jù)中提取有價值的數(shù)據(jù)信息。

　　大數(shù)據(jù)的最終目標是盡可能快速地利用各種數(shù)據(jù)來做出最好的決策。當前需要高效篩選安防數(shù)據(jù)，依然需要對安防監(jiān)控關注的業(yè)務對象進行人工監(jiān)督的建模，基于業(yè)務對象建模反向指導數(shù)據(jù)采集匯聚與分析。當前有兩種決策分析模型，一種是基于假設的模型，要關注哪些高價值數(shù)據(jù)，關注相關領域的數(shù)據(jù)，關注那些能夠提升效率的數(shù)據(jù);另一種模型就是一種不是基于假設的模型，是一種機器學習(如神經(jīng)網(wǎng)絡算法等)的模型，大數(shù)據(jù)帶來的變化是分析必須減少對于固有數(shù)據(jù)的依賴，分析模型將能夠根據(jù)數(shù)據(jù)流中的動態(tài)數(shù)據(jù)自適應。這種模型跟假設模型完全不同，兩種模型暫時無法相互替代。從長期來看，一定會有更多的數(shù)據(jù)需要我們?nèi)リP注。對安防大數(shù)據(jù)來說，它能夠不斷增加安防監(jiān)控量，幫助我們基于數(shù)據(jù)做出更合理的決策，這是它的優(yōu)勢。他認為，經(jīng)過長時間數(shù)據(jù)和技術的發(fā)展，機器學習方式可能會取代假設模型。

　　安防廠商想要在大數(shù)據(jù)中快速高效地篩選出有效信息，需要兩個基礎來保證：于非結構化信息的分析、識別和提取等處理要準確和高效;對大量結構化信息，或者半結構化信息的綜合搜索要準確和快速。因此，安防廠商首先需要提升對非結構化信息的處理能力和效率，準確和快速地處理視頻圖像、人臉特征建模等數(shù)據(jù)，從里面提取出有用的信息，并且能夠進行信息的某種表述，在大數(shù)據(jù)的存儲層面上完成數(shù)據(jù)信息的提取和存儲工作，以便進行后續(xù)的數(shù)據(jù)信息檢索，分析和挖掘業(yè)務。其次，通過使用并且針對性地改進目前的大數(shù)據(jù)處理技術以及平臺框架，提供針對安防數(shù)據(jù)信息的快速檢索機制，形成有針對性的海量安防數(shù)據(jù)信息處理架構，從這些大量的結構化和半結構化信息中進行快速檢索和分析。

　　智能分析困難

　　在安防大數(shù)據(jù)中，如何對海量數(shù)據(jù)進行智能分析是關鍵�，F(xiàn)階段，如何平衡網(wǎng)絡帶寬承載、降低系統(tǒng)存儲成本則成為處理海量數(shù)據(jù)的前提性要求。在實際應用中，視頻圖像的分析處理需求日益增加，如車牌識別、人臉識別等，對圖像質量提出了更高的要求，也對芯片的解碼能力提出了更大的挑戰(zhàn)。解決方案不單單是一個芯片就可以完成的，它是一個完整的架構。