想必沒有幾個(gè)人記得“安防大數(shù)據(jù)”是何時(shí)喊出的，但其口號(hào)始終在延續(xù)，多年在“云端”，一度神一般地存在，卻又捉不透、摸不著。不過在行業(yè)同仁的共同努力下，其終于開始“食人間煙火”了。作為新一代安防的寄托，大數(shù)據(jù)應(yīng)用神技究竟練到了第幾層?今天我們就來扒一扒。

大數(shù)據(jù)落地：眾之所盼，卻含苞晚放

翻閱歷史技術(shù)文章，不乏大數(shù)據(jù)、云計(jì)算的技術(shù)文章，談得多了，聽得多了，似乎大數(shù)據(jù)距我們咫尺之遙，呼之欲出;但實(shí)際上，大數(shù)據(jù)始終虛無縹緲，吵吵嚷嚷轉(zhuǎn)頭空，回頭望月，大數(shù)據(jù)仿佛仍與嫦娥戲耍。

近兩年各家的大數(shù)據(jù)系統(tǒng)開始紛紛涌現(xiàn)。多年期盼，大數(shù)據(jù)終于在蹣跚中來了。一經(jīng)落地，其發(fā)展速度之迅猛，超乎行業(yè)想象，一時(shí)間無論是硬件制造商還是軟件開發(fā)商，幾乎都跟大數(shù)據(jù)或多或少扯上了關(guān)系。

而大數(shù)據(jù)的落地及遍地開花，似乎昭示著安防產(chǎn)業(yè)即將再掀風(fēng)云。

大數(shù)據(jù)拔高了安防入門門檻

大數(shù)據(jù)技術(shù)早在IT領(lǐng)域得到了應(yīng)用，如當(dāng)下的百度搜索引擎等，用的就是大數(shù)據(jù)技術(shù);當(dāng)安防提升到IT技術(shù)層面，產(chǎn)業(yè)將會(huì)面臨兩極分化的加劇。

從當(dāng)前產(chǎn)業(yè)看，首先推出大數(shù)據(jù)技術(shù)的，清一色為主流設(shè)備商或頗具實(shí)力的平臺(tái)廠家，比如IT背景的宇視科技，傳統(tǒng)安防廠家?？低?、大華股份、蘇州科達(dá)，軟件平臺(tái)商?hào)|方網(wǎng)力、中盛益華等，無一不是一方梟雄;中小企業(yè)與之相比，差距不斷拉大。其次是國內(nèi)安防企業(yè)的國際領(lǐng)先性，從目前看，國際安防品牌企業(yè)也在跟進(jìn)大數(shù)據(jù)技術(shù)的開發(fā)，但進(jìn)度緩慢，此前一直牢據(jù)世界安防50強(qiáng)第一名的霍尼韋爾，至今未見其在中國大陸的進(jìn)一步動(dòng)作;而泰科、UTC、安訊士、三星安防等眾企業(yè)關(guān)于大數(shù)據(jù)的介紹也是鮮少得到披露;即便有，與大陸的大數(shù)據(jù)分析也存在很大的不同，比如泰科、UTC，其已在門禁領(lǐng)域推出了大數(shù)據(jù)管理系統(tǒng)，但也是去年才面世，與視頻監(jiān)控將非結(jié)構(gòu)化數(shù)據(jù)處理為結(jié)構(gòu)化數(shù)據(jù)的深度分析是兩種不同類型的應(yīng)用模式。

最近轟動(dòng)圈內(nèi)的大新聞則為戴爾進(jìn)入安防，戴爾的IT技術(shù)、存儲(chǔ)技術(shù)、硬件制造能力強(qiáng)勁，但沒有安防積累，無論其要將自身優(yōu)勢移植到安防還是從零開始，安防產(chǎn)業(yè)的升級(jí)都能讓戴爾短時(shí)間內(nèi)難以找到適合的切入點(diǎn)，而產(chǎn)業(yè)的不斷變化，隨著時(shí)間的推移，其進(jìn)入安防的困阻會(huì)變得更大。對(duì)中小企業(yè)來說，沒有相應(yīng)的項(xiàng)目(需求)支撐、技術(shù)積累，則將難以脫掉產(chǎn)業(yè)轉(zhuǎn)型期間的陪跑角色。

