| 
很多人會困惑，云計算究竟是什么？
它是可以被看作為商品的一種計算能力，可以在線上被無限制流通，就如水、電、煤氣一樣，可以被人們方便地取用，且價格相較低廉。
十多年前，無論是中國、美國，亞洲、歐洲，無論是大企業還是小公司，建設企業IT架構，為公司的業務和戰略做信息支撐的思路都如出一轍——購買服務器，只是多或少的問題。
今天來看，這類IT基礎設施的布局是一項非常不必要的高額支出，因為他們可以通過租用“公有云”的云計算服務來獲取性價比更高的IT能力。
云計算將許多計算資源集合起來，通過軟件實現自動化管理，對于硬件資源的利用率，以及業務系統的構建和部署，都帶來了更細粒度的控制和更高的效率。
眼下，經由阿里、亞馬遜、微軟等中外云企業的不斷教育市場，云計算部署已經成為科技轉型不可逆轉的趨勢， 構建合理的云平臺成了任何IT領域構建系統時的一種共識。
AI安防市場亦不例外。
安防專有視頻云構建三大銅墻
1、海量實時多媒體數據傳輸及存儲
對于安防的認知，大多數人至今還是有些誤解：
安防就等于視頻監控，幾個攝像頭連接到大樓保安室，幾個保安盯著幾塊屏幕一整天。
實際上，星羅密布的監控攝像頭已經化為一個個智能終端，它們有網口、能控制甚至可接雙向音頻，攝像頭的互聯已經成為炙熱趨勢。
例如公共視頻網絡，已經從一個城市的互聯，發展到一個省的互聯，逐步到一個國家的互聯，無論是新的網絡攝像頭，還是舊模擬攝像頭+DVS/DVR，都開始加速接入一個龐大的云平臺，從單純的視頻流媒體數據到云臺操作，每一個終端都成為了一個可被遠程控制的智能化終端。
這些單個攝像頭的涓涓接入，會形成一股氣吞山河的數據洪流。
據IHS Markit數據顯示，2018年全球視頻監控市場規模為182億美元，其中中國視頻監控市場占了全球市場份額的45%，是全球最大的一塊市場，而且增長速度也遠高于海外市場。
預估到2020年，全國攝像頭數量不少于4000萬個，某投行的報告稱行業每年還在以20%加速增長。假設所有攝像頭切換為1080P，每天的數據量是64G，每年的數據量是23T，中國每年至少將產生超過十億T的視頻數據。
面對如此大的數據洪流沖擊，一套安防系統需要應對和滿足的性能挑戰諸多，宇視科技丁強介紹說，主要有四點：
對圖像的調度時間要求保持在1 秒以內；
對編解碼以及整網傳輸延時不能超過300ms；
監控系統規模擴展都不能影響上述指標；
多維度的內容組織及挖掘，前端及后端智能結合，內容大數據索引化。
2、數據的高度安全可靠性
圖像數據需要專業存儲設備存儲，并用RAID 甚至多節點糾刪卷進行保護。數據存儲重要性必須永遠放在第一位進行保證，因此無論錄像還是圖片，都需要優異的讀寫分離體系作為支持。
另外，端到端接入授權、全鏈路數據加密的安全保障也是至關重要一環，無論是中間網絡截獲還是存儲介質暴露，均須做到無法直接恢復出有效數據，保證最高級別的安防數據可靠性。
3、圖片與結構化數據爆炸式增長
人工智能的深入應用， 給人工視頻調閱式的信息理解方式帶來了機器理解，這讓視頻的信息利用率一下子提升了成百上千倍。
此外，得益于視頻的內容理解、視頻被數據化和信息化，因而在這樣的視圖大數據平臺上，視圖大數據平臺上的安防監控業務應用體系也得到了爆炸式增長。
安防專有視頻云的部署及構建
正是上述安防數據的實時特點，必然需要引入邊緣計算，去作為中心服務云做部分功能卸載，并就近集成安防業務相關的特殊功能模塊。
