首页 > 商城帮助 > 安防行业资讯 > 大数据成为智慧安防建设的主要方向

大数据成为智慧安防建设的主要方向

2016-11-07

字体放大 ╋ 字体缩小 ━

  随着社会治安动态监控系统的建设,各县(市)治安监控图像已经通过监控专网汇集聚到市局视频共享平台实现互联互通。监控系统与市局公安业务系统信息共享,实现警视联动。指挥中心可以随时调阅和控制各中心监控图像,掌握现场动态、指挥处理警情,为领导决策指挥提供参考依据。

  各级指挥中心、派出所、刑侦部门是社会治安动态视频监控系统的一线实战应用单位,拥有对辖区监控图像资源的直接控制和调用权,对辖区所有监控点进行实时监控,并根据监控发现情况,及时处警。常规的视频监控业务仍以图像调阅为主,被动配合各类案件的处理,尚未结合各部门的实际业务适配不同监控,随着监控技术的发展云计算、云存储、大数据、智能化技术日益成熟,基于大数据的实战业务引入成为当前建设的主要方向。

  系统建设要求

  1、事前防范

  通过已建视频监控资源的利用,实现公安机关对各监控点附近环境、车辆、人物情况实时检测,对视频画面进行查阅、控制、管理等日常功能性操作,以实现对重点区域的监控,对非重点区域的街面巡访,对可疑现象早发现早处理。

  同时可建立完备的预案应用,对重大治安刑事案件、火灾、暴恐事件等突发事件或大型节日游街、商业、公益活动等重大事件进行准备,以保证应对突发事件的响应速度和确保重大事件的顺利进行。

  2、事中指挥

  实战平台可利用PGIS、卡口、视频监控等系统,对正在发生的案事件进行现场的指挥调度;通过PGIS的地理信息,将案发时的实时视频调阅出来,并可根据地图随时切换现场视频;在犯罪嫌疑人追捕过程中,实时展现嫌疑人逃跑路线,并利用卡口系统,对前端各卡口进行布控,当嫌疑车辆经过时,会向指挥中心发出报警。

  在指挥中心,平台可利用大屏进行信息展现,同时对大屏进行操作,包括视频浏览、画面切换、图像拼接、图像分割等,以保证指挥人物更清楚的了解现场动态,及时做出战略调整。

  3、事后处理

  公安实战平台要以平安城市视频监控联网为基础,逐步建立以视频为核心,围绕案事件处理的综合业务应用平台;获取与整合案件相关的视频图像信息情报。

  在技术应用上,实战平台需要结合智能视频分析处理功能提高整个系统的业务智能,包括:特征提取、人车分离、特征比对、内容检索等功能,提高办案人物的工作效率。丰富视频处理手段:通过视频分析,实现视频信息动静分离,提取有价值的情报信息;通过视频标注的方式提取出重要的线索;采用视频清晰化处理,提升视频的可利用程度,还原视频中重要信息。

  在综合应用上,平台在获取到情报后,可将有关联的案件视频通过时空关系串联展现,可以是以视频为导航,或是以时间为导航,或是以空间为导航,让办案人物可以找出破案方向。

  一、大数据业务、车辆布控业务

  1、大数据业务

  在监控安防以及智能交通监控领域对大数据的需求持续攀升,并呈现多样化趋势,监控系统需要满足海量数据的安全存储、多种数据类型的快速检索和丰富的可定制化的业务研判需求。通过各种智能前端采集海量的信息,并且和周边业务系统整合获得大量的信息,如何从这些海量信息中发掘有价值的信息,提前发现高危、可疑行为和目标,从大量警情、案件中发现刑侦研判的关键线索,需要利用大数据挖掘技术。

  1.1大数据平台建设及数据整合

  基于Hadoop的大数据架构系统,需要针对安防数据的特点进行优化,使之能够更好的提供数据挖掘业务。首先可以实现大数据规模(30亿-100亿规模)下的快速检索,在整个城市有效关键索引数据在逐步增长的同时,能够提供一如既往的快速检索服务,满足精确检索、模糊检索应用。其中利用海量信息发现很多数据背后的业务价值,如海量车辆过车信息中实现套牌车、车辆积分模型、车主社会生活模型分析等应用。这些海量数据蕴含整个城市经济生活的方方面面,各种社会活动都可以从中得到体验,对于城市管理、城市规划提供大量的数据支撑应用。