采集端重要性日漸凸顯

此前在談大數(shù)據(jù)時(shí)，都會(huì)強(qiáng)調(diào)前端采集設(shè)備的重要性，如數(shù)字化、網(wǎng)絡(luò)化、高清化、智能化。但實(shí)際上，前端采集設(shè)備的提升，核心元組件的成熟成了重要依賴，如傳感器和處理芯片，共同推動(dòng)了高清化、智能化;倘若成像稍有處理不當(dāng)，就會(huì)出現(xiàn)數(shù)據(jù)分析不準(zhǔn)確，最終導(dǎo)致大數(shù)據(jù)應(yīng)用不準(zhǔn)確的情況，如寬動(dòng)態(tài)，處理技術(shù)達(dá)不到需求水平時(shí)，需要分析的部位無法識(shí)別，數(shù)據(jù)的結(jié)構(gòu)化也就無法完成了;再比如當(dāng)前大數(shù)據(jù)的主流應(yīng)用領(lǐng)域——車輛識(shí)別，若攝像機(jī)對(duì)眩光無法很好抑制，或是圖像色彩不準(zhǔn)確，將在車輛色彩特征分析中帶來極大麻煩;即便算法識(shí)別準(zhǔn)確，但是算法的計(jì)算設(shè)置不當(dāng)，也會(huì)誤導(dǎo)大數(shù)據(jù)檢索，比如掛著紅色橫幅的藍(lán)色車，部分系統(tǒng)會(huì)將車色識(shí)別為“紅色”。

大數(shù)據(jù)應(yīng)用的準(zhǔn)確性，前端算法是基本保證，數(shù)據(jù)結(jié)構(gòu)化處理的準(zhǔn)確性是基礎(chǔ)，兩者只要稍有差錯(cuò)，識(shí)別的結(jié)果將會(huì)是另一番景象。

以目前的前端成像技術(shù)來說，雖然水平已經(jīng)很高，但仍存在很多不足，清晰度算是比較高度統(tǒng)一的，如4K，整個(gè)行業(yè)幾乎都做到了2200TVL，但寬動(dòng)態(tài)、色彩還原、星光級(jí)夜視能力還是存在較大差距，即便同一個(gè)設(shè)備商、同樣算法的兩款不同樣式產(chǎn)品的效果也存在天壤之別。

結(jié)構(gòu)化偏科：直指大交通

不可否認(rèn)，交通是安防領(lǐng)域中人工智能發(fā)展最為成熟的科目，可識(shí)別的內(nèi)容頁很多，包括拍攝方向、是否機(jī)動(dòng)車、車牌號(hào)、車牌色、車標(biāo)、車色、車身重要特征以及壓黃線、闖紅燈等違規(guī)檢測，還可通過地感線圈或視頻、微波感知車速，僅車標(biāo)一種，目前已知可識(shí)別的種類超過了3600種，且可結(jié)合車管所數(shù)據(jù)庫，實(shí)時(shí)更新識(shí)別模型。數(shù)據(jù)分析成功率高，在as的測評(píng)中，大部分可做到98%以上的識(shí)別率，部分達(dá)到了100%(樣本測試)，確保了數(shù)據(jù)結(jié)構(gòu)化的準(zhǔn)確性。

但大數(shù)據(jù)的應(yīng)用類型很多，絕非車輛識(shí)別一種。不過從目前公開的大數(shù)據(jù)開發(fā)情況，除少數(shù)門禁平臺(tái)外，幾乎清一色為針對(duì)車輛的檢索應(yīng)用?；蛟S人員卡口產(chǎn)品的出現(xiàn)會(huì)稍微豐富大數(shù)據(jù)類型，但人員卡口是自科達(dá)的感知型攝像機(jī)推出后才獲得快速發(fā)展，目前應(yīng)用少、識(shí)別的準(zhǔn)確性也還在不斷提升當(dāng)中，尚難以形成規(guī)?；瘧?yīng)用。而對(duì)物品的識(shí)別，一個(gè)是作為半結(jié)構(gòu)化數(shù)據(jù)采用，另一個(gè)則是將物品識(shí)別作為人員卡口、車輛卡口的附加檢測特征來使用，應(yīng)用擴(kuò)展性有限。

應(yīng)用：二次結(jié)構(gòu)化才是重點(diǎn)

數(shù)據(jù)結(jié)構(gòu)化的大數(shù)據(jù)應(yīng)用的基礎(chǔ)，其原理無外乎將視頻等非結(jié)構(gòu)化數(shù)據(jù)經(jīng)過處理分析后，提取視頻特征，并以文本形式保存，同時(shí)對(duì)文本與原非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行關(guān)聯(lián)，以便在檢索時(shí)能快速對(duì)應(yīng)到原始數(shù)據(jù)。