丁強說，接入邊緣傳感數據進行實時化業務的同時，其與中心云“統一云計算服務框架”承接，并繼續數據的互通，從而協同分析挖掘，形成進一步的業務服務&數據服務。
通過這樣的模式，達到中心云計算與邊緣計算的優勢互補：
云計算：成本低、高擴展和高可靠，適用于計算非實時、長周期場景；
邊緣計算：低延時、高可靠和更安全，適用于計算實時性、短周期場景；
邊緣計算與云計算中心協同工作，提供更優質體驗服務。
梳理整個邊緣計算的發展，應該說安防監控領域成了邊緣計算最成熟的應用場景，結合邊緣計算，現有安防專有視頻云的部署模式也基本成型，而在具體的視頻云平臺的構建上，丁強認為，需要注意以下幾個方面：
1、云邊統一的云計算服務框架
合理利用云計算與超融合的架構，以統一的軟件定義計算、存儲、網絡的框架，合理利用專有硬件卸載實時計算需求，兼顧中心云計算和邊緣計算的訴求，以統一界面建設視頻云。
充分利用云、邊、端全路徑的智能異構資源進行多媒體的實時處理，讓數據信息最大化，同時基于算法倉、服務倉靈活部署，有效實現計算、存儲資源的全拉通。
2、以“數據湖”架構構建安防云存儲系統
“數據湖”是一種在系統或存儲庫中以自然格式存儲數據的方法，它有助于以各種模式和結構形式配置數據，通常是對象塊或文件。
“數據湖”的主要思想是對企業中的所有數據進行統一存儲，從原始數據（這意味著源系統數據的精確副本）轉換為用于報告、可視化、分析和機器學習等各種任務的轉換數據。
湖中的數據包括：結構化數據如關系數據庫（行和列）、半結構化數據（CSV、XML、JSON 的日志）、非結構化數據（電子郵件、文檔、PDF）和二進制數據（圖像、音頻、視頻），從而形成可容納所有形式數據的集中式數據存儲。
3、安防特點的數據治理框架
安防監控主要的數據來源，除了音視頻的結構化分析，還包括各種車輛、人臉等卡口信息， 和案件警情、MAC、RFID等外圍采集信息。
因此，必須要構建靈活的多維數據接入框架，同時在合理的數據中臺管理框架下，保證數據的合理內化，從而為整個安防衍生業務提供完整的數據平臺支持，這也是視頻云框架中DAAS 建設重點。
4、安防業務驅動的深度安全運維管控框架
隨著GB 35114-2017《公共安全視頻監控聯網信息安全技術要求》的發布和執行， 以及智能在安防行業的數據信息化，人臉、車牌、軌跡等各種信息安全問題，都不得不讓人對安防行業的安全管控提到前所未有的高度，更別說維護社會治安的系統不安全更是無法讓人接受了。
但傳統安全往往都過于關注設備的漏洞、防入侵防攻擊等領域，對于安防視頻本身的業務體系涉足太少。因此，有必要基于安防業務特點出發，構建深度的視頻安全管控框架，實現云、邊、端的全鏈路安全防控運維體系，具體包括芯片級密鑰管理發放、視頻傳輸加擾、大數據安全、準入安全等，同時結合可視化呈現，實現全網可視綜合態勢感知平臺。
安防內涵正不斷裂變
安防就像核反應堆，內涵在不斷裂變，外延在迅速擴張。
安防行業的內涵已經從事后取證調查，向預判、預警和預防演進。與此同時，可以發現視頻監控不僅僅是用于公共安全，還有如視頻的直播和對講、食品衛生監督管理、工業自動化、生產自動化、司法公正、警務公開、政務公開等等。
如此龐大的外延業務，必然需要一個強而有力的云平臺的支撐，安防專有視頻云平臺建設應該是每個廠商應該思考的問題。 |
