最近幾年，云計(jì)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(kāi)其云計(jì)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(jiǎn)稱GAE)。Amazon在2006年推出簡(jiǎn)單存儲(chǔ)服務(wù)(S3)和彈性計(jì)算云(EC2)，并提供Amazon云計(jì)算服務(wù)(Amazon Web Services，簡(jiǎn)稱“AWS”) 。微軟也在2008年發(fā)布云計(jì)算平臺(tái)Azure，向開(kāi)發(fā)人員提供一個(gè)在線開(kāi)發(fā)、儲(chǔ)存和服務(wù)代管的環(huán)境。在這些IT巨頭推動(dòng)下，互聯(lián)網(wǎng)領(lǐng)域迅速掀起了一股云計(jì)算的浪潮。

　　國(guó)內(nèi)外主流的IT廠商也紛紛向云計(jì)算靠攏，推出多種云計(jì)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(kuò)展性，使得越來(lái)越多的公共服務(wù)運(yùn)行其中。但對(duì)于企業(yè)用戶來(lái)說(shuō)，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(kāi)始嘗試構(gòu)建私有云，通過(guò)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(duì)于另一部分企業(yè)用戶來(lái)說(shuō)，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(guò)構(gòu)建混合云服務(wù)平臺(tái)，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(jì)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(chǔ)

　　隨著云計(jì)算的發(fā)展，安防行業(yè)也在慢慢思考云計(jì)算對(duì)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(duì)于存儲(chǔ)的要求越來(lái)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(pán)中，一般不提供遠(yuǎn)程訪問(wèn)。隨著網(wǎng)絡(luò)的發(fā)展，越來(lái)越多的監(jiān)控點(diǎn)被連接起來(lái)組成監(jiān)控聯(lián)網(wǎng)系統(tǒng)，實(shí)現(xiàn)遠(yuǎn)程實(shí)時(shí)預(yù)覽和遠(yuǎn)程錄像回放，存儲(chǔ)方式也逐漸從DVR過(guò)渡到NVR。但隨著數(shù)據(jù)規(guī)模的進(jìn)一步擴(kuò)大，一般的NVR在并發(fā)能力、擴(kuò)展能力上稍顯不足，無(wú)法滿足大容量、高并發(fā)的存儲(chǔ)需求。云存儲(chǔ)具備良好的并發(fā)能力、擴(kuò)展能力和容錯(cuò)能力，因此最先被考慮引入安防行業(yè)用于存儲(chǔ)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(zhǎng)久保存，每隔一定時(shí)間就需要覆蓋一次，對(duì)存儲(chǔ)系統(tǒng)的操作要求特別高，把IT行業(yè)的云存儲(chǔ)簡(jiǎn)單拿過(guò)來(lái)使用并不適合。因此，各主要廠商紛紛對(duì)傳統(tǒng)云存儲(chǔ)進(jìn)行改造，適時(shí)推出了安防行業(yè)的專有云存儲(chǔ)產(chǎn)品和方案，推進(jìn)安防行業(yè)的技術(shù)革新，滿足用戶對(duì)于視頻數(shù)據(jù)大規(guī)模集中存儲(chǔ)的高性能、高可靠性、高性價(jià)比的要求。