  本次大数据平台建设,要求基于已建的视频监控平台、卡口平台,利用前端智能化、卡口化应用规模扩大和统一联网平台基础上,结合公安业务特色,基于业界主流大数据架构技术(Hadoop),部署大数据分析平台,包括名字路由节点和计算存储节点,大数据的处理能力至少能支持30亿以上数据处理能力,未来不断扩展大数据规模,最终可以满足1000亿数据规模应用。在大数据应用下,能够实现对于许昌全市的车辆精确查询、模糊查询、车辆轨迹分析等数据检索功能;实现对全市的稽查布控业务;系统逐步开展数据挖掘功能,能够迅速支持套牌、路线碰撞分析、高危车辆管控等功能;逐步探索对车辆数据的深度挖掘,深度剖析犯罪模型,依靠车辆积分模型发现高危、可疑车辆。

  支持进一步扩展数据范畴,可增加对“人”的身份识别数据,通过人脸卡口扩展人脸信息、人衣着信息、依靠身份证读取流动人口活动信息、依靠电子围栏读取通信号码信息……实现多种信息的综合研判和数据挖掘,发现可疑和高危人物目标。

  n  大数据系统架构要求:

  ①充分发挥Mapreduce集群计算框架自动并行化、负载均衡和容灾备份等功能;

  ②可融合支持高效迭代算法的Spark集群计算框架;

  ③提升多种不同类型的数据挖掘算法的性能;

  ④充分发挥集群系统计算资源;

  ⑤具备良好的集群扩容能力。

  n  大数据查询要求:

  使用搜索引擎服务器集群加速数据查询请求响应。

  ①支持近实时索引功能;支持快速检索,百亿数据秒级响应;

  ②支持丰富的检索功能,支持模糊查询、多条件查询,可定义相似性查询等;

  ③支持持久良好的运行,如高并发操作服务的稳定;

  ④具备的灾备机制,如集群中单节点故障(宕机)不影响查询功能;

  ⑤支持动态扩展,集群扩展易部署。

  n  已建卡口数据整合:

  基于现有市局卡口管理平台,利用视频专网,对全市各县区已建卡口、电警平台上报的实时过车数据和过车图片进行集中存储、集中梳理,利用大数据平台对实时数据进行清洗,纳入大数据平台进行统一调度和管理,实现大数据检索、分析与业务调用。

  1.2基于大数据的车辆业务

  n  车辆数据秒级查询功能

  系统投入使用后,随着卡口、电警、复用卡口设备过车数据量的增加,面对海量数据,平台需具备快速准确的查询和检索功能。基于大数据的查询功能应包括:车辆信息查询(精确查询、模糊查询)、报警信息查询、布控信息查询、操作日志查询等。要求可以按照时间、地点、车辆号牌、号牌颜色、车辆颜色、车辆类型、布控原因、布控组织,报警时间段进行查询,支持对无牌,号牌遮挡、未识别车辆查询。

  大数据平台需要满足千万级图像检索时间不大于5秒,亿万图像检索不大于10秒。并且随着系统扩容建设性能不降低。

  n  轨迹跟踪功能

  基于平台要可在PGIS或离线地图上显示指定车辆、指定时间段的历史行车轨迹信息,从而进行行为分析。系统可以根据车牌号码,在地图中按照时间先后顺序显示该车辆在此时间段内的所有过车信息,并在电子地图实时呈现其最新的行车轨迹,无需指定车辆查询历史信息,从而进行实时行为分析。同时还应支持多条轨迹的历史轨迹信息和实时轨迹跟踪,还可根据相应的布控报警信息对周边视频资源的关联和自动调阅。除轨迹查询外,还具备将图片数据对应的视频资源进行相关联,同时将关联的前后一段时间(可进行灵活设置)录像自动合成一整段完成录像,在应用过程中展示:图片过车信息、过车图片、行驶轨迹和轨迹录像。从四方面的信息全面反映车辆的过往记录,轨迹展示时除系统自动展示外,还支持手动点击逐步展示。

  n  轨迹碰撞

  基于大数据的分析,利用时间和空间的特征设定计算规则,计算出在设定的一段时间内按照顺序通过几个卡口点位的车辆,把在某个时间段内把车辆轨迹按照我的设定规则重合的车辆进行筛选,结果通过列表和GIS地图的方式进行显示,在实际应用中为失物寻找、同伙作案的排查提供有效的使用价值。

  n  跟车关联性分析

  基于大数据的应用,针对与车辆盗抢案件、或案件中涉及嫌疑车辆的情况,可基于确定的车辆,通过数据挖掘的方式分析其通过多个监测点时相邻的车辆号牌,找出与嫌疑车辆有关联的车辆,从而获取破案线索。在作案手法相似的连环案件中,将多个事发地附近系统检测到的车辆号牌进行比对,根据车辆出现的频次进行嫌疑车辆区域关联性分析。

