最近幾年，云計算發(fā)展迅猛，各種技術(shù)和應(yīng)用層出不窮。Google以發(fā)表學(xué)術(shù)論文的形式公開其云計算三大技術(shù)：GFS、MapReduce和BigTable，并在2009年推出Google應(yīng)用軟件引擎(Google AppEngine，簡稱GAE)。Amazon在2006年推出簡單存儲服務(wù)(S3)和彈性計算云(EC2)，并提供Amazon云計算服務(wù)(Amazon Web Services，簡稱“AWS”) 。微軟也在2008年發(fā)布云計算平臺Azure，向開發(fā)人員提供一個在線開發(fā)、儲存和服務(wù)代管的環(huán)境。在這些IT巨頭推動下，互聯(lián)網(wǎng)領(lǐng)域迅速掀起了一股云計算的浪潮。

　　國內(nèi)外主流的IT廠商也紛紛向云計算靠攏，推出多種云計算解決方案：有基于互聯(lián)網(wǎng)的公有云服務(wù)，有面向企業(yè)應(yīng)用的私有云服務(wù)，還有綜合兩種應(yīng)用的混合云服務(wù)。

　　公有云在互聯(lián)網(wǎng)應(yīng)用中發(fā)揮著重要的作用，其低廉的服務(wù)成本，比傳統(tǒng)托管更靈活的部署方式，良好的擴展性，使得越來越多的公共服務(wù)運行其中。但對于企業(yè)用戶來說，公有云的安全性一直是其重要的顧慮，有能力的企業(yè)或政府開始嘗試構(gòu)建私有云，通過自建的數(shù)據(jù)中心，保證其數(shù)據(jù)的安全，以及提供專業(yè)化的服務(wù)。但對于另一部分企業(yè)用戶來說，需要的只是適度的安全，其業(yè)務(wù)領(lǐng)域橫跨互聯(lián)網(wǎng)以及企業(yè)內(nèi)網(wǎng)，通過構(gòu)建混合云服務(wù)平臺，能更快速地響應(yīng)需求，提供更高效的服務(wù)。不管是互聯(lián)網(wǎng)領(lǐng)域，還是企業(yè)應(yīng)用領(lǐng)域，云計算都以其特有的IT理念改造著傳統(tǒng)的應(yīng)用模式。

　　視頻云存儲

　　隨著云計算的發(fā)展，安防行業(yè)也在慢慢思考云計算對于安防行業(yè)的作用。安防行業(yè)有大量的視頻錄像數(shù)據(jù)需要保存，對于存儲的要求越來越高。早期的視頻監(jiān)控將錄像數(shù)據(jù)保存在DVR的本地硬盤中，一般不提供遠程訪問。隨著網(wǎng)絡(luò)的發(fā)展，越來越多的監(jiān)控點被連接起來組成監(jiān)控聯(lián)網(wǎng)系統(tǒng)，實現(xiàn)遠程實時預(yù)覽和遠程錄像回放，存儲方式也逐漸從DVR過渡到NVR。但隨著數(shù)據(jù)規(guī)模的進一步擴大，一般的NVR在并發(fā)能力、擴展能力上稍顯不足，無法滿足大容量、高并發(fā)的存儲需求。云存儲具備良好的并發(fā)能力、擴展能力和容錯能力，因此最先被考慮引入安防行業(yè)用于存儲錄像數(shù)據(jù)。

　　但錄像數(shù)據(jù)與傳統(tǒng)文件數(shù)據(jù)還是有部分差異，安防行業(yè)的錄像數(shù)據(jù)并不長久保存，每隔一定時間就需要覆蓋一次，對存儲系統(tǒng)的操作要求特別高，把IT行業(yè)的云存儲簡單拿過來使用并不適合。因此，各主要廠商紛紛對傳統(tǒng)云存儲進行改造，適時推出了安防行業(yè)的專有云存儲產(chǎn)品和方案，推進安防行業(yè)的技術(shù)革新，滿足用戶對于視頻數(shù)據(jù)大規(guī)模集中存儲的高性能、高可靠性、高性價比的要求。

　　視頻云存儲采用開放式的設(shè)計架構(gòu)，既能兼容傳統(tǒng)的存儲設(shè)備，也能接入其他廠家最新的云存儲產(chǎn)品，從而降低對用戶存儲硬件的要求，更容易幫助用戶實現(xiàn)對視頻圖像文件的存儲、點播、共享和管理，讓用戶可以將更多精力投入到上層業(yè)務(wù)應(yīng)用，而無需將精力分散到底層存儲的穩(wěn)定、備份、歸檔、擴展等問題上。

