外面那么多摄像头 你知道都是咋回事吗?

简介:

ZD至顶网服务器频道 04月29日 新闻消息(文/于泽):在离家不远的东四环主路上,又新增了一个拍摄外地车牌的摄像头,原本心存的一点侥幸又被磨灭了一半。唉,进京证,多少人的无奈与伤痛…… 

如今遍布大街小巷的各种摄像头眼花缭乱,总的来说,环绕每个人周围的摄像头一定程度上增加了安全感,但也不可否认某些措施给人们带来了不便。从个人私心来讲,我们希望能带来美好事情方面的技术越来越先进,比如公安监控的摄像头能够实时分析过往人群,帮助更快地抓捕犯罪嫌疑人;而在带来不便方面的技术则越落后越好,当然这是不可能的。 

那么多摄像头都是咋回事? 

从实际技术发展的角度而言,摄像头实时分析如今也确实不再是只存在电影画面里的场景。在日前召开的IDF16上,来自浙江大华的研发副总经理兼大数据研究院院长许焰就表示,当前最新的技术能做到实时分析,只不过限于成本及实际使用需求方面的考虑,有些层面还用不到这样的技术。 

外面那么多摄像头 你知道都是咋回事吗?

浙江大华研发副总经理兼大数据研究院院长 许焰

据许焰介绍,现在常见的摄像头大致分为三类:公安监控、交警、农林水利环保等。其中,公安监控的摄像头,基本上没有智能分析功能,只是先把视频存下来的,等有需要的时候人工察看;交警建的面向处罚的,比如闯红灯、超速、违停,还有开篇提到的拍摄进京证的就属于前端(摄像头)带有智能分析功能的;而其它像环保、水利、林业等部门建的摄像头大部分也是没有智能分析功能的。 

其实从摄像头功的演变也能看出技术发展的一点脉络,从能拍到拍的清晰,再到智能分析,进化的不仅仅是摄像头,还包括摄像头本身的处理能力,还包括背后相关系统的处理、存储能力的提升。作为专注在视频监控领域10余年的一家厂商,浙江大华在这方面无疑是行业内一个非常典型的案例。 

摄像头数量越来越多、清晰度越来越高,造成的结果就是数据量越来越大,在这种情况下,单纯依靠人力甄别显然已经不太可能。因此,许焰表示,他们很早之前就和英特尔联合开发视频监控领域端到端的解决方案,前端摄像头,后端NVR(网络硬盘录像机)+云端,其中前后端都具备智能分析能力,分不同的场景来应用。 

比如,许焰举了两个例子,如果网络带宽比较差,可以把视频进行前端分析,把分析之后的结构化数据传至云端(据悉,目前拍摄进京证的摄像头大致如此,它具有一定的拍照对比识别能力)。如果网络带宽相对比较好,则可以把大量的原始视频汇聚到后面的云存储进行统一分析。 

至于分析数据得出来结果的想象空间就很大了,分析个人的习惯爱好、热点路口的人流统计……在推广商业的同时,也为社会安全出一份力。所以,无论如何更先进的技术,比如摄像头具备智能分析功能所带来的意义还是很大的。 

数以万计摄像头背后靠的是什么? 

前文已经提到过了,前端+后端,虽然前端一样有智能分析功能,但不得不说是非常有限的,前端所负责的只是自己一个摄像头,而后端是负责所有汇聚摄像头的。试想一下,一个城市的所有交警拍摄摄像头接进一个数据中心,后端得需要多强的计算和存储能力! 

为此,英特尔在向大华提供基于英特尔架构的低功耗高性能的嵌入式设备(前端)与数据中心全系统的硬件参考平台的同时,在大数据技术的应用方面,英特尔还针对交通业务的特性,选用了Kafka、Spark、SparkStreaming、HBase 等开源大数据技术,并在英特尔构架上针对以上开源技术做了大量优化和功能扩充,使之在运行性能、可扩充性和可用性上都有大幅提升。 

可能在很多人的印象中,英特尔只是一个卖处理器、做平台的厂商,事实上不仅如此,在存储、网络,以及软件,特别是在开源领域,英特尔均有着不小的贡献。就大数据领域而言,英特尔在Hadoop、Spark等方面均研究深刻。 

外面那么多摄像头 你知道都是咋回事吗?

英特尔公司软件与服务事业部副总裁兼系统技术和优化部门大数据技术总监 马子雅

据英特尔公司软件与服务事业部副总裁兼系统技术和优化部门大数据技术总监马子雅介绍,就拿大数据方面来说,英特尔的工作主要集中在三个方面,一个是实现大数据在英特尔平台上的优化,能够让大数据软件解决方案更好地利用英特尔硬件基础,并更好地发挥底层硬件的潜力。第二,加强与整个开源社区的合作,使更多的客户群受益于我们在开源社区中做的一些工作。第三,因为大数据最终还是用来帮助人们增加他的商业洞察力、做一些更好的商业决策,所以如何扩大与整个分析应用领域的合作、生态系统的合作,能够让分析应用的程序在英特尔的平台上能够越跑越好,也是我们一个主要的工作方向。 

以小见大,其实英特尔在软件方面所做的工作基本上都可以用以上三条来总结,软硬平台结合、加强与开源社区的合作、与用户结合的更紧密。

毫无疑问,双方的这种紧密合作正推动着视频监控领域的演进。而放眼整个大的产业环境,视频监控只能说是物联网中的一个分支,从技术的角度而言,能够获取“物”的数据,然后汇聚,再分析,这样的模型几乎适用于每个行业,这意味着像大华和英特尔这样的合作、这样的行业应用案例还会有很多。 


原文发布时间为:2016-04-29

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。



相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
4月前
|
开发者
当做的游戏没人玩时,还要不要继续做下去了
当做的游戏没人玩时,还要不要继续做下去了
22 0
|
11月前
|
Python
上古代码漫游记(二):把陷阱去掉了,反倒踩进了新的陷阱?
上古代码漫游记(二):把陷阱去掉了,反倒踩进了新的陷阱?
80 0
|
数据库
买手机数据线特别要注意的地方
买手机数据线特别要注意的地方
100 0
|
设计模式 安全 Java
别再写满屏的爆爆爆炸类了,试试装饰器模式,这才是优雅的方式!!(2)
别再写满屏的爆爆爆炸类了,试试装饰器模式,这才是优雅的方式!!(2)
别再写满屏的爆爆爆炸类了,试试装饰器模式,这才是优雅的方式!!(2)
|
设计模式
别再写满屏的爆爆爆炸类了,试试装饰器模式,这才是优雅的方式!!(1)
别再写满屏的爆爆爆炸类了,试试装饰器模式,这才是优雅的方式!!(1)
109 0
别再写满屏的爆爆爆炸类了,试试装饰器模式,这才是优雅的方式!!(1)
P1747 好奇怪的游戏
《爱与愁的故事第三弹·shopping》娱乐章。
81 0
P1747 好奇怪的游戏
|
Python
又烧脑又炫技还没什么用,在代码里面打印自身
又烧脑又炫技还没什么用,在代码里面打印自身
158 0
又烧脑又炫技还没什么用,在代码里面打印自身
程序人生 - 猫咪的门齿有什么作用?
程序人生 - 猫咪的门齿有什么作用?
89 0
程序人生 - 汽车后视镜锁车自动折叠为啥失灵?
程序人生 - 汽车后视镜锁车自动折叠为啥失灵?
91 0
程序人生 - 汽车后视镜锁车自动折叠为啥失灵?
程序人生 - 变脸的原理
程序人生 - 变脸的原理
802 0
程序人生 - 变脸的原理