  根据嫌疑车辆的车牌号码、车牌种类、车辆通过时间、分析时间间隔等筛选出与犯罪嫌疑车辆有关联的其他车辆,关联性分析的查询条件包括:车牌号码、卡口名称、车道号、开始时间、结束时间、跟车时间间隔等。

  n 套牌检测功能

  原有套牌车辆查询,主要是接到举报后、或确定案件中嫌疑车辆的具体号牌后才能查询,效率很低,套牌车管理一直是难题。基于大数据的分析可以快速检索定位,实现针对套牌车辆的主动查询、套牌布控,系统根据车辆通过时间间隔、不同区域同一时间出现的车辆,如果发现车辆号牌相同,号牌颜色相同的车辆,则弹出报警框,由人工复核号牌识别结果,如果确认号牌相同,则认为该车辆为套牌嫌疑车辆,导入套牌嫌疑车辆数据库中,进行进一步排查。

  n  车辆频度分析

  系统应支持车辆频度查询与分析,能够对频繁出现的车辆根据卡口名称、时间段(开始时间、结束时间)、出现频次(小于、等于、大于)等条件进行检索分析,以便于针对事发点频繁出现车辆进行快速定位、重点排查,同时也可有效对特定车辆未能正常出现、出现次数不足等问题进行检索跟踪。

  n 流量统计功能

  基于大数据平台系统要求支持按时间特征、流量特征、卡口特征及区域特征进行统计。可以按照小时、日、周、月、年进行固定模板统计,也可自定义统计,统计对象可包括车流量(分地域)、报警类型、布控单位等。可根据报警地点统计结果进行治安黑点地区的摸查,报警时间段统计结果合理安排警力资源,报警率(报警车辆占全库车辆的比值)统计结果设定工作计划。

  统计结果可以以折线图、柱状图、立体柱状图、饼状图等方式进行图形展示,也可采用报表的方式展示。

  n  积分模型

  基于大数据的数据挖掘,根据系统对黑名单车辆、故意遮挡号牌车辆、违章车辆、昼伏夜出车辆、首次进城车辆、悬挂高危地域车牌车辆等异常车辆进行积分处理,通过积分模型对嫌疑车辆,进行事前风险预估,将犯罪遏制在萌芽阶段。通过对社会车辆建立相应的积分模型库,系统自动根据历史数据筛选有可能存在嫌疑车辆进行提前遏制。

  2、车辆布控业务

  2.1车辆布控功能

  系统应支持车辆布控功能,能够对基于大数据平台中的卡口、电警、复用卡口等设备的车辆信息进行自定义不同,并且各业务部门对嫌疑车辆的定义和关注程度不同,车辆布控业务支持分级分用户。

  系统通过手工录入或者批量导入的方式建立车辆布控数据库,车辆布控数据库至少包括车辆号牌,号牌颜色、布控级别、布控单位,布控人,布控原因,布控有效期等字段,从而实现对报废车辆、嫌疑车辆、套牌车辆、监管车辆等进行有效的布控管理。

  支持系统报警功能,可以对前端设备、网络、管理平台、存储的状态进行监控和报警。同时报警信息及时的通知管理员。

  支持多种报警联动方式,并且针对不同报警类型可设置不同的报警声音,同时系统除支持黑名单功能外,还提供红名单和白名单功能。

  n  车辆进出城/高危时段布控

  系统应支持车辆首次进城、多次进城不出城、昼伏夜出、高危时段、悬挂高危地域车牌车辆等布控分析,系统应根据布控规则,自动针对监测点抓拍的车牌数据进行筛选挖掘,针对该地区出现的布控车牌自动筛选;系统应提供独立查询界面,能够通过开始时间、结束时间、卡口名称等条件进行数据筛选。布控条件应包含:布控日期、布控时间段、布控地点(卡口)、通行次数等。

