自1946年第一臺計算機誕生以來，僅僅半個多世紀，信息技術以它廣泛的影響和巨大的生命力風靡全球，已成為科技發展史上業績最輝煌、發展最迅速、對人類影響最廣和最深刻的科技領域。數年來，隨著互聯網和信息技術的同步發展，各行各業都積累了大量數據。據全球領先的信息技術研究和咨詢公司Gartner報告，驅動大數據發展的重要因素主要來自兩個方面：一是消費領域，如網購及社交媒體應用產生的大量數據；另一方面來自城市基礎設施建設，安防便是其中之一。

　　安防大數據具有重要意義

　　對于安防企業而言，在平安城市、智能交通管理、環境保護、危化品運輸監控、食品安全監控，或是政府機構、大企業工作場所等與網絡連接的設備系統有著巨大的數據來源。如何將各區域各行業的監控設備資源連接起來，通過信息公開、數據共享、數據挖掘推動新型的以大數據應用為基礎的安防，構成了安防的大數據時代。

　　大數據是視頻智能分析基礎

　　在大數據應用時代，視頻因其信息含量最高、數據量最大，分析運算最復雜而成為大數據時代采集分析傳輸存儲應用最具挑戰的國際技術難題！智能視頻分析研究永無止境，分析算法必須以監控視頻為資源，研究實時或歷史監控視頻中的目標特征提取、增強與行為分析等關鍵技術，才能推動監控視頻應用模式從事后被動處置向事前主動預防轉變。

　　幫助實現智慧城市智能化

　　我國智慧城市建設面臨的重大挑戰之一，是城市系統之間由于標準問題無法有效集成，形成信息孤島。因此，在大數據融合技術領域，一方面要加強大數據標準建設，另一方面要加強海量異構數據建模與融合、海量異構數據列存儲與索引等關鍵技術研發，為給予底層數據集成的信息共享提供標準和技術保障。大規模數據在智慧城市系統流動過程中，出于傳輸效率、數據質量與安全等因素的考慮，需要對大規模數據進行預處理。大數據處理技術往往需要與基于云計算的并行分布式技術相結合，這也是目前國際產業界普遍采用的技術方案。大數據分析與挖掘技術為智慧城市治理提供了強大的決策支持能力。

　　提高警務辦事效率

　　互聯網技術的飛速發展已經為構建一個大型全國性的專業報警運營服務平臺提供了有力的技術支撐。通過這個報警平臺，報警運營服務商手中會累積海量的用戶數據，例如用戶的身份信息、警情數據、消費記錄、維修記錄等，這些都是非常寶貴的資源。報警運營服務商可以在此基礎上，應用大數據技術進行分析和挖掘，充分發揮大數據的商業價值。

　　公安如公安系統中的圖偵技術，應用模式多樣，思維活躍，圍繞著“發現線索”的目的可衍生出多種的技戰法，只有從這些具體的技戰法中才能提煉出需求，真正告訴系統的設計者“我們要什么”。

　　那么，圖偵里的大數據應用需要哪些？像商業大數據那樣找規律的應用似乎還遠了點，目前最實在的就是從海量視頻數據里把有相同線索特征的圖像給找出來，讓干警發現出新的案件線索。至于“怎么找？”這就是由公安來提的應用模式了。因此，視頻大數據的發展并不是簡單的由技術廠商做主導，而是需要公安體制內既有刑偵實戰經驗，又有科技化功底的復合型人才，共同來參與視頻大數據應用的發展。

　　讓智能家居“聰明”起來

　　智能家居會產生大數據，同時也是大數據的重要應用領域，不然它極有可能將停滯不前。家庭產生的大數據能讓智能家居更“聰明”，但需要根據實際情況進行有效處理，而不是任何數據的“一鍋端”，通過大數據與云計算技術的結合應用，智能家居系統能夠第一時間對用戶家庭中智能設備的數據、信息進行有效分析、記憶，并將得到的相應規律反過來應用于智能設備，提升智能家居的智能效果。

