视频监控：未深入发掘的大数据宝库

　　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，要多维度的进行分析，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。