　　智能數(shù)據(jù)分析需求

　　視頻監(jiān)控聯(lián)網(wǎng)系統(tǒng)存儲著海量的視頻數(shù)據(jù)，但都是一些低價值的非結(jié)構(gòu)化視頻數(shù)據(jù)，應(yīng)用單一并利用不充分。這種現(xiàn)象正隨著智能分析技術(shù)的發(fā)展而慢慢改觀。

　　目前智能分析主要應(yīng)用于車輛(車牌號碼、車身顏色、品牌等)、人員(人臉、膚色、上衣紋理等)等特征的提取，還包括對行為事件(如區(qū)域入侵事件、跨線事件、擁堵事件、打架事件、徘徊事件以及快速奔跑事件等)的識別。利用提取的特征可以讓計算機更方便地處理視頻的內(nèi)容，如什么時間什么車輛經(jīng)過哪個交通卡口、什么時間出入口有人員進出、什么時間什么地點有異常行為發(fā)生等。同時也能避免工作人員由于長時間觀看視頻產(chǎn)生疲勞，提高工作效率。目前，這些智能分析算法被廣泛應(yīng)用于防區(qū)預(yù)警，如車輛布控告警、人員布控告警、區(qū)域入侵告警等。

　　隨著網(wǎng)絡(luò)的發(fā)展，早期的單卡口應(yīng)用正向聯(lián)網(wǎng)卡口應(yīng)用發(fā)展，人臉和行為事件也逐漸從單攝像機應(yīng)用向大規(guī)模聯(lián)網(wǎng)分析演進?；诔Ｒ?guī)的計算分析平臺已無法滿足上億的卡口過車記錄分析、上千萬的人臉比對、多行為的綜合分析對實時響應(yīng)的要求。

　　云計算技術(shù)的發(fā)展，為安防行業(yè)的智能數(shù)據(jù)分析應(yīng)用注入新的活力。利用云計算本身特有的分布式運算特點，以及海量數(shù)據(jù)存儲處理能力，安防行業(yè)能更快速地響應(yīng)用戶的智能分析需求，提高視頻圖像的利用價值與效果。

　　過車記錄分析

　　云計算在海量卡口過車記錄的分析方面有著明顯的優(yōu)勢。云計算采用分布式數(shù)據(jù)庫替代傳統(tǒng)的關(guān)系型數(shù)據(jù)庫進行過車記錄的存儲，其天然的分區(qū)特性，節(jié)約了關(guān)系數(shù)據(jù)庫在分區(qū)表上的資金投入。同時還能輕松處理每秒十幾萬條過車記錄更新，這是傳統(tǒng)數(shù)據(jù)庫難以企及的。過車記錄分析采用類似MapReduce的分析算法，將計算需求分散在不同的計算節(jié)點上，充分利用了計算資源，減少網(wǎng)絡(luò)傳輸，具體架構(gòu)如圖1所示。采用化整為零的思路有效提高了分析效率，改善了用戶使用體驗。

　　基于云計算的卡口過車數(shù)據(jù)存儲、分析、統(tǒng)計已經(jīng)成功在實際項目中進行實施應(yīng)用，收到了較好的效果，相較于傳統(tǒng)的系統(tǒng)，在數(shù)據(jù)接入存儲、數(shù)據(jù)分析統(tǒng)計的速度方面有了質(zhì)的飛躍，讓數(shù)據(jù)查詢、分析、統(tǒng)計不再因為漫長的等待而飽受用戶的詬病，可以更好的幫助用戶使用卡口及卡口數(shù)據(jù)。

　　人臉匹配應(yīng)用

　　人臉匹配對云計算的需求尤為迫切，這涉及特征采集、特征存儲、特征匹配、特征分析整個過程。

　　特征采集

　　人臉特征采集有兩種途徑：

　　一種是采用智能攝像機在前端直接采集，通過在攝像機中加入人臉模式匹配的智能算法實現(xiàn)特征提取。該方式充分利用嵌入式硬件資源，采集的特征質(zhì)量較好，延遲較低，性能較優(yōu)。但該方式采用的專業(yè)人臉抓拍攝像機增加了項目實施的成本，且對于已建系統(tǒng)的普通攝像機需進行升級改造才能滿足人臉抓拍要求。

　　另一種方式是采用后端集中分析采集，將實時視頻或錄像輸入后端統(tǒng)一的人臉特征提取云計算平臺進行集中采集。該方式兼容已建系統(tǒng)，可根據(jù)需要輸入指定的點位視頻數(shù)據(jù)進行分析。但其并行處理能力受節(jié)點規(guī)模影響，同時處理的視頻路數(shù)有限。

