随着云时代的来临，大数据也吸引了越来越多的关注。进入2012年，大数据一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。

　　在大数据时代里，随着安防监控的快速发展，大数据与视频监控技术的结合也越来越深入，目前，大数据对安防监控数据处理能力的要求在六个应用中有具体体现，无论图像升级还是识别方式升级，其最终是在高清的基础上进一步突出了智能监控的作用。关于智能、关于高清，仍然有许多技术应用值得我们去挖掘。

　　低照度环境不利于成像图像增加技术弥补缺陷

　　低照度环境下监控摄像机成像一片漆黑或者一片白，显然在低光照环境下，图像增加技术应该来弥补缺陷。

　　正如业内分析得出，图像增强算法可以有效改善由于光照、雾气等原因造成的图像质量问题，使图像细节明显改善。简单理解这就是一种图像优化技术。除了图像增强外，还有一种图像复原技术也特别适用于夜视监控，只不过这种捕捉环境更具有针对性。

　　图像复原技术更适合捕捉快速移动的物体，例如行驶中的汽车。如果要正确、完整地捕捉车牌信息。聚焦、运动等原因造成图像模糊的过程进行建模，利用解卷积算法反推原始图像信息的算法，能部分恢复车牌文字、人脸等关键信息。

　　例如抓拍车牌包括以下几项信息：最重要的是车牌号码、车牌颜色、字母、文字等，特别是针对易混淆的数字“0”和字母“Q”等，处理系统还需要特别对待。当然有些监控探头不仅捕捉车牌信息，连带测速功能也一同植入，这对于司机朋友来说绝对是个“雷”。

　　监控系统滞后浓缩播放应运而生

　　在监控摄像机未能植入智能分析模块时，大多探头都只具备基本的录像功能。而在处理突发事件时，监控系统往往具有滞后性。例如警察需要调取一周内的视频资料，且不说这些视频数据量有多少，如果一分钟一分钟地看，也要花费不少时间。未来能够在海量的视频信息中提取关键数据信息，浓缩播放应运而生。

　　浓缩播放从字面上理解为快速浏览录像信息。但实际应用中视频系统又是如何做的呢？首先对视频进行浓缩生成摘要，设立原始图像；然后将数小时视频片段压缩成数分钟的浓缩视频；再次将视频中出现在不同时间点上的目标叠加在同一画面中；最后根据其出现的不同时间点进行播放并区分标注。这种浓缩播放、快速提炼有效信息，大大提高了查找效率。

　　人脸检索确认速度快解决问题多

　　与人脸识别不同的是，人脸检索是提供需要检索人员的面部图像信息，到庞大的数据库中进行检索，通过人脸库检索对比找到样貌相似人物，从而在进行判定。这是一种常见的快速确认身份的办法。

　　人脸检索对常住人口库、重点人员库、吸毒人员库等进行检索，快速确认身份。对在逃人员库进行检索，实现串并案分析。另外，还可以对身份证、暂住证、户籍证等进行分析对比，查找一人多证等问题。

　　新型人脸人体分析实现自动抓拍

　　除了人脸检索外，我们熟悉的还有人脸识别。但是，现在有一种人脸识别方式更为智能，其识别不仅包括人脸，还包括了一些人体属性。例如被捕捉到的人性别、年龄段、身高及是否佩戴眼镜。如此详细的人脸识别将进一步定位待检索人员。

　　人脸人体属性分析是通过人脸抓拍机，实现对人脸的自动抓拍。结合双目立体视觉技术实现人体属性特征的提取，而这些特征正是上述笔者所举例的那些。这种人体属性分析大多应用在公安机关排查可疑人口，或针对人流量较大的商场商圈商业分析等。

　　三维立体识别更智能判断状态及时预警

　　与传统的人脸识别相比，三维立体识别更显智能。通过这种立体式识别检测方式可以检查屋内是否有人及人员数量；此外还可以定位跟踪屋内人员活动路径；更为智能的是，可通过智能分析判定人员处于站立还是倒地状态，进行及时预警。这种立体识别适用于小空间室内场景，路监狱审讯室、金库场景等。

　　图像复原技术适用于车牌识别

　　开始处介绍了关于图像复原技术，特别适用于车牌识别。往往有些狡猾的犯罪分子，可能会使用假车牌，这情况给破案带来很大麻烦。法网恢恢疏而不漏，不给犯罪分子可乘之机，新型车脸检索功能可判断嫌疑人是否修改或更换号牌，车脸检索同样是输入样例图片，找出相似车辆及车牌号码，实现快速检索的功能。

　　总结

　　在智慧城市、平安城市大的发展潮流下，人们对于自己居住的环境要求也逐渐提升，不少消费者开始关注家庭级安防产品，一方面是应对用户日渐苛刻的需求，而另一方面也是减少人工支出成本，安防监控领域逐渐向智能化转变。当越来越多的地方普及监控设施，越来越多的地方普及高清监控，随之而来的就是海量数据信息及复杂的视频检索。如何在安防大数据中找到最核心信息，智能监控对大数据提出了更多挑战。