IP智能视频监控发展至今,给视频监控行业带来了翻天覆地的变化,给视频监控行业注入了无比强劲的生命力。视频监控的建设从此不再局限在一层楼、一个园区,视频监控突破了地域、空间、规模的限制。可以说,现在有网络的地方,就有视频监控。视频监控的部署规模也从几十路飞速扩展为几百、几千、几万路;部署模式也从小独立发展为大联网。

建设规模的迅速扩展的同时,也带来一系列的问题。海量数据怎么传输、怎么显示、怎么存储、怎么管理、怎么提取?于是智能监控应运而生。在有的人看来,智能监控就是智能分析,在我看来这是一个误区。且不说智能分析现在还在技术发展的初级阶段,其准确度、实用性为人所诟病。即使有一天发展到足够成熟,智能分析也只能解决海量数据的提取,其他的一系列问题依然无法得到改善。因此我认为任何一个单独的监控平台功能对于海量监控数据带来的问题,都只能起到很小的改善而且往往解决一个问题却带来一个新的问题。只有以系统化的智能技术,才能更好的改善和解决这些矛盾。接下来就探讨一下海量视频数据带来的问题和H3CIMOS智能监控平台用系统化的智能技术带来的解决之道。

问题一:如何有效地监控

现在的视频监控,动辄数百上千路,客户端和监视器最多几十台,监控人员要遍历所有图像成为不可能完成的任务。特别是高清时代的到来,用高清监视器,成本高的吓人;用PC机客户端,PC机性能是个瓶颈,一个客户端能看几路720P、1080P的图像?三四路而已,客户端的多分屏基本成了摆设。

智能监控平台,通过系统化的智能视频技术,很好的解决了这一系列问题。整个智能视频技术系统由几个关键技术和功能组成:虚拟资源、群组预案、智能分析、联动预案、视频智能处理。通过这一系列技术,突出有效信息,提高监视效率,提高解码资源损耗。

虚拟资源,通过权限控制、资源分配等一系列功能,将大量的摄像机图像资源分组,让监控人员做针对性监管。对于某个监控人员来说,成千上万的摄像机就缩减成了数十数百路监控对象。数十数百路图像的监视,对于监控人员个体来说,保持有效的监视,工作量依然很高。于是通过群组预案,对摄像机图像和监视器、监控客户端窗格分组配对,并设置切换预案。成批的摄像头能在对应的解码端做批次轮询,大大提高监控视频监视的效率。

通过这两个关键功能,基本把监控人员的工作量降到了最小。可是问题依然存在。因为没有人能长时间保持高度集中的注意力,监控人员总会有遗漏。于是再用只能分析和联动预案这两个技术功能查缺补漏,保障关键图像不被遗漏。

通过前面的介绍,我们可以看到,监控人员的效率和有效性是和同时监看的路数有关。在合理范围内,同时监控的路数越多,效率越高。由于高清图像对PC机性能的极大消耗,一个客户端能解高清图像的数量很少。而实际上,在多分屏模式下,任意一路图像的播放效果却远没有达到高清效果。IMOS智能监控平台,通过视频智能处理技术,在多分屏情况下,自动从监控高清前端调用低码流低分辨率的标清图像,在单路解码时自动切换为高码率的高清图像。从而大大降低解码损耗,提升解码效率。

问题二:如何保障录像数

据的完整性和安全性视频监控的最大价值在于及时发现和事后取证。

事后取证的关键在于录像怎样完整的存储。IP智能视频监控有强大的录像功能,看起来像一个巨人。问题在于,IP监控录像,从前端编码到最后存储完成,要经过网络传输、存储管理服务器、存储设备、硬盘写入多个环节,任何一个环节都将成为这个“巨人”的软肋。

因此,一个成熟的IP智能监控平台,就要求在录像数据传输、管理的所有环节都要做到尽善尽美。没有人能保证硬件永不出问题,这就要求IP智能监控平台拥有完善的录像数据处理技术。针对这些问题,H3CIMOS智能监控平台推出了多维智能存储系统。多维智能存储系统,通过缓存补录、iSCSI块直存、N+M备份、MAS等技术,大大增强录像存储各个环节的健壮性。采用编码设备前端缓存、自动补录技术一旦网络恢复,缓存中的录像数据会自动补录到中心存储,很好的解决了网络故障时录像数据丢失的问题。

在视频监控系统中采用iSCSI块直存技术

该技术是多维智能存储系统的核心技术。iSCSI块直存技术的成熟应用,很好得解决了普通IP视频监控海量录像存储遇到的一系列问题。首先,相对于普通文件存储大大提高了效率,所有录像数据以数据块存储、以数据块读取,减少了文件打包、文件解包所带来的性能损耗;其次,由于文件存储本身是把录像视频数据打包为一个一个完整的视频文件,可以直接被下载、拷贝、播放。而采用iSCSI技术,则保存的都是裸数据块,因此无法直接下载、拷贝、播放,大大提高了录像数据的安全性,避免录像数据被非法传播、非法使用。最重要的是,iSCSI块直存,视频数据直接从前端编码设备直存入IPSAN,不经过任何服务器的处理、转发,在大大提高效率的同时,还彻底解决了监控平台服务器故障导致的录像数据丢失的问题。

