人工智慧+安防 被動防禦轉化為主動預警
共用、智慧、大資料將成為新時期安防新業態的典型特徵，人工智慧+安防，正在變被動防禦為主動預警，在公共安全領域實現視覺化、網路化、智慧化管理。
共用、智慧、大資料將成為新時期安防新業態的典型特徵，人工智慧+安防，正在變被動防禦為主動預警，在公共安全領域實現視覺化、網路化、智慧化管理。隨著人工智慧產業化的加快落地，民用安防產品將得到快速發展，至2022年，安防行業市場規模將達到近萬億。
資料獲取，又稱資料獲取，
“大資料”是指一組資料集非常龐大且複雜，以致于很難利用現有的資料庫管理工具進行處理。它有助於統一大型資料集，並能夠從分析中得出其它資訊，
由此看來，大資料產生的第一步就是大資料獲取。那麼對於安防行業來說，大資料產生的一個最重要的途徑就是視頻監控，監控攝像機也就成為最重要的大資料獲取工具。
視頻監控資料有兩個方面的內涵——海量和非結構化。視頻監控資料量規模龐大，並且隨著高清化、超高清化的趨勢加強，視頻監控資料規模將以更快的指數級別增長；與通常講的結構化資料不同，
“除了上帝，任何人都必須用資料來說話”，美國著名管理學家、統計學家愛德華·戴明將資料提升和上帝平行的高度。視頻監控業務正是一個典型的資料依賴型業務，依靠資料說話。可以說，大資料與視頻監控業務有著天然的結合。綜合來看，
“快閃記憶體”：如果類比水庫蓄水的方式，典型的網路視頻監控資料存儲模型是一個由小溪彙聚河流、再彙聚到水庫的蓄水方式。小溪數量增多、水量增大是水庫蓄水量的保證，然而傳統方式下蓄水量增大將提高水庫建造成本和蓄水安全的要求。而採用分散式蓄水模式，在河流中游建立多個中間蓄水池，不僅可以減少主水庫蓄水壓力和成本，化整為零也提高了就近用水效率。在大資料技術支撐下，網路視頻監控資料存儲模型可轉向分散式的資料存儲體系，提供高效、安全、廉價的存儲方式。
“易看”：在視頻監控業務中，錯看漏看、來不及看等是常見的困擾點。大資料監控圖像的回溯給許多安防監控管理人員帶來了生理與心理的雙重挑戰。在大量人力投入的公安案件追溯中，都常常耳聞“看到吐”、“看到暈”等無奈和感歎。可想而知一般零售行業、金融行業等，對於視頻監控圖像的回溯就更為困難。在視頻監控大資料趨勢已經來臨之際，依靠人眼去檢索、查看所有視頻圖像資料已經不太現實。通過大資料技術實現視頻圖像模糊查詢、快速檢索、精准定位，讓看變得簡單迫在眉睫。
“善用”：視頻監控業務中，看只是資訊採集的方式之一，用才是業務應用的根本。視頻監控業務的效率問題已經成為阻礙產業發展的關鍵瓶頸。隨著視頻監控攝像機覆蓋廣度、密度增大，視頻圖像資料量呈指數級上升，而視頻監控資料的使用效率卻在下降。
大資料背景下，視頻監控遭遇幾大困境
飛速增長的視頻監控資料，使得傳統視頻監控體系架構、資料的管理方式、資料分析應用等面臨新的困境。
困境一：資料量的急劇擴大和IT投資之間的矛盾。
按照IT產業的法則：在滿足客戶需求的前提之下，往往技術成本越低，其生命力往往越強。由於資料量的急速擴大，以及隨之而來的大規模計算的需求越來越多，一味採用高配硬體，使得硬體投資成為客戶不可承受之重，客戶越來越希望在滿足需求的前提下，用中低端的硬體來替換高配硬體。
困境二：海量資料和有效資料之間的矛盾。