  2.2报警管理与联动功能要求

  基于各种布控规则,系统应支持多种报警的接收、处理、发送和确认功能。

  支持报警联动功能,一路报警可支持不少于16个联动动作,联动策略可配置。支持报警联动到开关量输出、联动到监视器及客户端的视频播放、联动预置位、联动存储及报警摄像机在地图的显示。系统支持卡口/电警/复用卡口周边监控点位联动,可以根据报警点联动周边0-2公里内的摄像机进行图像浏览,上墙显示。

  此外还可以与专业报警管理系统软件实现集成,当发生报警时,通过软件联动实现图像切换、报警存储等。

  二、视频复用、车脸识别、人员特征识别

  1、监控视频卡口复用业务

  许昌市视频监控高清化建设已具备规模,高清图像在为破案侦查起到了重要作用。然而随着建设发展点位密集的越来越高,事后视频查阅、证据定位耗费的精力从未建设,随着大数据的到来,主动安防、视频情报化成为今后技术发展的重要方向,为保障项目投资,对现有监控资源充分利用,要求基于现有监控枪机、球机实现智能分析、视频复用,可以自动分离出所有的运动目标,并将目标按照人、车等对象进行分类,并根据这些特征进行检索。视频复用抓拍图片产生的结构化信息、图像和视频片段存储在视频专网或根据需要统一导入到公安信息网进行集中存储、整合应用。

  目前许昌全市各城区建设的卡口系统主要在城市主干道内,而城市一些支路、重点单位/社区出入口等区域的卡口建设还是空白,本次建设是要利用该类区域的视频监控进行有效的车辆特征数据的提取,通过与Hadoop大数据平台的融合,实现机动车图片抓拍、车身颜色、车型、车辆号牌识别、行驶方向、车辆速度检测、轨迹分析、历史轨迹查询、布控比对报警等车辆全方位管控业务功能,联动图片抓拍视频片段、联动周边视频上墙、联动周边视频弹窗显示、联动报警录像等多业务定制功能,满足治安、交通管理等多种业务需求功能。

  2、人物特征识别与检索业务

  视频复用的另外一个重要应用就是对于人的不同部位进行分类、区别,并根据这些特征进行检索,如对人的上下半身颜色、人脸等进行检索。本次人物特征识别建设同车辆识别要求一致,需要利用现有监控资源对城区支路、热点社区/区域的人进行特征化提取。提取后的特征化信息、图片、关联短视频能够与现有视频共享平台无缝融合、集中存储,基于平台的大数据实现关键字段信息的清洗,构建基于Hadoop的人物特征库,基于平台实现大数据秒级检索。系统可基于人物特征库实现人物衣着颜色、时间等信息检索,人员行驶轨迹,关联视频播放,检索视频浓缩、视频拼接及录像导出。

  3、车脸识别业务

  案件侦破中基于涉案机动车的排查往往是破案的关键,以往案件中采用卡口系统对车牌进行识别,通过车牌在海量数据中检索车辆,但嫌疑车辆往往会采用假牌、套牌、无牌以及多次更换车牌等方式来逃避卡口系统的追踪和识别,也给案件的侦破工作带来很大的困难。如何克服车牌易伪装的特性,以及在没有车牌信息的时候,还能对车辆进行识别和查找,车脸识别是目前解决问题的有效途径。

  要求系统基于车牌识别和大数据利用车辆本身的特征,实现数据检索的结构化,满足以车找车的需求。要求能够实现对车辆的车头或车位识别,识别车型精确到年份款型等进行识别,同时兼顾车辆原有特征如车牌识别、车型大小、车身颜色等,并通过以上结构化数据信息实现复合检索。车辆识别颜色不低于7种、车辆类型不低于6种(三轮车、面包车、摩托车、货车、客车、轿车);车型识别库应包含目前国内常见车辆款型,应不低于1800种车辆款型库、不低于120种车标识别库、识别准确率不低于90%;检索类型应包含起始时间段、车辆品牌、车辆类型、车身颜色、车系类型及车辆款型、车牌号码、识别可信度、车辆识别有效性等;基于大数据的应用,亿级数据量检索时间<5S。

  此外,系统应支持套牌假牌车辆查询布控模块、数据统计模块、布控预警模块,支持与车管库对接获取库中车辆的车牌、车型、车身颜色、车辆品牌等车辆有效数据。通过车辆布控实现套牌车、假牌车、嫌疑车辆的实时布控,发现符合条件的车辆,即可启动报警。

