1、安防大数据
　　
　　安防大数据具有2个明显的特点：1)数据规模海量化：2)数据类型非结构化。数据规模海量化造成数据传输和存储的困难，数据类型非结构化为数据利用带来了极大的挑战，为了解决这些难题需要大数据。idc将大数据视为一个融合的体系：具备大规模的体量(volumes)、多样化的种类(variety)的数据集以及对这种数据集进行高速(velocity)采集、处理与分析以提取价值(value)的技术架构与技术过程。
　　
　　hadoop技术正是在此背景下诞生，历经数年的积累，hadoop已成长为一个强大的生态系统，成为it领域广泛采用的大数据模型框架。hadoop主要由分布式文件系统(hdfs)、并行计算架构(mapreduce)和分布式数据库(hbase)组成。其中，hdfs是针对大规模数据的高容错性和高吞吐的分布式文件系统，它可以构建从几台到几千台由常规服务器组成的集群中，并提供高聚合输入输出的文件读写访问。hbase是一个分布式的、按列存储的、多维表结构的实时分布式数据库，它可以提供大数据量架构化和非结构化数据高速读写操作，为高速在线数据服务而设计。mapreduce适用于大数据量处理的分布式框架，是为离线数据分析而设计，利用数据的并行性进行分布运算，而后汇总结果的计算框架。
　　
　　2、基于大数据的分布式工业云计算模型
　　
　　大数据己在安防领域初步取得成功的应用，例如纽约市警察局与微软合作推出了基于大数据的犯罪预防与反恐技术：领域感知系统(domain awareness system，简称das)。该系统能快速混合与分析从约三干台闭路摄像机、9·ll呼叫记录、车牌识别器、辐射传感器以及历史犯罪记录中获取的实时数据。目前纽约市警察局已能追踪机动车，并确定此车在过去几天甚至几个星期的所到之处；还能快速访问犯罪嫌疑人的逮捕记录以及所有特定案件的9·11呼叫记录，将犯罪记录以时间先后顺序按地理空间技术映射出来，以揭示犯罪模式。
　　
　　虽然大数据在das中得到成功应用，但是das的范围还很有限。首先，存在信息孤岛现象，各个单位和小区独立的摄像系统还有充分利用，造成感知出现死角。其次，集中式的计算和存储造成通信成本高、难于管理。为此，本文提出一种基于大数据的分布式云计算模型，其示意模型如图1所示。
　　
　　图1 基于大数据的分布式云计算模型
　　
　　在基于大数据的分布式云计算模型中，域结点是一个全局结点，负责任务的派发和信息的整合。子域结点为局部结点，负责从域结点接收任务。终端结点即为具体的摄像头，负责实时传送信息。以某城市为例，假如该城市欲将某高校纳入其安防大数据范围，而该高校又有三个校区。则域结点为该城市安防大数据的控制中心，**层子域结点为该高校的主控中心，该高校三个校区的控制中心都为第二层子域结点，每个校区的监控设备为终端结点。基于大数据的分布式工业云服务式模型具有以下优势：
　　
　　(1)扩展弹性高。域结点与子域结点之间只需光纤连接起来，就可以实现对监控范围扩展。
　　
　　(2)通信带宽低。由于子域结点具有自己的计算和存储能力，根据域结点的任务指令，子域结点只需将计算后的视频信息片段发送到域结点，从而降低通信带宽。
　　
　　(3)易于实施。域结点与子域结点连接后，只需在子域结点处安装相应的软件系统，即可实现互联互通，子域结点的现有系统结构无需改变，避免重复建设，节省建设成本。
　　
　　3、域(子域)结点系统架构
　　
　　域(子域)结点的系统架构采用hadoop技术，由安防信息决策系统、分布式数据处理系统(mapreduce)、海量数据分布式存储系统和分布式数据处理结点组成，如图2所示。域(子域)结点系统的功能主要包括：
　　
　　(1)统一指挥布控。对接入系统分布式网络的视频数据监控节点分层次集中统一管理。每个管理子节点都能够**监控其管辖下的所有监控视频以进行分析处理预警，并能够将相关处理后的特征信息反馈到上一级节点进行汇总，避免监控数据孤岛现象。同时也能接受主节点下发的监控指令，对视频内容进行在线处理，以识别出指令特征所描述的人物及场景进行预警并上报。
　　
　　(2)物体追踪。根据物体的运动情况，自动发送相应控制指令，控制摄像头自动跟踪物体。如果物体超出该摄像机监控范围，能自动通知物体所在区域其它摄像头继续进行追踪。
　　
　　(3)人的面相、步态等识别。自动对人脸和人的步态特征进行识别，可以用来帮助识别和验证是否为指定人物的身份。
　　
　　(4)车辆识别。识别车辆的形状、颜色、车牌号码等特征，可用于监控指定车辆的追踪。
　　
　　(5)非法滞留的判别。对人或物体在敏感区域停留的时间超过了预定义的时问长度时产生报警。
　　
　　(6)治安事件的监测。指定范围内人的行为特征是否符合某一个性行为模式，用以实时监控预警治安事件。
工业云专区：http://cloud3d.e-works.net.cn/
cae专区：http://articles.e-works.net.cn/cae/

资讯来源：http://cloud3d.e-works.net.cn/