而數(shù)據(jù)的結(jié)構(gòu)化主要有兩種方式，一是成像時(shí)即進(jìn)行結(jié)構(gòu)化處理;二是通過后臺(tái)服務(wù)器進(jìn)行數(shù)據(jù)二次分析從而實(shí)現(xiàn)結(jié)構(gòu)化處理。從目前看，大部分?jǐn)z像機(jī)都是非結(jié)構(gòu)化或半結(jié)構(gòu)化產(chǎn)品，可提供的結(jié)構(gòu)化數(shù)據(jù)有限;不過智能交通卡口攝像機(jī)和新一代人員卡口攝像機(jī)可以實(shí)現(xiàn)前端數(shù)據(jù)結(jié)構(gòu)化，可直接將結(jié)構(gòu)化數(shù)據(jù)提供給分析后臺(tái)使用;但實(shí)際項(xiàng)目中，品牌龐雜易造成兼容性、原有結(jié)構(gòu)化前端可執(zhí)行的結(jié)構(gòu)化內(nèi)容有限、非結(jié)構(gòu)化設(shè)備量大等問題，后端結(jié)構(gòu)化處理漸漸成了重點(diǎn)，即二次結(jié)構(gòu)化。

硬件選配：各顯神通

就目前來看，各家二次結(jié)構(gòu)化處理平臺(tái)所采用的服務(wù)器均不一樣，從2U到4U、單處理節(jié)點(diǎn)到多處理節(jié)點(diǎn)均有，服務(wù)器供應(yīng)商也是品牌多樣，如凌華、浪潮、IBM等均有;共同點(diǎn)是均為基于英特爾高性能芯片開發(fā)的X86架構(gòu)服務(wù)器、Linux操作系統(tǒng)。

從目前了解的情況看，?？低暡捎玫挠布?yīng)為4U多節(jié)點(diǎn)高性能服務(wù)器，最高支持160路1080P視頻流實(shí)時(shí)處理;大華股份為2U4節(jié)點(diǎn)處理單元，支持每天600萬張圖片分析性能;東方網(wǎng)力應(yīng)為2U處理機(jī)型;科達(dá)亦有可能采用的是2U處理機(jī)型。而宇視經(jīng)過升級(jí)，最新的產(chǎn)品為2U服務(wù)器機(jī)型，實(shí)現(xiàn)了數(shù)據(jù)服務(wù)器與搜索引擎的二合一。

應(yīng)用：千億秒級(jí)檢索，需求策動(dòng)

數(shù)據(jù)結(jié)構(gòu)化之后，以文本形式進(jìn)行存儲(chǔ)和關(guān)聯(lián)，第一代大數(shù)據(jù)檢索平臺(tái)的檢索速度約為百億數(shù)據(jù)秒級(jí)檢索;而優(yōu)化后的新一代平臺(tái)，理論上均可實(shí)現(xiàn)千億級(jí)數(shù)據(jù)秒級(jí)檢索。從實(shí)測效果看，目前已知的各廠家大數(shù)據(jù)平臺(tái)均未達(dá)到千億級(jí)容量，實(shí)測平臺(tái)數(shù)據(jù)庫從幾萬到幾十萬不等，不過無論是實(shí)戰(zhàn)平臺(tái)還是模擬平臺(tái)，秒級(jí)檢索均不存在問題。

大數(shù)據(jù)基本可實(shí)現(xiàn)三大類型檢索：人、車、物，且以車輛檢索成為最主要應(yīng)用類型，并由大數(shù)據(jù)衍生出數(shù)十種應(yīng)用，主要有如下三大類型：

·秒級(jí)檢索，如卡口機(jī)動(dòng)車、區(qū)間機(jī)動(dòng)車、外地機(jī)動(dòng)車、異常牌照、違法、布控告警、紅名單車輛、非機(jī)動(dòng)車等查詢功能;

·車輛研判，如套**、跟車關(guān)聯(lián)性分析、車輛軌跡碰撞、首次進(jìn)城、高危時(shí)段、晝伏夜出、頻繁夜出、多次進(jìn)城不出城、車輛異常行為、單日過城、隱匿車輛、落腳點(diǎn)分析、綜合研判等;

·智能布控。支持導(dǎo)入車管所車輛數(shù)據(jù)庫，主要提供有車輛布控、專項(xiàng)整治、特種車輛管理等功能，可實(shí)現(xiàn)大貨車、黃標(biāo)車、車輛限行布控。

需要說明的是，人員卡口同樣可實(shí)現(xiàn)檢索、研判、布控功能，目前發(fā)展的重點(diǎn)是提升人員、人臉特征的識(shí)別與分析能力，如臉型、身高、胖瘦、衣著、民族等特征的識(shí)別。

標(biāo)準(zhǔn)未形成，但行業(yè)高度默契

從口號(hào)到落地，大數(shù)據(jù)應(yīng)用歷經(jīng)了模擬、數(shù)字兩代安防人的共同努力，在2015年之前，鮮見公開的大數(shù)據(jù)產(chǎn)品，而自a&s首度曝光后，主流設(shè)備商均推出了各自的大數(shù)據(jù)平臺(tái)產(chǎn)品。