　　對于大規(guī)模建設(shè)的系統(tǒng)，可以在前端采用人臉抓拍攝像機部署新建點位，并在后端搭建人臉特征提取云計算平臺解決老系統(tǒng)改造問題，這種結(jié)合方案具備更好的通用性。

　　特征存儲

　　采集的人臉特征數(shù)據(jù)需要集中存儲，包括人臉特征值、人臉照片、環(huán)境全景照片。其中人臉特征值可以采用分布式數(shù)據(jù)庫進行存儲，性價比較高。但人臉照片、環(huán)境全景照片的存儲是一個需要特殊解決的問題。安防行業(yè)主要以連續(xù)視頻流存儲為主，專有的視頻存儲方案均基于連續(xù)流存儲進行優(yōu)化，在處理照片文件時優(yōu)勢不明顯，且照片文件的存儲周期一般比錄像文件長，這需要新的存儲管理策略。

　　采用改進的小文件云存儲方案，可以有效地解決照片文件存儲問題。目前流行的云存儲對于小圖片的存儲，需要頻繁進行文件合并整理，浪費計算資源。改進型的云存儲方案通過調(diào)整存儲策略，直接合并多個小文件到大文件中后再進行存儲，規(guī)避了頻繁的磁盤IO操作及資源消耗，并借用成熟的云存儲方案，提高系統(tǒng)的穩(wěn)定性。

　　特征匹配

　　人臉匹配不同于車牌匹配，車牌匹配只需進行簡單的字符匹配就可以實現(xiàn)，而人臉特征值是一長串二進制數(shù)字。兩個人臉的相似度不能只根據(jù)特征值的大小決定，而是將特征值帶入匹配公式進行綜合計算，這將消耗大量的計算資源。傳統(tǒng)的做法是將特征值存儲在數(shù)據(jù)庫中，需要匹配時才將特征值取出進行運算，每次匹配都需進行數(shù)次IO操作，因此人臉庫的規(guī)模一直受限，一般只能處理百萬級以下的數(shù)據(jù)。

　　利用云計算平臺，能有效地改善人臉匹配的性能。通過將人臉庫分割存儲于不同的計算節(jié)點，并就近利用該節(jié)點的計算資源，無需跨網(wǎng)絡(luò)搬移大規(guī)模的人臉特征數(shù)據(jù)，減少了IO操作。同時利用多節(jié)點的并行處理能力及內(nèi)存緩存技術(shù)，能以一個數(shù)量級甚至兩個數(shù)量級地提高匹配規(guī)模，降低匹配時間，具體架構(gòu)如圖2所示。采用云計算技術(shù)，目前的人臉匹配系統(tǒng)能輕松地運行于千萬級規(guī)模，能夠滿足省、市一級的人臉匹配需求。

　　特征分析

　　特征分析方面，需對全量的數(shù)據(jù)進行運算分析，挖掘其潛在規(guī)律，如相似度較高的人臉?biāo)霈F(xiàn)的空間、時間關(guān)系。利用云計算的任務(wù)調(diào)度機制和并行計算能力，可以方便合理地將計算任務(wù)安排在平臺較空閑的時間段進行集中分析，降低運行成本，提高云計算平臺的利用率。

　　應(yīng)用前景

　　隨著用戶對于數(shù)據(jù)利用的深入，基于云計算的安防智能數(shù)據(jù)分析的應(yīng)用正快速增長，海量卡口過車記錄分析、人臉庫查詢比對系統(tǒng)、治安態(tài)勢分析預(yù)警系統(tǒng)等業(yè)務(wù)系統(tǒng)也相繼被應(yīng)用于實戰(zhàn)，并產(chǎn)生著積極的影響。

　　云計算技術(shù)能有效地解決安防行業(yè)大數(shù)據(jù)存儲、分析等問題。但安防行業(yè)的發(fā)展還有很多障礙，如聯(lián)網(wǎng)、高清、智能等，這些問題的解決，對于安防行業(yè)來說都將是跨越性的進步。

　　目前的智能識別僅支持特殊部位的關(guān)鍵特征，如車牌和人臉，對于物體的識別以及行為的理解還有很多難題需要攻克。隨著特征提取的種類越來越多，數(shù)據(jù)的規(guī)模也會成倍增長，云計算對于安防行業(yè)將會產(chǎn)生更為深遠的影響。

趙世范 現(xiàn)任?？低晹?shù)字技術(shù)股份有限公司數(shù)據(jù)資源部開發(fā)總監(jiān)