安防大数据在智慧城市建设中的地位与深度应用

徐建明

佳都新太科技股份有限公司

近年来，我国各地区、各部门智慧城市建设，在解决城市人口增长、环境污染、交通拥堵等各类的“城市病”的同时，也出现了各信息系统标准不一、互不兼容、接入受阻、出现信息孤岛等瓶颈。建设智慧城市的一个重要目标，就是要建设和谐、宜居、富有活力和现代化的城市，利用先进的信息技术，实现城市智慧式管理和运行，进而为城市中的人创造更美好的生活，促进城市的和谐、可持续成长。这个目标离不开先进和创新技术的支撑，随着云计算、大数据、物联网、人工智能等各种新技术风起云涌，数据的融合与共享越来越得到重视，数据处理、数据共享、数据挖掘、数据分析、数据应用等大数据技术成为智慧城市建设发展的关键技术，同时也开启了全新的智慧城市大数据时代。

安防大数据作为智慧城市大数据时代的核心基础，已成为智慧城市建设中权重最高的大数据类型，服务于“社会安全立体化、行业安全智能化、民生安全常态化”的安防大数据已通过各种形式的建设应用已从安全防护角度逐步延伸到了智慧城市大数据安全基础全生命周期中，在目前各地开建的雪亮工程、天网工程等项目中，安全感知网络已从常规的前端设备安全互联、后端平台安全边界设计发展到以智能设备物联网感知大数据、人脸识别深度学习人工智能应用相切换。由此带来的这些应用现状正越来越凸显安防大数据本身的多维度安全防护之重要性。

　　智慧城市已初步整合各领域资源，民生领域数据安全风险加剧。随着居民生活对智能网络依赖性的增长，个人、家庭的生活信息通过物联网全方位暴露，使个人信息泄露风险加剧。例如，智慧社区个人IP、身份、住址的信息泄露，增加了个人遭受金融诈骗的风险。在智慧城市建设的初期，人们普遍缺乏个人信息保护意识，也缺乏安全防护实践，民生领域中信息安全所面临的问题变得更为复杂。

　　新兴技术得到初步应用，城市大数据安全成为重中之重。云计算技术打破城市间信息孤岛，物联网技术使智慧城市建设得到初步落地，大数据技术实现各个系统之间的协同运行，为智慧城市各个环节的运作提供支持。在智慧城市中，很多数据并不是人工提供的，而是依靠探针、物联网设备等联网设备自动收集提取的。在这些数据收集、上传、分享、存储过程中涉及的应用程序、设备、网络以及使用者都是数据的承载者，而应用程序的编码漏洞、设备的管理漏洞、网络的传输协议漏洞，抑或人为恶意操作都将对数据安全带来安全隐患。

　　移动终端和智能应用接入智慧网络，聚集新型数据安全威胁。随着智慧城市的建设和科技的发展，一方面政府部门不断开展公共无线网络建设，另一方面像华为等数家大型通信企业纷纷开展5G研发，而这些正进一步促进移动终端行业的发展。未来的移动终端不仅可以通话、拍照、听音乐、玩游戏，而且可以实现包括定位、信息处理、指纹扫描、身份证扫描、条码扫描、RFID扫描、IC卡扫描以及酒精含量检测等丰富的功能。随着智慧城市的发展，众多企业也看到了移动终端在智慧城市中应用的重要性，移动终端应用产品在智慧城市中百花齐放。大量智能终端设备和传感器接入智慧城市综合网络，产生了复杂的接入环境、多样化的接入方式和数量庞大的接入终端，全面加大了智慧城市系统的接入风险，也聚集了新型的数据安全风险。

　　“大云物移”新技术安全问题不可预期，数据安全防护工作未成体系。“大云物移”等新兴技术在智慧城市建设中的初步应用也随之带来安全问题，除了模糊的网络边界、全面互联的特性、威胁发生时的蝴蝶效应，个人信息与隐私保护的安全威胁等表层显现的安全问题，智慧城市最基础的元素——数据安全防护工作无整体解决方案，一旦出现安全问题，其结果很可能是灾难性的。智慧城市是城市运行和管理的高级信息化应用，为城市的管理人员提供整个城市运行的大数据。随着经济社会运行对这些应用的依赖程度日益增加，承载城市运行管理大数据的信息系统很容易成为网络攻击的目标，导致城市管理信息泄密、数据破坏、信息丢失，对城市的运行和管理造成重大打击，城市日常生活瘫痪或造成重大经济损失。数据在传输、分享和存储的过程中同样面临安全问题，涉及分享渠道、分享范围、数据模糊处理、数据分析利用、数据监管、数据加密、数据存储等环节。

