一套硬核安防视频云平台的炼成

标签：自动化   双向   直接   数据平台   title   结构化   部分   公有   超过   

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

一套硬核安防视频云平台的炼成

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