但作為新興事物，至今國家沒有相關(guān)的行業(yè)標(biāo)準(zhǔn)，也無法統(tǒng)一規(guī)范大數(shù)據(jù)如何做。不過，雖然各家的硬件各不一樣，但軟件層面卻高度統(tǒng)一，如上部分所介紹的三大應(yīng)用類型：秒級(jí)檢索、車輛研判、智能布控，從主要應(yīng)用類型到細(xì)化功能，幾乎一模一樣，晝伏夜出、告警檢索、黃標(biāo)車布控等，高度統(tǒng)一。可以說，雖然標(biāo)準(zhǔn)未出，但應(yīng)用層的設(shè)計(jì)，倒是實(shí)現(xiàn)了高度統(tǒng)一，即便有差異，也相差不大。

那么這些應(yīng)用從何而來?從實(shí)地測評(píng)走訪可以推斷，基本都是來自于客戶的需求開發(fā);但因各家都是基于大數(shù)據(jù)來實(shí)現(xiàn)應(yīng)用，應(yīng)用的開發(fā)不難，因此不排除部分沒有實(shí)際項(xiàng)目需求的平臺(tái)有借鑒之嫌。

需求策動(dòng)和相互借鑒之下，導(dǎo)致了大數(shù)據(jù)應(yīng)用不約而大一統(tǒng)的“標(biāo)準(zhǔn)化”局面。在筆者看來，這未必是好事，因?yàn)殡m然中國大陸各地在相關(guān)交通法規(guī)要求下實(shí)現(xiàn)了標(biāo)準(zhǔn)化的大一統(tǒng)，但實(shí)際上各地還是有不少獨(dú)特之處，如摩托車、電動(dòng)車檢測需求、旅游區(qū)的特色運(yùn)營車輛等，但至今未見有體現(xiàn)，這也造成了國內(nèi)大數(shù)據(jù)平臺(tái)缺乏鮮明的個(gè)性化特征。

應(yīng)用效果趨于理想，但投入產(chǎn)出比低

單從文本信息的檢索和大數(shù)據(jù)分析結(jié)果看，秒級(jí)檢索結(jié)果精確度還是非常高的，尤其是基于車牌號(hào)的檢索及應(yīng)用，達(dá)到了非常高的應(yīng)用價(jià)值，這在實(shí)際項(xiàng)目中已經(jīng)得到了驗(yàn)證。

不過由于前端抓拍設(shè)備的成像問題、算法處理問題，還是會(huì)有一些識(shí)別錯(cuò)漏的請(qǐng)，主要集中在顏色的識(shí)別上，比如黑色識(shí)別，當(dāng)稍微有反光，算法極易將黑色的車判斷為藍(lán)色的車。大數(shù)據(jù)分析現(xiàn)存的問題，將會(huì)推動(dòng)設(shè)備商對(duì)自身成像設(shè)備的改進(jìn)，另外也會(huì)對(duì)算法進(jìn)行優(yōu)化，除了分析精準(zhǔn)度外，特征識(shí)別還較難實(shí)現(xiàn)定制化，目前的車輛特征識(shí)別(以圖識(shí)圖)，基本是基于車輛特征庫實(shí)現(xiàn)特定特征檢測，若算法檢測不出，也無法通過手動(dòng)選擇。

雖然大數(shù)據(jù)已經(jīng)實(shí)現(xiàn)了較好的應(yīng)用效果，在一些實(shí)戰(zhàn)項(xiàng)目中，也排查了很多套牌車，如宇視的丹東項(xiàng)目。但仔細(xì)分析發(fā)現(xiàn)，大數(shù)據(jù)平臺(tái)的產(chǎn)出不高，如電警功能，已于前端的智能交通攝像機(jī)實(shí)現(xiàn)，二次識(shí)別產(chǎn)生二次效益不高，尤其是難以產(chǎn)生明顯的二次經(jīng)濟(jì)效益，相對(duì)整套系統(tǒng)來說，投入產(chǎn)出比不高。結(jié)合建設(shè)需求，可以斷定，目前的車輛大數(shù)據(jù)平臺(tái)的效益，將主要應(yīng)用于三個(gè)方面：

a、智能管理：即取代人工管理，提升平安城市的智能化水平;

b、案件檢索：利用大數(shù)據(jù)分析能力，為案件的分析、排查提供線索;

c、利民工程：開放部分功能作為民生工程，服務(wù)當(dāng)?shù)匕傩?，如失竊車輛找回等。

而在事件預(yù)判方面，以目前的大數(shù)據(jù)技術(shù)能力，還稍有欠缺，其深度學(xué)習(xí)還嚴(yán)重依賴人工升級(jí);不過這也側(cè)面說明大數(shù)據(jù)應(yīng)用開發(fā)仍有很大的發(fā)展前景，仍需產(chǎn)業(yè)同行繼續(xù)努力。

來源：安防知識(shí)網(wǎng)