　　大数据是建设未来智慧城市的核心，过去，基础设施和垂直行业应用系统建设取得了一定进展，未来，如要进一步提升整个城市的智慧化水平，就需要在大数据的分析处理和应用方面开展更多的工作。将已有雏形的智慧医疗、智慧交通、智慧家居等分散在不同企业的智慧城市建设内容集中在一个平台上，通过智慧中心来运转是未来必要的发展方向。现代城市建设不仅需要自然资源，更需要信息资源。向智能型方向迈进是现代社会发展的需要，也是城市发展的必然。对城市建设来说，这既是战略选择也是现实要求。建设智慧城市，只有将信息技术、信息资源融合到城市建设的方方面面，才能更好地满足城市建设发展的需要，打破或及时纠正现有智慧城市建设碎片化现象。

　　安防大数据需从碎片化走向系统融合，智慧城市跨区域、跨领域协作将成趋势。“上海的一个路口电线杆上装了几十个探头，但是城市拥堵依然存在。我国开始智慧城市的探索已经8年了，可是没有产生预期的效果。”在由国家发展与改革委员会城市和小城镇改革发展中心举办的中国智慧城市(国际)创新大会上，中国智慧城市发展研究中心秘书长单志广表达了上述担忧。这也说明，目前智慧城市发展中呈现的碎片化现象，也是智慧城市发展的一个阶段，未来需要走向系统集成融合。智慧的本质还是要源自于数据融合、信息共享、业务协同和智能服务。智慧城市核心也是将解决跨部门、跨区域、跨层级、跨系统、跨业态的硬骨头，构建完成全流程、全覆盖、全模式、全响应的智能化管理与服务系统。

在智慧城市建设中，安防大数据正扮演越来越重要的角色，然而，在智慧城市发展过程中的大数据应用、风险分析、安全隐患等问题应受到关注。一个城市的管理和运营需要科学的决策，只有数据支撑才能保证智慧城市的正常运行。城市中的监控视频数据、城市地理信息、交通数据、人口数据以及环境监测数据等被海量传感器日夜不断地收集，各种行业数据数量呈现爆发式增长。智慧城市的发展也打破了部门和部门、行业与行业之间的壁垒，正是因为打破了部门以及行业壁垒，所以才获得了数据资源、掌握了数据财富。可以说，大数据已经遍布智慧城市的方方面面，从政府决策与服务，到人们衣食住行的生活方式，再到城市的产业布局和规划，直到城市的运营和管理方式，都将在大数据支撑下走向“智慧化”，大数据已经成为智慧城市的智慧引擎，智慧城市中的大数据应用、风险分析、安全隐患等问题也应受到社会各界广泛关注和研究。

对于安防大数据来说，从数字城市到平安城市再到当今的智慧城市，以绿色、智能、安全为主题的智慧城市建设正快速发展。监控摄像头分布广泛，安防监控对高清化、智能化、网络化的要求越来越高，数据量也在加大，与此同时，物联网、移动互联网、云计算、大数据等相关产业链也在稳步发展。智慧城市是一个繁杂的、相互影响的体系，可以被认为是城市信息化的高级阶段，必然关涉到信息技术的创新应用。对于网络高清视频监控体系和智能交通系统而言，从全省视频监控、交通卡口监控或运营商机房和基站的环境量监控可见，以前的系统数据查询越来越慢，写入的数据也越来越多，需要配置的存储也越来越大，以前使用的关系型数据库性能压力也越来越大，IO越来越薄弱。安防领域的大数据时代已经到来，任何一个做大安防平台的厂商都不能避开。数据的连续性存储、设备告警的不断出现、人脸识别产生的图片比较、各种环境信号量的实时数据上报，且客户对数据存储要求至少6个月到12个月，甚至有的客户为了便于事后的统计以及分析，要求数据存储2-3年，数据很容易就到达PB级。大数据更侧重帮助各类用户从大量的数据中快速发掘高价值的信息，帮助客户提高其决策的效率以及准确度。这样，大数据的处理好坏就成了客户关注的焦点，大数据的处理技术就成了厂家实力的代表。

