标签:自动化 双向 直接 数据平台 title 结构化 部分 公有 超过
导读 | 三大特点、五大重点,一套硬核安防视频云平台是这样炼成的 |
很多人会困惑,云计算究竟是什么?
它是可以被看作为商品的一种计算能力,可以在线上被无限制流通,就如水、电、煤气一样,可以被人们方便地取用,且价格相较低廉。
十多年前,无论是中国、美国,亚洲、欧洲,无论是大企业还是小公司,建设企业 IT 架构,为公司的业务和战略做信息支撑的思路都如出一辙——购买服务器,只是多或少的问题。
今天来看,这类 IT 基础设施的布局是一项非常不必要的高额支出,因为他们可以通过租用“公有云”的云计算服务来获取性价比更高的 IT 能力。
云计算将许多计算资源集合起来,通过软件实现自动化管理,对于硬件资源的利用率,以及业务系统的构建和部署,都带来了更细粒度的控制和更高的效率。
眼下,经由阿里、亚马逊、微软等中外云企业的不断教育市场,云计算部署已经成为科技转型不可逆转的趋势, 构建合理的云平台成了任何 IT 领域构建系统时的一种共识。
AI 安防市场亦不例外。
对于安防的认知,大多数人至今还是有些误解:
安防就等于视频监控,几个摄像头连接到大楼保安室,几个保安盯着几块屏幕一整天。
实际上,星罗密布的监控摄像头已经化为一个个智能终端,它们有网口、能控制甚至可接双向音频,摄像头的互联已经成为炙热趋势。
例如公共视频网络,已经从一个城市的互联,发展到一个省的互联,逐步到一个国家的互联,无论是新的网络摄像头,还是旧模拟摄像头 +DVS/DVR,都开始加速接入一个庞大的云平台,从单纯的视频流媒体数据到云台操作,每一个终端都成为了一个可被远程控制的智能化终端。
这些单个摄像头的涓涓接入,会形成一股气吞山河的数据洪流。
据 IHS Markit 数据显示,2018 年全球视频监控市场规模为 182 亿美元,其中中国视频监控市场占了全球市场份额的 45%,是全球最大的一块市场,而且增长速度也远高于海外市场。
预估到 2020 年,全国摄像头数量不少于 4000 万个,某投行的报告称行业每年还在以 20% 加速增长。假设所有摄像头切换为 1080P,每天的数据量是 64G,每年的数据量是 23T,中国每年至少将产生超过十亿T的视频数据。
面对如此大的数据洪流冲击,一套安防系统需要应对和满足的性能挑战诸多,宇视科技丁强介绍说,主要有四点:
对图像的调度时间要求保持在 1 秒以内;
对编解码以及整网传输延时不能超过 300ms;
监控系统规模扩展都不能影响上述指标;
多维度的内容组织及挖掘,前端及后端智能结合,内容大数据索引化。
图像数据需要专业存储设备存储,并用 RAID 甚至多节点纠删卷进行保护。数据存储重要性必须永远放在第一位进行保证,因此无论录像还是图片,都需要优异的读写分离体系作为支持。
另外,端到端接入授权、全链路数据加密的安全保障也是至关重要一环,无论是中间网络截获还是存储介质暴露,均须做到无法直接恢复出有效数据,保证最高级别的安防数据可靠性。
人工智能的深入应用, 给人工视频调阅式的信息理解方式带来了机器理解,这让视频的信息利用率一下子提升了成百上千倍。
此外,得益于视频的内容理解、视频被数据化和信息化,因而在这样的视图大数据平台上,视图大数据平台上的安防监控业务应用体系也得到了爆炸式增长。
正是上述安防数据的实时特点,必然需要引入边缘计算,去作为中心服务云做部分功能卸载,并就近集成安防业务相关的特殊功能模块。
丁强说,接入边缘传感数据进行实时化业务的同时,其与中心云“统一云计算服务框架”承接,并继续数据的互通,从而协同分析挖掘,形成进一步的业务服务&数据服务。
通过这样的模式,达到中心云计算与边缘计算的优势互补:
云计算:成本低、高扩展和高可靠,适用于计算非实时、长周期场景;
边缘计算:低延时、高可靠和更安全,适用于计算实时性、短周期场景;
梳理整个边缘计算的发展,应该说安防监控领域成了边缘计算最成熟的应用场景,结合边缘计算,现有安防专有视频云的部署模式也基本成型,而在具体的视频云平台的构建上,丁强认为,需要注意以下几个方面:
合理利用云计算与超融合的架构,以统一的软件定义计算、存储、网络的框架,合理利用专有硬件卸载实时计算需求,兼顾中心云计算和边缘计算的诉求,以统一界面建设视频云。
充分利用云、边、端全路径的智能异构资源进行多媒体的实时处理,让数据信息最大化,同时基于算法仓、服务仓灵活部署,有效实现计算、存储资源的全拉通。
“数据湖”是一种在系统或存储库中以自然格式存储数据的方法,它有助于以各种模式和结构形式配置数据,通常是对象块或文件。
“数据湖”的主要思想是对企业中的所有数据进行统一存储,从原始数据(这意味着源系统数据的精确副本)转换为用于报告、可视化、分析和机器学习等各种任务的转换数据。
湖中的数据包括:结构化数据如关系数据库(行和列)、半结构化数据(CSV、XML、JSON 的日志)、非结构化数据(电子邮件、文档、PDF)和二进制数据(图像、音频、视频),从而形成可容纳所有形式数据的集中式数据存储。
安防监控主要的数据来源,除了音视频的结构化分析,还包括各种车辆、人脸等卡口信息, 和案件警情、MAC、RFID 等外围采集信息。
因此,必须要构建灵活的多维数据接入框架,同时在合理的数据中台管理框架下,保证数据的合理内化,从而为整个安防衍生业务提供完整的数据平台支持,这也是视频云框架中 DAAS 建设重点。
随着 GB 35114-2017《公共安全视频监控联网信息安全技术要求》的发布和执行, 以及智能在安防行业的数据信息化,人脸、车牌、轨迹等各种信息安全问题,都不得不让人对安防行业的安全管控提到前所未有的高度,更别说维护社会治安的系统不安全更是无法让人接受了。
但传统安全往往都过于关注设备的漏洞、防入侵防攻击等领域,对于安防视频本身的业务体系涉足太少。因此,有必要基于安防业务特点出发,构建深度的视频安全管控框架,实现云、边、端的全链路安全防控运维体系,具体包括芯片级密钥管理发放、视频传输加扰、大数据安全、准入安全等,同时结合可视化呈现,实现全网可视综合态势感知平台。
安防就像核反应堆,内涵在不断裂变,外延在迅速扩张。
安防行业的内涵已经从事后取证调查,向预判、预警和预防演进。与此同时,可以发现视频监控不仅仅是用于公共安全,还有如视频的直播和对讲、食品卫生监督管理、工业自动化、生产自动化、司法公正、警务公开、政务公开等等。
如此庞大的外延业务,必然需要一个强而有力的云平台的支撑,安防专有视频云平台建设应该是每个厂商应该思考的问题。雷锋网
本文转自:https://www.linuxprobe.com/a-hard-core.html
标签:自动化 双向 直接 数据平台 title 结构化 部分 公有 超过
原文地址:https://www.cnblogs.com/it-artical/p/12109080.html