　　安防大數據挖掘面臨挑戰

　　大數據在安防領域應用全面展開，安防也進入大數據時代，如何利用音視頻分析技術從這些數據中提取有效信息，找尋到對應的線索，是目前安防企業面臨的新挑戰。目前大數據挖掘主要的挑戰主要來自幾個方面：

　　視頻圖像數據挖掘的難點：

　　1.識別什么特征？一副圖像或者一段視頻可以有無數角度的標簽屬性去描述，什么才是我們需要的屬性？這與我們需要得到的目的密切相關，這就需要公安圖偵的人才來歸納終結。

　　2.識別算法開發難，由于是平面圖像，因此特征的識別主要原理就是看圖像區域中的輪廓、顏色、紋理與特征庫進行比較。但是在同一個物體在不同監控角度的攝像頭中顯示出的輪廓都不相同，因此無法做到識別。

　　3.大規模數據處理難，即使做到了識別算法，但是如果要通過數據處理服務器的形式對大規模的視頻進行結構化處理，這個建造成本巨大，其能源的耗費在中國這個夏季需要限電的情況里也不切實際。

　　警務服務平臺大數據難點：

　　1.如何將不同報警運營服務商之間的數據整合在一起？

　　2.我國多數報警運營網絡尚未完成規模化建設，用戶規模大、跨省市運營的網絡很少，每家報警運營服務商的警情并發量不大，而且報警運營服務商之間普遍存在信息孤島，很難通過大數據分析實現數據的增值。

　　3.大數據的挖掘是一個長期的過程，需要企業不斷的嘗試，挖掘出有意義的信息或規律，并將結果拿到市場上檢驗。

　　4.大數據自身也面臨著挑戰，數據的運用仍面臨多種技術難關的束縛，大數據方面的人才比較缺乏，大數據的產品尚不成熟等問題都制約著大數據在報警運營服務領域的發展。

　　大數據時代，安防數據要如何挖掘？

　　首先，企業只有建立層次化的安防數據存儲制度，才能確保核心數據安全和高效應用。他指出，伴隨著近幾年高清監控時代的大潮，視頻監控數據爆發式增長。但大量的數據是獨立的、分散的，甚至只是做了前端NVR本地存儲設置，沒有實現聯網或共享。如在解決方案中要求銀行監控中心對管轄區域內重點風險部位、高等級報警聯動的圖像數據信息采用集中備份存儲，通過多層級的存儲管理體系，做好核心數據信息的分類管理，將后期的數據智能轉化分析集中在對關鍵性數據的分析處理中，提高數據挖掘的價值密度，實現數據管理的高效應用。

　　企業，要依托智能存儲和大數據技術加強對非結構化數據的充分應用。視頻監控數據類型繁多，除標準可計量的結構化數據外，大量的視頻監控數據主要由圖像、聲音等非結構化數據組成。通過智能化分析手段將這些非結構化數據轉化為可統計、可分析的結構化數據才是大數據分析的重點，也是未來做深層次數據挖掘的基礎。如在平臺的圖像智能識別功能中，可對所有視頻圖像中某一穿著特色的人群做信息抓取，做綜合的數據統計分析。這些在實際的安防事件偵查中具有重大現實意義。

　　最后，基于整體安防解決方案，將監控中心系統與安防云平臺相結合，實現全部安防數據的互聯、共享。由此而形成的安防運營數據融合價值巨大。對這些日常運營數據進行綜合分析和對比，形成科學的數據分析模型，高層分管領導可直觀掌握業務運行狀態，相關人員的綜合素質；設備運行性能指標；監控中心值班人員報警事件處置能力分析；外包守押的服務質量情況等。輔助領導決策建立更加有效的人員配備機制，更科學的安防行政管理體系等，建立真正“高效運營”的安防管理體系。