安防大数据业务中的视频监控业务是一个典型的数据依赖型业务，依靠数据说话。可以说，大数据和视频监控业务有着非常密切的关系。综合来看，大数据和视频监控业务的关系主要体现在“存”“看”“用”上。典型的网络视频监控数据库存储模型是一个由小溪汇聚河流、再汇聚到水库的蓄水方式。小溪数量增多、水量增大是水库蓄水量的保证，但是传统方式下需水量增大将提升水库建造成本和蓄水安全的要求。而采用分布式蓄水模式，在河流中游建立多个中间蓄水池，不仅可以减少主水库蓄水压力和成本，化整为零也提高了就近用水效率。在大数据技术支撑下，网络视频监控数据存储模型可转向分布式的数据存储体系，提供高效、安全、廉价的存储方式。在视频监控业务中，错看漏看、来不及看是常见的困扰点，大数据监控图像的回溯给许多安防监控管理人员带来了生理和心理的双重挑战，在大量人力投入的公安案件追溯中，都常常听到“看到晕”等感叹，可想而知一般零售业、金融行业等对于视频监控图像的回溯就更困难。在视频监控大数据趋势已经来临之际，依靠人眼去检索、查看所有视频图像数据已经不太现实，通过大数据技术实现视频图像模糊查询、快速检索、准确定位，让“看”变得简单。视频监控业务中，“看”只是信息采集的方式之一，“用”才是业务应用的根本，视频监控业务的效率问题已经成为阻碍产业发展的薄弱环节。针对交通行业的海量数据处理需求，智能交通管理系統可以在海量数据、恶劣网络环境和复杂业务处理情况下，实现大量图片、车辆数据、视频数据的时时网络传输和快速持久化存储。同时对任意站点的图像进行显示，对任意站点的视频进行流畅播放、实时进行比对报警、快速进行多条件检索，并且将各类多媒体数据和车辆数据合二为一。系统实现对目前的城市道路交通中异常行为的智能识别和自动报警等，从而减轻了交管监控人员的工作负担，提高了检测的准确度，使得交通管理工作更高效，比如实时交通状况分析可通过视频实时分析道路交通流量，然后综合分析统计出全城市的交通状况。套牌可通过视频进行车牌识别，按照一定的规则，在全城市中检索相同车牌的汽车，犯罪嫌疑人追查，可通过输入嫌疑人照片进行人脸识别并在所有视频中寻找这个人脸。犯罪嫌疑车辆追查可输入嫌疑车的照片或颜色车型等相关特征在所有视频中进行查找，并绘制起时空轨迹，实现车辆的首次入城分析。

诸如以上的“存，看，用”的应用情况来看，安防大数据的地位作为智慧城市基础架构中的核心层愈发重要。安防大数据数据源多样性、数据类型多态性，数据关系复杂性，数据增量海量化、数据网络多重性。而且随着物联网、互联网的承载交错与安防行业网络，如政务专网、公安网、视频专网等安全等保、出入控制、安全边界的设计对安防大数据提出了更精确的控制性要求，对格式、流量、增量、特征码提取、结构化、非结构化超融合都提出了新的要求，结合安防大数据的实战性要求特点，各类场景模块、技战法、专题库、主题应用更加深化。

诸如以上的“存，看，用”的应用情况来看，安防大数据的地位作为智慧城市基础架构中的核心层愈发重要。安防大数据数据源多样性、数据类型多态性，数据关系复杂性，数据增量海量化、数据网络多重性。而且随着物联网、互联网的承载交错与安防行业网络，如政务专网、公安网、视频专网等安全等保、出入控制、安全边界的设计对安防大数据提出了更精确的控制性要求，对格式、流量、增量、特征码提取、结构化、非结构化超融合都提出了新的要求，结合安防大数据的实战性要求特点，各类场景模块、技战法、专题库、主题应用更加深化。深化应用中安防大数据在智慧城市建设实施中各种疑难也接踵而至。