  三、可视域、网格追踪、智能运维

  1、地图可视域业务

  随着治安监控的建设,监控点位、卡口点位越来越多,传统的视频检索方式随着建设数量的增大不断降低,可视化、基于地理位置的检索方式成为当前监控应用的新趋势,本次系统整体业务要求基于PGIS或离线地图实现。

  1.1地图功能要求

  要求提供地理信息系统功能,并可与接处警系统、视频监控系统、卡口系统及其他业务系统集成,实现各类信息在地图上的展示及操作。

  地理信息系统的基本技术要求如下:

  (1)地图显示响应时间≤2秒,查询分析响应时间≤5秒;

  (2)B/S地图浏览,100个用户并发获取地图请求时,每个地图请求的显示响应时间≤2秒;

  (3)地址匹配响应时间,25个用户并发获取地址信息时,每个地址匹配请求响应时间≤2秒;

  (4)对于单类信息的快速查询:响应时间小于5秒;

  (5)对于复杂的综合查询,响应时间一般在30秒钟之内;

  (6)对于模糊查询与统计数据:响应时间在2分钟内;

  (7)返回记录超过200条以上的数据查询及涉及复杂计算统计的反应时间不应超过10秒;

  (8)地图放大/缩小、平移、选择(点、框、圈、多边形)、全局图、放大镜、对中等操作反应时间不应超过2秒;

  (9)在线路带宽允许的条件下(≥100M),WebGIS地图响应时间不超过3秒;

  (10)GPS移动目标响应时间,200个移动目标并发获取实时信息时,每个GPS监控请求响应时间≤2秒(不包含GPS系统延迟时间);

  (11)长度/面积测量、区域信息度量和统计的误差不超过3%;

  (12)地图升级,原有地图配置业务不受影响;支持监控、卡口、电警设备经纬度信息批量导入;

  (13)客户端需支持离线地图模式,以提高系统的加载效率;

  (14)各用户可以在基于地图自定义不同业务,用户可在不同位置登陆,定义功能不受影响;

  (15)系统要求不限用户数,且同时支持不低于200个用户的并发访问;

  (16)支持基于地图的视频巡逻功能,支持自定义巡逻路径、摄像机切换时间,并能在地图上展示巡逻轨迹;

  (17)支持基于地图的视频及时回放、录像倒放、分段回放、视频历史快照、录像批量下载、录像分段下载等视频基本业务;

  (18)摄像机点位能够根据地图的缩放调整图标大小,支持多点汇聚在一起显示,并显示摄像机数量;

  (19)支持自定义防区,可根据需要绘制任意形状的防区,防区内支持实况、回放、录像下载等业务,支持视频巡逻功能;

  (20)支持基于地图的视频标记和地图叠加,并能够标注各种资源设备信息。

  1.2动态可视域功能

  基于PGIS或离线地图,摄像机点位支持可视域(视角、朝向、可视距离)标注,摄像场景与地图可视域方向同步;在实况云台控制时,在地图上,可视域随着云台的转动而转动,通过这一功能,用户可以直观了解各点位在实际场景的监控区域。

  1.3可视域碰撞功能

  社会治安监控中监控点位部署的有效性与摄像机的可视域有直接的关系。案件发生地若不在可视域内,查看周边监控是无效且耗费资源的,基于地图路径和可视域可以过滤出有效的监控信息,提升案件证据的定位实效,减少无效的人力、资源投入。

  要求系统支持基于地图的线选、框选功能,按照案件推理侦破的需要,可以基于地图通过线选制定嫌疑人/车的行驶路径、框选嫌疑人/车经过的区域,将该路线、区域与该范围内精确标定的摄像机点位的可视域进行碰撞,可以直观、精确定位到可能包含目标嫌疑人经过的视频录像点位,通过时间、空间关系精确锁定目标录像,避免以往“大海捞针”一般查阅所有点位录像,确保公安在最短的时间内搜索到最优可能的录像片段。

  2、网格追踪业务

  基于地图或传统方式,通过摄像机实现对人、车的追踪是比较困难的,需要操作人物对所有辖区的地理位置、摄像机安装位置、摄像机可视域及当前朝向要熟悉掌握,面对海量监控这是难以实现的。为更直观、便捷的满足动态人物/车辆定位、跟踪,要求实现基于地图的视频追踪业务。

