視頻監控已經不再是以前那樣，幾個攝像頭連到大樓保安室，只有進入這個神秘的房間才能一窺究竟。實際上，監控攝像頭已經成為了智能終端，有網口、能控制甚至可接雙向音頻，攝像頭的互聯已經成為趨勢。

　　例如公共視頻，已經從一個城市內的互聯，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。而另一端，這些數據又被包裝成各種公共應用向公眾開放，看看媒體里充斥著多少手機可實時查看城市道路交通視頻的新聞。

　　除了公共視頻，無數私有視頻也在形成私有云，分支龐大的連鎖超市、連鎖酒店、物流公司、金融機構甚至工業生產線，無數端點的數據正在向云匯集。而不少國家也要求私有視頻數據也要定向開放，可被調用和操作。

　　這正是與互聯網不同的物聯云網絡，從感知到互聯到應用，只不過這個感知是用無數的“眼睛”看世界。

　　視頻大數據的價值還未發掘

　　一般看來，視頻的冗余數據太多，只有發生了突發事件才會回看記錄，所以大部分視頻數據的存儲很短，超過一周的少之又少。而另一方面，由于數據讀寫要求高，云端存儲極為昂貴(幾千元1TB)，所以絕大部分數據都是存在前端。

　　視頻智能分析的初衷就是要解決冗余數據的問題，把人從枯燥的監控中解放出來，幫助人更好的眼觀六路。所謂智能的核心就是目標識別和行為分析，按照應用的要求設定規則，當視頻中的信息符合規則時才進行告警和記錄，常見的應用包括入侵檢測、周界告警、車輛識別、交通違法監控等。

　　不過視頻監控數據必定能成為下一個大數據的寶庫。一方面，它具備了典型的大數據4V特征，數據量巨大、多樣化、表面上無序、但暗含著無數人和物的行為。另一方面，它是真實世界的寫照，這與互聯網獲得的大數據有很大不同，真實世界蘊含了無數難以用格式化文字表達的信息，比如人通過視覺可以快速形成判斷，一個地方是繁榮還是衰退，氣氛是緊張還是歡快。

　　當然，前提是，存儲成本能降下來，數據處理能力能升上去。

　　潛力巨大的應用

　　比如對于一個商場，除了對安防的需求之外，對視頻數據的二次挖掘，可以搜集顧客的性別、年齡、穿著信息，可以統計顧客的購物路徑、停留模式、聚集熱點，甚至可以二次或者多次回頭率、到店周期等。這類似于網站訪問分析，能為商場的優化提供基礎數據。如果是連鎖型企業，還能結合多店的數據，獲得區域性甚至全國性的數據。

　　同樣放大到一個城市，每個街道的人流數據、車流數據都在其中，這些數據整體匯集起來，就是一個城市的人車分布圖，靜態的如不同區域人的特征、車的特征，動態的如人車的路徑、停留模式，這對城市的規劃和管理都極有價值。

　　如果再結合到時間線，從無數攝像頭收集到的信息，還可以看出一個國家、一個區域、一個城市的變化，如同《大數據》里所言，甚至可以預測趨勢，比如是否更多的店鋪在新裝修開張還是更多的歇業，是更多的飯店還是更多的服裝店等，這些變化匯集起來我們可以看到人口的變化、經濟的趨勢、潮流的趨勢、自然環境的變化甚至人的快樂和緊張程度。

　　這不是天方夜譚，現在的技術已經完全做到。一方面高清攝像機的普及，視頻信息質量更加優良;另一方面，智能分析的水平已經相當的高，對物品的識別和分離、對人臉的識別、對顏色文字數字的識別、對物體變化的分析甚至還有暴力行為的監測。

　　但要實現這種意義上的數據挖掘，需要進行大量元數據的記錄，甚至是與監控目的無關的元數據，要多維度的進行分析，需要海量的數據匯集存儲和超大規模的數據處理，最后還需要基于位置和時間的進行關聯性分析整合，這巨大的資源和成本耗費是打開大數據之門的障礙。