数据整合问题。不同来源的大数据，分别存储于相互独立的系统中，将这些数据集中于统一的平台，是安防大数据实施的基础性工作，但行业、部门壁垒是最大障碍。即使只是公安内部的视频数据，各省、地市也互不相通，想采集集中也不是一件容易的事。即使集中后，如何找到这些不同类型数据之间的关系，从而挖掘出有价值的数据，也是难点。

数据挖掘、分析算法的成熟度问题。对于安防数据中最重要的视频数据，对其进行智能视频分析和挖掘是很困难的事情。目前，除了车牌识别、人数统计等算法较为成熟外，对视频进行事件分析、人脸识别、摘要等技术都还没达到大规模的商用水平，这也极大地制约了安防大数据的实施。

时效性问题。安防大数据的目的之一就是要解决现有安防系统内以事后查看、分析为主的数据(特别是视频数据)应用形式，还要增加以事前预警、实时处理，这对大数据处理技术的实时性要求很高。这种时效性就决定了视频安防大数据的高运算量、高传输带宽的要求。

信息安全与用户隐私问题。安防行业，特别是公安行业对数据的安全性要求非常高，这也是造成数据的区域隔离的重要原因。同时，在利用安防大数据上，如何保护用户的隐私，也是一个非常重要的课题，目前主要采用数据脱敏的办法。当务之急就是将安防数据安全级别需要有明确的分级定义，不能一味强调安全而各自封闭，否则必将导致安防大数据分析成为无源之水。

视频图像数据挖掘的难点。识别什么特征？一副图像或者一段视频可以有无数角度的标签属性去描述，什么才是我们需要的属性？这与我们需要得到的目的密切相关，这就需要公安图像侦察的人才来归纳终结。识别算法开发难，由于是平面图像，因此特征的识别主要原理就是看图像区域中的轮廓、颜色、纹理与特征库进行比较。但是在同一个物体在不同监控角度的摄像头中显示出的轮廓都不相同，因此无法做到识别。大规模数据处理难，即使做到了识别算法，但是如果要通过数据处理服务器的形式对大规模的视频进行结构化处理，这个建造成本巨大，其能源的耗费在中国这个夏季需要限电的情况里也不切实际。

以安防大数据中的典型应用警务服务平台大数据为例，安防大数据实施的难点如下：如何将不同报警运营服务商之间的数据整合在一起？我国多数报警运营网络尚未完成规模化建设，用户规模大、跨省市运营的网络很少，每家报警运营服务商的警情并发量不大，而且报警运营服务商之间普遍存在信息孤岛，很难通过大数据分析实现数据的增值。大数据的挖掘是一个长期的过程，需要企业不断的尝试，挖掘出有意义的信息或规律，并将结果拿到市场上检验。大数据自身也面临着挑战，数据的运用仍面临多种技术难关的束缚，大数据方面的人才比较缺乏，大数据的产品尚不成熟等问题都制约着大数据在报警运营服务领域的发展。

安防大数据在公安行业，大数据应用无处不存，下面简单介绍一下大数据应用在公安行业几个业务体现。第一是稽查布控业务。当案件发生后，需要对嫌疑车辆进行稽查布控，一般采用布控车牌号，通过系统比对卡口车辆信息进行识别，但这种方式存在问题。当布控车辆从某个卡口经过时，拦截人员通常不在现场，等到拦截人员赶到现场时，嫌疑车辆早已逃之夭夭，从而失去布控的意义。对于这种情况，可实现移动警务、GIS系统有效关联，通过在GIS系统中绘制嫌疑车辆逃跑路线和防控识别圈，可大大提高拦截效率；第二是车辆落脚点分析业务。随着城市的快速发展，城市越来越大，路网也越来越复杂，为迅速逃脱公安机关的抓捕，很多犯罪分子避开城区主干道(一般来说，城区主干道都装有电子卡口)，逃窜到人员比较多的小区或偏僻区域。大华股份通过建设云卡口，通过视频实现卡口相机功能，对海量数据进行云卡口识别，结合GIS系统，将嫌疑车辆轨迹描绘出来，大大提高公安办案效率。第三是伴随车辆分析。由于公众安全防范意识的不断提高，犯罪分子独立实施犯罪行为的成功率大大降低，因此，新时期的犯罪行为，开始表现为团伙作案。在踩点和作案时，犯罪团伙通常会使用多辆汽车，以提高成功率。从卡口系统的角度看，团伙作案具体表现为多辆车同时出没于特定卡口覆盖范围，利用该特征，我们可以从海量的卡口车辆数据中，提取满足特定条件(如车辆行进路线、车辆通行间隔时间、跟车数量以及分析起止时间范围等)的车辆，提高案件侦破效率。此外，在公安行业还有基于人脸识别的人脸卡口、视频摘要等安防大数据应用。