　　視頻云存儲(chǔ)采用開(kāi)放式的設(shè)計(jì)架構(gòu)，既能兼容傳統(tǒng)的存儲(chǔ)設(shè)備，也能接入其他廠家最新的云存儲(chǔ)產(chǎn)品，從而降低對(duì)用戶存儲(chǔ)硬件的要求，更容易幫助用戶實(shí)現(xiàn)對(duì)視頻圖像文件的存儲(chǔ)、點(diǎn)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(wú)需將精力分散到底層存儲(chǔ)的穩(wěn)定、備份、歸檔、擴(kuò)展等問(wèn)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(chǔ)著海量的視頻數(shù)據(jù)，但都是一些低價(jià)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(hào)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(duì)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(shí)別。利用提取的特征可以讓計(jì)算機(jī)更方便地處理視頻的內(nèi)容，如什么時(shí)間什么車輛經(jīng)過(guò)哪個(gè)交通卡口、什么時(shí)間出入口有人員進(jìn)出、什么時(shí)間什么地點(diǎn)有異常行為發(fā)生等。同時(shí)也能避免工作人員由于長(zhǎng)時(shí)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(jī)應(yīng)用向大規(guī)模聯(lián)網(wǎng)分析演進(jìn)。基于常規(guī)的計(jì)算分析平臺(tái)已無(wú)法滿足上億的卡口過(guò)車記錄分析、上千萬(wàn)的人臉比對(duì)、多行為的綜合分析對(duì)實(shí)時(shí)響應(yīng)的要求。

　　云計(jì)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(jì)算本身特有的分布式運(yùn)算特點(diǎn)，以及海量數(shù)據(jù)存儲(chǔ)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(jià)值與效果。

　　過(guò)車記錄分析

　　云計(jì)算在海量卡口過(guò)車記錄的分析方面有著明顯的優(yōu)勢(shì)。云計(jì)算采用分布式數(shù)據(jù)庫(kù)替代傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)進(jìn)行過(guò)車記錄的存儲(chǔ)，其天然的分區(qū)特性，節(jié)約了關(guān)系數(shù)據(jù)庫(kù)在分區(qū)表上的資金投入。同時(shí)還能輕松處理每秒十幾萬(wàn)條過(guò)車記錄更新，這是傳統(tǒng)數(shù)據(jù)庫(kù)難以企及的。過(guò)車記錄分析采用類似MapReduce的分析算法，將計(jì)算需求分散在不同的計(jì)算節(jié)點(diǎn)上，充分利用了計(jì)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(yàn)。

　　基于云計(jì)算的卡口過(guò)車數(shù)據(jù)存儲(chǔ)、分析、統(tǒng)計(jì)已經(jīng)成功在實(shí)際項(xiàng)目中進(jìn)行實(shí)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(chǔ)、數(shù)據(jù)分析統(tǒng)計(jì)的速度方面有了質(zhì)的飛躍，讓數(shù)據(jù)查詢、分析、統(tǒng)計(jì)不再因?yàn)槁L(zhǎng)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(duì)云計(jì)算的需求尤為迫切，這涉及特征采集、特征存儲(chǔ)、特征匹配、特征分析整個(gè)過(guò)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(jī)在前端直接采集，通過(guò)在攝像機(jī)中加入人臉模式匹配的智能算法實(shí)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(jī)增加了項(xiàng)目實(shí)施的成本，且對(duì)于已建系統(tǒng)的普通攝像機(jī)需進(jìn)行升級(jí)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(shí)時(shí)視頻或錄像輸入后端統(tǒng)一的人臉特征提取云計(jì)算平臺(tái)進(jìn)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(diǎn)位視頻數(shù)據(jù)進(jìn)行分析。但其并行處理能力受節(jié)點(diǎn)規(guī)模影響，同時(shí)處理的視頻路數(shù)有限。

　　對(duì)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(jī)部署新建點(diǎn)位，并在后端搭建人臉特征提取云計(jì)算平臺(tái)解決老系統(tǒng)改造問(wèn)題，這種結(jié)合方案具備更好的通用性。

　　特征存儲(chǔ)

　　采集的人臉特征數(shù)據(jù)需要集中存儲(chǔ)，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(kù)進(jìn)行存儲(chǔ)，性價(jià)比較高。但人臉照片、環(huán)境全景照片的存儲(chǔ)是一個(gè)需要特殊解決的問(wèn)題。安防行業(yè)主要以連續(xù)視頻流存儲(chǔ)為主，專有的視頻存儲(chǔ)方案均基于連續(xù)流存儲(chǔ)進(jìn)行優(yōu)化，在處理照片文件時(shí)優(yōu)勢(shì)不明顯，且照片文件的存儲(chǔ)周期一般比錄像文件長(zhǎng)，這需要新的存儲(chǔ)管理策略。