  当点击单点视频,支持自动将周围N个监控点调用到屏幕上进行实时监控或录像同步回放(可选择联动范围半径);当关注的监控点切换时,自动将所关注监控点置于中心,同时可以对活动的目标进行接力跟踪,在周边相邻的摄像机之间快速切换。

  基于录像的:选择热点点位,确定回放的时段。以热点点位为中心,自动选择周边的点位,在回放窗格中同时回放多路,方便快速寻找线索。地图上同时显示回放点位的关系图。

  切换热点,自动计算周边点位,并重新布局播放录像。

  在录像回放中,通过录像网格追踪功能可以再现目标在空间上变化的轨迹,并且了解当时该区域内的总体态势,有助于公安人物发现周边的可疑线索,尤其是多人团伙作案业务应用。

  基于实况的:支持实况热点点位+周围点位同时播放,播放窗格数可切换6分屏、8分屏、10分屏;双击周围点位切换为新的热点点位,并自动切换周围点位。在实际业务中,重大活动现场保障和实时抓逃中,可疑通过实况网格追踪功能在地图上直观展现目标移动情况,并且通过摄像点位实时掌握目标动态,无缝切换跟踪。

  3、智能运维

  3.1拓扑管理功能

  目前系统建设规模越来越庞大,设备管理维护耗费大量精力,设备巡查占用警员过多的工作时间。本次系统建设要求能够实现对全网设备的智能网管功能,能够通过远程网管实时掌握设备的运行状态、工作质量,及时有效地对系统进行评估、维护。

  要求系统支持网络拓扑管理功能,全网设备自动发现,自动生成拓扑,方便管理。

  支持各级子网管理,设备标签、链路标签,支持多种监视指标的设置,支持网络、设备负载情况的颜色显示。

  全网设备自动发现,省去繁琐的人工配置工作,大大提升了使用体验;

  要求支持标准SNMP协议,支持SNMP的所有网络交换设备、监控设备、服务器设备、存储设备、客户端设备等均可接入。

  3.2全网资产统计

  支持卡口/复用卡口/IPC设备的资产统计管理;支持全网的资产统计,支持按组织/资产类型分类统计,统计结果可导出,打印。

  3.3视频质量诊断功能

  为保障视频建设图像的有效性,要求对视频、图片进行实时质量诊断,及时对成像有问题的设备维护调整。要求系统管理人物能够实时了解系统中核心设备的运行状况,及时发现设备及网络故障信息,能够提供对系统内设备的自动巡检功能,对巡检情况做统计分析,并按照需要生成统计报表。还可通过采用轮巡的方式,执行对前端视频图像的质量诊断,使系统维护人物能够快速了解异常情况,及时排除设备故障,有效预防因图像质量问题带来的损失和影响。视频质量诊断系统从监控系统获取视频流进行分析,不会干扰监控系统的正常运行。

  系统可以对以下视频故障进行检测:

  画面冻结:检测画面出现异常冻结现象,质量诊断系统能检测出异常,给出评估得分,以不同颜色区分画面质量,并可以查看诊断画面了解图像实际效果。

  画面颜色异常:检测画面出现大面积视频画面偏色,质量诊断系统能检测出异常,给出评估得分,以不同颜色区分画面质量,并可以查看诊断画面了解图像实际效果。

  图像模糊:检测画面图像模糊,质量诊断系统能检测出异常,给出评估得分,以不同颜色区分画面质量,并可以查看诊断画面了解图像实际效果。

  信号丢失:检测画面视频信号丢失,质量诊断系统能检测出异常,给出评估得分,以不同颜色区分画面质量,并可以查看诊断画面了解图像实际效果。

  亮度异常:检测画面视频图像过亮或者过暗,质量诊断系统能检测出异常,给出评估得分,以不同颜色区分画面质量,并可以查看诊断画面了解图像实际效果。

  噪声干扰:检测画面由于各种原因产生大量噪声,质量诊断系统能检测出异常,给出评估得分,以不同颜色区分画面质量,并可以查看诊断画面了解图像实际效果

  3.4录像诊断功能

  存储设备的录像状态监测原来都是通过设备运行状态、磁盘运转情况来判断的,但是往往还是会出现查录像时录像损坏、未录上等视频丢失的情况。因此要求系统能够自动对录像进行检测,根据录像计划查看各摄像机的录像状态:是否按计划录像、录像是否完整,支持查看各摄像机的工作状态:离线、在线、视频丢失。通过报表,对于已经离线占用的无效存储资源、存储录像完整性可以做到一目了然。录像监测的最小时间段应不大于5min。

