探讨视频大数据应用的难点

监控视频大数据不同于其他的媒体数据，在实际应用中存在着固有的难点。

以广东省为例，自2013年以来，广东省接入公安网的一级视频监控点达到17万，其中新建视频监控系统以200万像素高清视频为主，部分为500万像素，所有探头每天的存储数据增量达到7.7PT。由于视频图像数据量大，接入公安网的监控视频采用分布式存储模式，即原始视频存储在地市、区县、派出所的监控中心，省级平台只是调取重点线路或者指定视频。一般监控视频存储期为15～30天，重点视频图像信息省级数据库的一般信息存储期为7天，特殊情况的视频片断或截图保存1年。卡口、电子警察拍摄的车辆图像也是类似的存储模式，一般过车图片保存期1～3个月，确认处罚的违法车辆图片保存2年。而未接入公安网的140万路社会监控视频，则保存时间只有3～30天。因此，许多案件在发生、发现后，希望寻找线索、采集视频图像证据时，无法调取到历史监控视频和历史卡口过车图片。

据不完全统计，目前中国共设有超过2 000万视频监控设备，并且中国的视频监控技术在经过数字化与网络化的发展之后，已基本能满足跨越时空域获取视频图像信息的要求。虽然中国视频监控发展速度远超世界平均水平，但快速的发展带来的是海量摄像头的架设，同时也带来了海量的视频信息。由于目前视频监控系统对视频信息的自动化处理能力非常薄弱，而视频信息又有着高度冗余和形象化的特点，因此，在实际视频监控系统的运行中，往往存在过度依赖于人工监视、图像数据利用率低、消耗存储资源巨大、检索困难等缺点，制约了视频监控的深化应用，如何有效地利用和管理这些海量的视频信息，实现视频监控的智能化成为了亟待解决的问题。

具体地说，目前的视频监控系统存在以下几个问题：

（1）视频监控系统海量冗余信息与有效信息提取能力之间的矛盾　视频数据的特点是高度冗余和形象化，但目前对视频高效自动化处理的手段非常少，系统的处理能力非常有限。为弥补处理能力的不足往往需要大量的人力实时值守或事后浏览。在实际视频监控系统的运行中，一个监控人员往往负责几个甚至更多的监控摄像机的内容观看。对于大型公共场所动辄上千台监控摄像机，只能选择一到两路重点观看，并且监控效能也受操作人员业务能力的影响。

由于缺乏视频自动处理的技术手段，视频监控系统往往处于被动地位，很难主动地发现异常事件，更做不到对大范围内的群体性治安事件等宏观事件进行预警、研判。

（2）视频监控系统存在数据孤岛效应，资源整合和互操作困难　首先，海量的视频数据与有限的共享带宽之间的矛盾使得数据共享的通道存在很大的局限性。其次，视频监控系统与其他感知数据的融合也存在问题，例如，与RFID的身份验证系统的融合，与公安数字化单兵信息的交互，这些多源的图像融合感知能够为公共安全的预警和决策提供重要依据。

（3）视频监控系统海量数据与有限存储空间之间的矛盾　视频监控系统的视频数据的海量性在数据存储方面也表现得尤为突出。对于数以万计的视频监控系统，其所需的存储空间是一个天文数字。视频压缩方式普遍采用与内容无关的通用流媒体压缩方式，缺点是视频图像的大量细节被抛弃，而这些细节往往又是判定嫌疑对象所希望保留的信息。

（4）高效精准的视频检索手段缺失　目前，视频监控系统没有一种高效精准的检索手段，只能依靠原始的人工浏览方法查找视频。这样，在大规模公共场景的视频监控系统中查找一个视频片段，仅仅依靠人工逐段浏览要耗费大量的人力和时间，所付出的代价是非常巨大的。(https://www.xing528.com)

同时，公共安全管理、交通事故、恐怖事件预测等信息系统的冗余创建也带来了一系列问题：

（1）系统的冗余创建造成了IT资源的极大浪费。在城镇的各个地方都建立了视频监控系统这类的具有独立软件和硬件的公安监控系统。系统的冗余建设造成了巨大的资源浪费，并且很难在没有整合分布式数据的统一平台下发现支持犯罪预测的深层信息和复杂内容。

（2）数据收集包括视频、音频、文本和其他非结构化、结构化数据。为了有效地进行数据计算和存储，有必要运用基于云计算技术之上的统一体系架构和优化策略对它们进行存储、管理和处理。

监控视频数据具有的4V特性（容积大、数据格式多样、单一文件价值低、处理速度慢）导致了一些问题，特别是在警方犯罪侦查和公共安全管理方面：

（1）小型视频分析技术被用于识别车辆信息（车牌、标志、色彩等）和一些简单的应用，但是从海量视频数据中预测犯罪和发现线索大都是依赖人们的检测，而且很难通过计算机发现深层信息和复杂的内容，也缺乏对分析内容的规范化描述。

（2）由于缺乏有效的资源管理和组织，大量的用于计算和存储的资源在分析和处理视频大数据时不能被高效的利用。

（3）在没有警务数据库的情况下，很难从大量数据中挖掘更为复杂的关系和更深的语义，也没办法要求警方提供可能的信息、线索和案件发展趋势。

图8－1　下一代视频监控系统框架