安防大数据在交通领域也是应用较多的行业，安防大数据的交通数据中，物联网+互联网的网络承载让安防大数据在预测、预判、预警中大展拳脚。比如时间计算场景。由于电子狗的大量使用，不少驾驶员在通过卡口时，会主动降低速度，一旦离开卡口覆盖范围，又会迅速提高速度，超速行驶。传统的单点测度无法发现这种超速行为，利用区间测速便可快速检测违章行为，且可减少区域卡口数量，节省建设成本。而当发现相同车牌在相距较远卡口同时出现时，还可检测分析出“套牌车辆”，并可通知相关人员进行拦截追捕。第二是交通流量分析。对于交通流量的检测，传统方式是通过地磁、微波检测完成的，但这种检测只能检测车辆数量，却无法检测相关车牌号，这就限制了传统流量分析的应用场景，智能对单一路段进行分析，无法形成全局的流量分析。而卡口系统记录了车辆号码、车身颜色、车型等更多详细信息，基于卡口系统的流量分析，不仅可计算出城市各小区机动车数量分布，指导出行目的地分析、出行路线分析等应用，而且能够根据车辆流量信息找出城市热点区域，为交管部门提供参考，更好地优化路网机制，规划更为合理的路网参数。此外，还可通过智能分析系统，对卡口数据进行深层次分析与挖掘，不仅识别车辆车牌号，而且实现对车辆品牌、车辆型号、是否粘贴年检标识、驾驶员是否系安全带、是否驾驶时拨打电话等一些行为状态识别，从而进一步规范车辆达标和安全驾驶行为。在这些案例中其深化应用都具备如下几个特点：

1、海量非结构化数据存储。相较于其他行业，安防非结构化的数据存储压力不断增大，一方面源于视频、图片等非结构化数据本身容量，另一方面源于安防数据规模的不断扩大，安防大数据存储对系统设备提出了更高挑战，如何在满足需求的前提下，删除重复数据、降低存储硬件成本投资成为海量数据存储的一个难题。

2、数据共享。大数据需要通过快速的采集、发现和分析，从大量化、多类别的数据中提取价值。安防大数据时代最显著的特征就是海量和非结构化数据共享，用以提高数据处理能力。而海量数据存储在不同系统、不同区域、不同节点、不同设备中，这给数据的传输和共享带来极大的挑战：

3、数据安全。视频监控数据具有私密性高、保密性强等特点，不仅是事后追查的依据，而且更是后续数据分析挖掘的基础。因此，数据安全一方面体现在数据不受外界入侵或非法获取，另一方面体现在庞大数据系统的鲁棒性、体系容错机制，确保硬件在发生故障时其数据可以恢复，可以继续保存。面对海量数据的存储、共享、硬件和软件设备承载的极大风险，如何构建大型、海量视频监控存储系统、数据分析系统以及容错冗余机制是安防行业面临的重大考验；

4、数据利用。安防监控虽然数据量很大，但真正有用的信息并不多。安防数据的有效性分为两个方面，一方面有效信息可能只分布在一个较短的时间段内，根据统计学原理，信息呈现“幂率”分布，往往越高密度的信息对客户价值越大；另一方面，数据的有效性体现在深层次挖掘庞大的海量数据，关联得出有效信息。视频监控业务网络化、大联网后，网内的设备越来越多，利用网内的闲置资源，实现资源的最大化利用，关乎运算的效率。在视频监控领域，往往视频分析的效率决定价值，更低的延迟、更准确的分析往往是客户的普遍需求。如何对海量的视频数据进行分析检索也对行业提出更大的挑战。