　　采用改進(jìn)的小文件云存儲(chǔ)方案，可以有效地解決照片文件存儲(chǔ)問(wèn)題。目前流行的云存儲(chǔ)對(duì)于小圖片的存儲(chǔ)，需要頻繁進(jìn)行文件合并整理，浪費(fèi)計(jì)算資源。改進(jìn)型的云存儲(chǔ)方案通過(guò)調(diào)整存儲(chǔ)策略，直接合并多個(gè)小文件到大文件中后再進(jìn)行存儲(chǔ)，規(guī)避了頻繁的磁盤(pán)IO操作及資源消耗，并借用成熟的云存儲(chǔ)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(jìn)行簡(jiǎn)單的字符匹配就可以實(shí)現(xiàn)，而人臉特征值是一長(zhǎng)串二進(jìn)制數(shù)字。兩個(gè)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(jìn)行綜合計(jì)算，這將消耗大量的計(jì)算資源。傳統(tǒng)的做法是將特征值存儲(chǔ)在數(shù)據(jù)庫(kù)中，需要匹配時(shí)才將特征值取出進(jìn)行運(yùn)算，每次匹配都需進(jìn)行數(shù)次IO操作，因此人臉庫(kù)的規(guī)模一直受限，一般只能處理百萬(wàn)級(jí)以下的數(shù)據(jù)。

　　利用云計(jì)算平臺(tái)，能有效地改善人臉匹配的性能。通過(guò)將人臉庫(kù)分割存儲(chǔ)于不同的計(jì)算節(jié)點(diǎn)，并就近利用該節(jié)點(diǎn)的計(jì)算資源，無(wú)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(shí)利用多節(jié)點(diǎn)的并行處理能力及內(nèi)存緩存技術(shù)，能以一個(gè)數(shù)量級(jí)甚至兩個(gè)數(shù)量級(jí)地提高匹配規(guī)模，降低匹配時(shí)間，具體架構(gòu)如圖2所示。采用云計(jì)算技術(shù)，目前的人臉匹配系統(tǒng)能輕松地運(yùn)行于千萬(wàn)級(jí)規(guī)模，能夠滿足省、市一級(jí)的人臉匹配需求。

　　特征分析

　　特征分析方面，需對(duì)全量的數(shù)據(jù)進(jìn)行運(yùn)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(shí)間關(guān)系。利用云計(jì)算的任務(wù)調(diào)度機(jī)制和并行計(jì)算能力，可以方便合理地將計(jì)算任務(wù)安排在平臺(tái)較空閑的時(shí)間段進(jìn)行集中分析，降低運(yùn)行成本，提高云計(jì)算平臺(tái)的利用率。

　　應(yīng)用前景

　　隨著用戶對(duì)于數(shù)據(jù)利用的深入，基于云計(jì)算的安防智能數(shù)據(jù)分析的應(yīng)用正快速增長(zhǎng)，海量卡口過(guò)車記錄分析、人臉庫(kù)查詢比對(duì)系統(tǒng)、治安態(tài)勢(shì)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(shí)戰(zhàn)，并產(chǎn)生著積極的影響。

　　云計(jì)算技術(shù)能有效地解決安防行業(yè)大數(shù)據(jù)存儲(chǔ)、分析等問(wèn)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(wèn)題的解決，對(duì)于安防行業(yè)來(lái)說(shuō)都將是跨越性的進(jìn)步。

　　目前的智能識(shí)別僅支持特殊部位的關(guān)鍵特征，如車牌和人臉，對(duì)于物體的識(shí)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(lái)越多，數(shù)據(jù)的規(guī)模也會(huì)成倍增長(zhǎng)，云計(jì)算對(duì)于安防行業(yè)將會(huì)產(chǎn)生更為深遠(yuǎn)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(kāi)發(fā)總監(jiān)