视频监控将成世界上最大的数据生成器

电力18讯：    
    去年，这个世界上增加了2.8ZB的数据，相当于30亿TB。如果视频数据也存储下来，这个数据就要翻倍了。视频监控已经不再是以前那样，几个摄像头连到大楼保安室，只有进入这个神秘的房间才能一窥究竟。实际上，监控摄像头已经成为了智能终端，有网口、能控制甚至可接双向音频，摄像头的互联已经成为趋势。超级视频监控云正在形成，视频监控将是世界上最大的数据生成器。

    记得几年前看过一部电影，威尔史密斯主演的《国家公敌》，影片中美国的各个角落充斥着摄像机，CIA可以随时调用这些摄像机进行追踪，无数的摄像机形成了一张超级大网……当时觉得有点科幻也有点背寒。

    不过短短几年，这已经成为了现实，成百万的摄像头已经联网，给我们的人财安全、交通出行带来了非常多便利，但这仅仅是开始，实际上，现在的技术已经能够很轻松地进行智能识别、人流计数甚至行为识别等，这庞大的视频数据分析比传统互联网+数据更接近于真实的世界，这个潘多拉盒子的里面，究竟会带来什么?

    视频监控将是世界上最大的数据生成器

    以国内某省为例，公共视频监控已经超过100多万个摄像头，总保有量近400万，以此估计，全国摄像头数量不少于4000万，某投行的报告称行业每年还在以20%加速增长，行业龙头海康威视(002415,股吧)12年的年报披露的销售量就达570万套(含前后端)，增长37%。而另一个数据也很惊人，英国的摄像头数量与人口数量之比已经达到1:15。粗略计世界至少有1亿个摄像头在角落静静的看着。

    如果这些数据存储下来，将是超级大数据。假设所有摄像头换为1080P，每天的数据量是64G，每年的数据量是23T，全世界每年将产生23亿T的视频数据。

    这是个可怕的数字。不知是有幸还是不幸，绝大部分视频监控数据存储不会超过一天，因为从目前看来，与存储的价格相比，这些数据不值钱。

    正在形成的超级视频监控云

    例如公共视频，已经从一个城市内的互联，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。而另一端，这些数据又被包装成各种公共应用向公众开放，看看媒体里充斥着多少手机可实时查看城市道路交通视频的新闻。

    除了公共视频，无数私有视频也在形成私有云，分支庞大的连锁超市、连锁酒店、物流公司、金融机构甚至工业生产线，无数端点的数据正在向云汇集。而不少国家也要求私有视频数据也要定向开放，可被调用和操作。

    这正是与互联网不同的物联云网络，从感知到互联到应用，只不过这个感知是用无数的“眼睛”看世界。

    视频大数据的价值还未发掘

    一般看来，视频的冗余数据太多，只有发生了突发事件才会回看记录，所以大部分视频数据的存储很短，超过一周的少之又少。而另一方面，由于数据读写要求高，云端存储极为昂贵(几千元1TB)，所以绝大部分数据都是存在前端。

    视频智能分析的初衷就是要解决冗余数据的问题，把人从枯燥的监控中解放出来，帮助人更好的眼观六路。所谓智能的核心就是目标识别和行为分析，按照应用的要求设定规则，当视频中的信息符合规则时才进行告警和记录，常见的应用包括入侵检测、周界告警、车辆识别、交通违法监控等。

    目前行业主流的智能分析厂商，如国外的ObjectVideo、ioimage、Emza，国内的卓扬科技、文安科技、智安邦科技等，基本都是围绕“监控”二字，属于视频数据的初级加工，一般只是对单个摄像头的视频信息进行实时处理，按一定规则产生事件数据(如告警事件、车辆计数)，跨空间和时间范围的二次加工分析还比较少，因此，视频监控领域并未真正的形成互联网意义上的大数据。

    不过视频监控数据必定能成为下一个大数据的宝库。一方面，它具备了典型的大数据4V特征，数据量巨大、多样化、表面上无序、但暗含着无数人和物的行为。另一方面，它是真实世界的写照，这与互联网获得的大数据有很大不同，真实世界蕴含了无数难以用格式化文字表达的信息，比如人通过视觉可以快速形成判断，一个地方是繁荣还是衰退，气氛是紧张还是欢快。

    当然，前提是，存储成本能降下来，数据处理能力能升上去。

    潜力巨大的应用

    比如对于一个商场，除了对安防的需求之外，对视频数据的二次挖掘，可以搜集顾客的性别、年龄、穿着信息，可以统计顾客的购物路径、停留模式、聚集热点，甚至可以二次或者多次回头率、到店周期等。这类似于网站访问分析，能为商场的优化提供基础数据。如果是连锁型企业，还能结合多店的数据，获得区域性甚至全国性的数据。

同样放大到一个城市，每个街道的人流数据、车流数据都在其中，这些数据整体汇集起来，就是一个城市的人车分布图，静态的如不同区域人的特征、车的特征，动态的如人车的路径、停留模式，这对城市的规划和管理都极有价值。

如果再结合到时间线，从无数摄像头收集到的信息，还可以看出一个国家、一个区域、一个城市的变化，如同《大数据》里所言，甚至可以预测趋势，比如是否更多的店铺在新装修开张还是更多的歇业，是更多的饭店还是更多的服装店等，这些变化汇集起来我们可以看到人口的变化、经济的趋势、潮流的趋势、自然环境的变化甚至人的快乐和紧张程度。

这不是天方夜谭，现在的技术已经完全做到。一方面高清摄像机的普及，视频信息质量更加优良;另一方面，智能分析的水平已经相当的高，对物品的识别和分离、对人脸的识别、对颜色文字数字的识别、对物体变化的分析甚至还有暴力行为的监测。

但要实现这种意义上的数据挖掘，需要进行大量元数据的记录，甚至是与监控目的无关的元数据，要深度的进行分析，需要海量的数据汇集存储和超大规模的数据处理，最后还需要基于位置和时间的进行关联性分析整合，这巨大的资源和成本耗费是打开大数据之门的障碍。