5、缺乏统一标准。国内安防行业经历十几年的快速发展，在此发展过程中，平安城市建设表现卓越，在安防应用中也一直走在前列，国内平安城市系统的建设也不断推动着国内安防技术和安防厂商的发展。在平安城市项目的建设过程中，由于参与的安防厂家众多，不同项目、不同系统甚至同一系统采用的设备厂商也不尽相同，为了更好的兼容各厂商产品，整个安防行业和政府也制定了一些标准，如ONVIF协议、GB28181协议以及各个地方省市发布的一些标准。

新一轮的智慧城市正在紧锣密鼓地进行着，相对平安城市相对“简单”的治安监控，智慧城市要求数据共享，跨区域视频联网监控、监控资源整合与共享以及政府各部门之间的视频监控资源共享等等。但是不同的地方城市，不同的行业类别，不同的管理方式都会有不同的监控系统方案，数据融合或者共享兼容性问题更多，对整个系统建设是重大考验。平安城市系统面向的是安防行业设备与系统的兼容问题，随着各种行标、地标的制定，各种问题基本得以解决；而智慧城市系统不仅仅是安防系统的整合，而是多个行业系统的集成应用，因缺乏统一标准带来的复杂性可想而知。庆幸的是国家目前已经发布智慧城市建设的各种标准，而相关企业也在不断规范自身系统的兼容性和开放性。

大数据是将来发展趋势，中国很多企业现在都在做大数据业务，但真正将大数据的挖掘和应用落到实处，转变为商业模式的企业还是很少，目前很多大数据概念都是噱头，而安防企业需要做的，便是积极加强内功，提高研发能力，加强技术储备，应对更大数据量带来的冲击。后期安防厂家会进行分化，一部分传统安防厂家更加专注于传统安防领域继续深耕，专注于产品和技术，另一部分安防厂家会向大安防集成平台转变，专注于业务整合和数据分析处理，大数据的特点就是数据量多且大，这就使得存储的管理面临着挑战，这个问题就需要新的技术来解决，分布式存储技术将作为未来解决大数据存储的重要技术。分布式存储系统解决了传统存储方式的存储性能瓶颈问题，它采用可扩展的系统结构，利用多台存储服务器分担存储负荷，利用位置服务器定位存储信息，它不但提高了系统的可靠性、可用性和存取效率，还易于扩展。随着数据的价值越来越重要，大数据的安全稳定也将会逐渐被重视，大数据不断增长，无论对数据存储的物理安全还是对数据的管理方式都要求对数据的多副本和高可用机制提出更高的要求。

在安防大数据的发展中，我们已经见识到了安防云计算的基础架构云、平台云、服务云、通讯云、视频云、在2018年各大安防企业和互联网企业、软件企业都聚焦在大数据即服务的构建中，实现数据云。安防大数据价值逐渐被发展，安防大数据将成为企业发展的核心。而智慧城市建设实现了相关部门、行业、群体、系统之间的数据融合、信息共享，从而形成海量数据。对于海量数据的管理，将建立分级分类体系，数据信息一般被分为敏感信息和公开信息，将来，数据的分级分类可按安全属性进行，包括对用户权益的影响程度、信息关联度、数据泄露对机构或个人造成不良社会影响的程度等。同时，智慧城市数据的分类分级还应注意优先隐私保护、加强业务保障、关注数据稳定性等原则。对不同级别的数据进行同时处理、应用时，应按照其中级别最高的要求来实施保护;对于非敏感数据关联后可能产生敏感数据的情况，要充分预判发生场景，关联后产生数据对应的级别应高于原始数据。同时，从国家层面应在数据采集、传输、应用等环节建立端对端的数据安全保障体系，在数据资源相关的规范管理方面做好立法保护工作，推进政府数据开放、交换访问接口、安全保密等共享标准的制定。大数据将给我们的市场带来广泛的发展机会，是非常有前景的，也是值得大家重视的一个市场。各行业的客户和开发商应该在大数据市场抓住发展的机遇，借助自己的优势创造更多的价值，在未来激烈的市场竞争中借助大数据走得更远。