最后，面对结构化数据、非结构化数据、半结构化等元数据的处理机制，云存储管理可以实现自动化和智能化，所有的存储资源被整合到一起，客户看到的是单一存储空间，提高了存储效率;云存储能够实现规模效应和弹性扩展，降低运营成本，避免资源浪费。受限于安防视频监控自身业务的特点，监控云存储和现有互联网云计算模型会有区别，如安防用户倾向于视频信息存储在本地、政府视频监控应用比较敏感、视频信息的隐私问题、视频监控对网络带宽消耗较大等问题。海量数据存储的检索、目录服务、去重化都将在以大数据牵动的存储应用中，给存储产业带来新的发展机遇。

　　三.应用及推广过程中的挑战

　　云计算和大数据在应用和推广过程中仍然会面临一系列技术难关的攻克和体系的建立。比如视频监控行业中最为关注的：

　　安防行业的大数据目前主要来源于智慧城市和智能交通等大型安防项目。例如，2011年全球两天的数据就高达1.8ZB，相当于文明起始到21世纪初全部的数据总和;2013年中国某一线城市一个季度产生的数据总量也在200PB。当前，智慧城市建设已成为地方政府推进城镇化发展的重要途径，而随着智慧城市的发展，对高清摄像机和智能化监控设备的需求会持续增长，智能交通行业将成为十二五政府投资的重点领域，这将使未来几年视频监控行业仍保持高景气度。此外随着智能家居、民用安防的普及，更多的用户会通过移动设备监看视频，于此同时会有更多的移动互联数据产生。2012年全国就拥有3.88亿移动互联网用户，预计2015年互联设备将达到150亿，2020年互联设备将达到2000亿。数据10倍速的增长，在带来巨大机遇的同时，也带来了很大的挑战。

　　按照IT产业的法则：在满足客户需求的前提之下，往往技术成本越低，其生命力往往越强。由于数据量的急速扩大，以及随之而来的大规模计算的需求越来越多，一味采用高配硬件，使得硬件投资成为客户不可承受之重。如何在满足需求的前提下，删除重复数据、降低硬件成本投资将成为海量非结构化数据存储的一个难题。

　　视频浓缩检索技术，主要是利用图像处理(包括视频浓缩、摘要、复原等)、模式识别、海量数据分类存储以及搜索等技术，对海量的存储录像等原始信息进行分析和挖掘，对于目标特征、目标行为、目标间关联关系这三大类信息内容，形成各种分类的特征信息库、元数据和索引等，并提供统一接口供外部应用进行搜索，以期通过有限的线索，达到案件快速关联和定位。

　　视频图像信息库建设，目前应用比较广泛的是卡口和电警的应用。由于车牌识别技术的日趋成熟，通过车牌、车牌颜色、车身、车身颜色、车辆类型等特征识别，把车辆图片、车辆信息、车主信息、盗抢车辆库等结合起来，可以有效的进行车辆的查找、布控和案件线索搜索。

　　海量数据的处理、分析、检索和视频智能分析技术，把海量的视频数据进行浓缩、提取特征摘要、减少了存储空间。如1小时的视频录像，通过特征值方式的视频浓缩，可以把录像压缩到10分钟左右。同时，视频图像信息库有别于传统的关系数据库模型，针对结构化，半结构化和非结构化数据，通过数据的多个副本分布式保存方式，可以有效节约存储空间，关键数据的二次备份，使系统架构更加稳定和可扩展，并且提供安全的负载均衡和容错机制。

　　四.前景展望

　　云计算和大数据应用未来势必对安防行业有深刻的改变和影响。尤其在智慧城市行业和交通行业。交通方面海量数据处理需求，智能交通管理系统可以在海量数据、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，提高了监测的准确度，使得交通管理工作更高效。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**可通过视频进行车牌识别，按照一定的规则(如最近时间内一定距离以外)在全城市中检索相同车牌的汽车。

　　智慧城市方面公安部门可以利用相关技术进行犯罪嫌疑人追查，可通过输入嫌疑人照片进行人脸特征识别并在所有视频中寻找该人脸;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寻找;人车物的轨迹分析即在所有视频中按照特征查找指定的人车物并绘制其时空轨迹;车辆的首次入城分析等等。

　　结语

　　高清化、网络化和智能化的安防行业在新的纪元中，虽然会面临这样那样的问题，但是我相信随着云计算和大数据应用技术的成熟和完善，行业势必会更快速的发展。云时代的到来已为我们指明了方向，云计算和大数据技术就像是打开未知世界之门的钥匙，让我们可以更加经济的进行系统建设，更加高效的进行数据分析，更加有力的推动社会的进步和发展。