攝像頭7X24小時工作，如實記錄鏡頭覆蓋範圍發生的一切，僅僅記錄資訊是不夠的，因為對於客戶來講可能大部分資訊是無效，有效資訊可能只分佈在一個較短的時間段內，按照數學統計的說法，資訊是呈現冪律分佈的，也稱之為資訊的密度，往往越高密度的資訊對客戶價值越大。
困境三：資源利用和效率之間的矛盾，串列計算和平行計算的矛盾。
視頻監控業務網路化、大聯網後，網路內的設備越來越多，利用閒置的計算資源，實現資源的最大化利用，關乎運算的效率。在視頻監控領域，往往視頻分析的效率決定價值，更低的延遲、更準確的分析往往是平安城市這類客戶的普遍需求。隨著資料量的增加，哪怕對TB級別的資料進行對視頻內容的資料分析和檢索，採用串列計算的模式都可能需要花費數小時的計算，已遠遠不能勝任時效性的需求。視頻的分析和檢索，不能依賴于傳統的手段，巨量資料的效率優化，平行計算是視頻智慧分析的唯一出路。
化整為零也提高了就近用水效率。在大資料技術支撐下，網路視頻監控資料存儲模型可轉向分散式的資料存儲體系，提供高效、安全、廉價的存儲方式。“易看”：在視頻監控業務中，錯看漏看、來不及看等是常見的困擾點。大資料監控圖像的回溯給許多安防監控管理人員帶來了生理與心理的雙重挑戰。在大量人力投入的公安案件追溯中，都常常耳聞“看到吐”、“看到暈”等無奈和感歎。可想而知一般零售行業、金融行業等，對於視頻監控圖像的回溯就更為困難。在視頻監控大資料趨勢已經來臨之際，依靠人眼去檢索、查看所有視頻圖像資料已經不太現實。通過大資料技術實現視頻圖像模糊查詢、快速檢索、精准定位，讓看變得簡單迫在眉睫。
“善用”：視頻監控業務中，看只是資訊採集的方式之一，用才是業務應用的根本。視頻監控業務的效率問題已經成為阻礙產業發展的關鍵瓶頸。隨著視頻監控攝像機覆蓋廣度、密度增大，視頻圖像資料量呈指數級上升，而視頻監控資料的使用效率卻在下降。
大資料背景下，視頻監控遭遇幾大困境
飛速增長的視頻監控資料，使得傳統視頻監控體系架構、資料的管理方式、資料分析應用等面臨新的困境。
困境一：資料量的急劇擴大和IT投資之間的矛盾。
按照IT產業的法則：在滿足客戶需求的前提之下，往往技術成本越低，其生命力往往越強。由於資料量的急速擴大，以及隨之而來的大規模計算的需求越來越多，一味採用高配硬體，使得硬體投資成為客戶不可承受之重，客戶越來越希望在滿足需求的前提下，用中低端的硬體來替換高配硬體。
困境二：海量資料和有效資料之間的矛盾。
攝像頭7X24小時工作，如實記錄鏡頭覆蓋範圍發生的一切，僅僅記錄資訊是不夠的，因為對於客戶來講可能大部分資訊是無效，有效資訊可能只分佈在一個較短的時間段內，按照數學統計的說法，資訊是呈現冪律分佈的，也稱之為資訊的密度，往往越高密度的資訊對客戶價值越大。
困境三：資源利用和效率之間的矛盾，串列計算和平行計算的矛盾。
視頻監控業務網路化、大聯網後，網路內的設備越來越多，利用閒置的計算資源，實現資源的最大化利用，關乎運算的效率。在視頻監控領域，往往視頻分析的效率決定價值，更低的延遲、更準確的分析往往是平安城市這類客戶的普遍需求。隨著資料量的增加，哪怕對TB級別的資料進行對視頻內容的資料分析和檢索，採用串列計算的模式都可能需要花費數小時的計算，已遠遠不能勝任時效性的需求。視頻的分析和檢索，不能依賴于傳統的手段，巨量資料的效率優化，平行計算是視頻智慧分析的唯一出路。