  3.5系统告警管理

  系统支持设备故障报警和恢复报警,包括温度告警、风扇故障告警、视频丢失告警、运动检测告警、开关量告警、存储满告警、存储读写失败告警、设备上线告警、设备下线告警等;当发现系统设备发生故障或出现异常时,能发出告警提示信息。系统应具有完备的告警和故障管理机制及流程,能自动汇总全网中故障设备,形成故障设备列表,使管理员能快速、清晰的找到需要关注的故障设备;能自动分类汇总全网中前端监控系统状态情况,形成状态分类列表,使管理员能快速、清晰的掌握前端监控系统的运行状态。

  四、云存储系统

  1、监控云存储建设要求

  随着前端监控点位的增加,存储系统中需要存储大量的视频数据,存储系统里面的录像也会快速增长,存储空间要求增大。而且当存储系统内的录像过快增长,录像的检索查找等操作将会给存储系统带来巨大的压力,特别是单台存储下面存放的录像超过一定数量会造成查找效率急剧下降。为了满足存储空间后期扩展要求,以及配合大数据平台实现快速存储、快速查找,本次基于已建IPSAN存储设备实现云存储升级,要求对原有存储设备进行有效利用,并实现无缝接入。

  视频云存储系统需安全、可靠、易管理,实现大容量视频、图片、过车数据的集中存储,事件发生时可以随时变更录像时长并即时生效和不停机扩容存储以满足增加时长的存储量要求,以确保视频图像存储的安全性、可靠性。

  云存储要针对治安监控、卡口大数据分析与挖掘,满足大量结构化数据、非结构化存储和分析需求研发而成,整体系统提供高速的数据库读写和大数据分析服务。系统支持高达千亿级的数据存储和分析,结合Hadoop架构,能够具备更快的检索和计算能力。基于Hadoop架构和云存储系统的高耦合对接,完善实时事件处理功能,实现海量信息的快速处理和推送。

  云存储系统应采用集群架构,通过虚拟化技术实现存储资源的统一分配、空间调度管理。支持视频图像、图片按照时间段分布在存储系统内不同的存储节点上,对应的存储空间能够无缝的扩大和缩减。系统支持负载均衡和智能路由,保障系统整体设备运行的稳定性和高效性。存储节点的添加或删除不能影响整个系统的正常工作,系统最大存储容量不低于240PB。

  要求云存储系统能够在系统容量达到规划规模时,性能指标不下降。视频存储应避免长期循环复写产生的文件碎片问题。支持视频、图片、数据信息数据的直存功能。

  设备性能要保证当有硬盘故障,设备做RAID重建时,原接入容量视频数据依然能可靠写入数据不丢失,并且满足调阅要求,性能指标不下降。

  存储设备的关键部件必须做到双冗余,降低存储设备硬件故障,并考虑多种硬盘冗余技术的使用;

  前端设备故障情况(被破坏,意外停电,网络中断),前端设备故障前时间段图像数据必须保存在存储设备上(时间粒度到秒),历史图像能够做到一秒不丢,保障公安视频录像的完整性和可靠性,并能被多个用户的客户端设备立即检索到;任意一台存储设备故障情况下,允许系统自动指定网络上任意一台备份存储设备接替工作;

  从公安实战及大数据挖掘应用角度出发,要求存储录像能够满足尽量减少检索时间,能够快速精度定位到需要查询的时间点,并检索到当前时间前一秒的录像,如具备即时回退等功能;

  视频存储设备应采用高密度设计,尽可能节约机房空间,降低系统基础用电量。支持基于硬盘、硬盘组和整机的自动/手动休眠和自动/手动唤醒,有效降低系统能耗,节约运行维护成本。

  卡口图片存储应满足至少3个月时间期限,过车数据存储时间应至少满足2年时间期限,在大规模数据下,数据查询需快速、准确。




大数据成为智慧安防建设的主要方向_打印本页面打印本页面      

上一篇: 光伏电站的防雷措施会因地区而不同吗 2016-11-07

下一篇: 边界安防电子围栏发展及分类选择 2016-11-07

都安防网-安防品一站式采购、销售交易平台