存储设备N+M备份技术的应用

我们知道,存储设备整机故障,对于IP监控平台来说是灾难性的,会导致很多监控前端录像的丢失。而常规的多份存储技术,虽然解决了这个问题,但是由于需要常规情况下两倍或多倍数量的存储设备,极大的提高了IP视频监控平台的建设成本。N+M备份技术只需要为N台主用存储设备建设少量的备份用存储设备,一旦主用存储设备故障,录像自动存储到备用设备。因此N+M备份技术不仅很好的解决了问题,还大大节省了建设成本。

MAS存储优化技术

MAS存储优化由一系列优化算法组成,包括:Cache优化、RAID重建算法优化、RAID防磁盘误踢优化算法、RAID5优化算法等等,大大提高了监控硬盘、阵列组的安全性和效率。

问题三:如何让录像数据信息化

我们知道,录像数据是海量数据,而在海量数据中,真正有用的录像却很少。可以说一个监控平台,只有不超过1%的录像数据是有效信息。一旦需要事后取证,查找有效信息需要大量的人力大海捞针。这就要求智能监控平台具备录像可快速定位、有效归档、方便查看等能力。H3CIMOS智能监控平台,通过录像智能取证系统,提供一系列录像智能提取技术、功能,大大提高了有效利用录像信息的效率。实际上智能取证系统的核心技术还是iSCSI块直存。

录像等分定位技术的应用

将某段录像自动按时间等分并同步播放,极大的提高有效录像信息定位的效率。

试想,一段24小时的录像,只要做两次24等分定位,就可以等分为150秒的录像。使我们的监控人员只需要在两三分钟内就能查找到这一天内的有效录像信息。正是因为iSCSI块直存技术,才能保障任何时长的录像数据可以被精确的等分定位,误差率要远远低于通常的文件存储。

录像归档技术的应用

录像归档分为两部分:录像数据归档和录像情报信息归档。录像数据归档由录像备份完成,不仅有手动、计划等常规备份功能,还有报警联动备份。报警联动备份的应用,通过智能分析或者常规安防报警联动录像备份,实现了有效录像数据归档的智能化,无需人工干预。而录像情报信息归档,则通过对提前的录像有效数据做书签、案例信息描述,使得重要录像可以被反复快速查询、重复利用。

录像综合查看技术的应用

该技术包括录像数据秒级回放、多路同步回放、即时回放、满帧倍速回放等多个功能。多路同步回放可以让监控人员准确的同步播放多路关联监控点的录像,通过周边信息关联,能更好的查找有效录像信息;即时回放,在实时监控时,一旦发生突发情况,能直接回退实况图像,自动切换到录像播放状态。满帧倍速回放,则能保证在多倍数查看录像时能查看到所有视频信息。通常在做多倍数回放时,都是通过跳帧方式来实现,会导致大量视频信息丢失。

问题四:如何控制监控网络流量

探讨完如何有效使用IP智能监控,再来关注如何控制监控网络流量的问题。IP智能监控的组网是一个大课题,监控网络的流量分布存在很大的不可预知性和突发性。IP智能监控平台通常采用单播组网、流媒体组网方案。这种方案存在两大致命问题:流媒体服务器单点瓶颈和流媒体服务器所在网络节点流量高度集中问题。实际上这两个问题可以用同一个技术解决―组播技术。我们知道流媒体服务器最大的作用是媒体流复制分发,而现在大部分交换机本身具备的组播复制本身就实现了这个功能,而且组播复制在多路并发时,流量被分布在解码设备所在边缘交换机端口,不会出现某个网络节点流量高度集中的问题。所以常规的流媒体技术,不仅浪费了资源还给组网带来了很大的问题。

当然,流媒体服务器并不是没用的,要看怎么用。在一个监控网络里,可能存在部分陈旧、低端的网络设备不支持组播功能,无法实现全网组播。这时候在流媒体服务器上通过组播转换技术,将组播转换为单播,为这些网络设备下的客户端和解码设备提供实况监控流服务,则可以解决这个问题。但是只要使用流媒体服务器,就可能导致流媒体服务器周边网络的流量剧增。往往前端编码设备和解码端就在同一网络,却需要视频流从网络边缘到中心流媒体服务器再到网络边缘绕一大圈,大大增加了干线网络的流量压力。如果在每个解码端的网络近端都部署流媒体服务器,则会大大增加建设成本。

通过智能路由技术,很好的解决了这个问题。通过智能路由技术,使得解码端首先从近端编码设备直接获取视频流,然后选择从网络路径最近的流媒体服务器获取视频流,最后才选择从网络路径较远的流媒体服务器获取视频流。从而保证网络流量分布的最优化。

小结

列举了这么多问题,介绍了这么多解决之道。

我相信这个行业

免责声明:本文来源于中国安防协会。本站旨在介绍更多的安防监控行业信息,所转载文章仅为作者观点,若有任何疑问或有侵权行为请联系本站处理。

相关文章

联系我们

联系我们

137-137-91963(蒋先生)

售后服务:0755-61500423

在线咨询:点击这里给我发消息

安防监控方案定制OEM开发

产品建议请联系我们>>

加微信

微信号:13713791963

2022042311330054

公众号

公众号:jimeizhihui

2022010515201772

分享本页
返回顶部