关注我们 

中安网微信

ZNV中兴力维|视频内容共享平台的那些事儿

2017-03-14 10:42:44 来源:CPS中安网 责任编辑: violetwen 收藏本文
摘要:共享是当下非常流行的一个词汇。在我们掌握资源不充足的情况下,通过其他资源的拥有者提供有价值的资源和信息形成合力是共享的现实目的。视频内容共享平台(以下称共享平台)大致位于PAAS层,其必然以视频为核心共享资源,以数据为主要接入领域,以共享为核心精神理念,突出了能力开放,并且可以内嵌数据碰撞技术。

    【CPS中安网 cps.com.cn】 共享是当下非常流行的一个词汇。在我们掌握资源不充足的情况下,通过其他资源的拥有者提供有价值的资源和信息形成合力是共享的现实目的。视频内容共享平台(以下称共享平台)大致位于PAAS层,其必然以视频为核心共享资源,以数据为主要接入领域,以共享为核心精神理念,突出了能力开放,并且可以内嵌数据碰撞技术。

  共享平台的任务应该是将资源分门别类地管理起来,将获取的非视频类数据存入数据湖进行存储、碰撞和关联,并且提供能力开放中间件,针对各种应用场景提供最大限度的开放能力特别是视频和数据能力,有效地降低SAAS层业务软件的开发门槛。

  传统的共享平台,其着重点在“平台”,因此其产品多是类似某某系统某某客户端这样的看得见摸得着的东西。本文中提到的共享平台,其着重点在“共享”,其产品是服务和能力而不是具体的客户端或者某某系统。具体呈现等这些可见化产品可以由第三方来完成。

  数据共享存在的问题

  异构排他

  在不同厂家的数据平台建设中,由于各个厂家内行的运行机制和报文协议的差异,导致两两不同厂家的数据平台往往不能直接互通,我们称这种现象为“异构排他”。在这种环境下,无论是交互的报文还是流转的数据,必须通过修正才能无缝地衔接到另一方的平台中从而实现单向共享。

  组网复杂

  在智慧城市领域组网情况较为复杂,尤其是政务办公系统和平安城市系统,其网络环境包括视频专网、视频内网、政府政务办公网、互联网等。两两单位之间的互传,往往要跨越数个网络环境,而中间也必然包含了网闸、安全接入平台、NAT服务器等多种网络设备,在向公众发布数据资源的时候还要考虑CDN的影响。

  所有这些,构成了复杂组网情况下资源互通的通路性障碍。尤其是在处理视频、交警过车等大流量数据的时候,需要对每种组网情况进行数据的针对性包装,并且在交互的时候要根据每种网络设备的情况进行特定的交互处理。

  海量数据

  智慧城市领域中的数据是包罗万象的,其中交通领域的过车信息、公安领域的视频监控都是海量的数据。这些数据动辄以亿条/TB为单位,他们的传输、存储、管理等都面临着空前的压力和困难。

  稳定性传导

  不同厂家的产品其稳定性、使用性、兼容性参差不齐,在数据资源的供给侧,如果数据生产和传输的服务宕机会影响到整个数据链路的传输和稳定,并且最终体现在数据资源的消费侧,这对于数据平台的集成方是一个不可忽视的问题。

  安全控制

  安全控制体现在权限管理、数据加密、入侵检测、反病毒等多个方面。由于异构问题,导致权限兼容性差,未考虑边缘问题等;并且同样由于异构问题,导致核心信息需采用明文传输;在互联网一侧,由于远程过程调用权限甚至服务器权限的开放,导致种种异常主机入侵和非法模块注入的问题。

  你认为的共享平台是这样的?

  共享平台作为PAAS层的平台,提供的是能力和服务,当然也可以基于能力和服务开发具体的SAAS层产品,但不是主业,从这个意义上说,共享平台就是能力开放中间件。以下技术可以使共享平台架构更加合理、安全性更高,兼容性更强,资源分类和提供更加智能化。

  1、综合管理技术

  共享平台集成多种数据资源,必然需要用到综合管理技术。以Activity工作流机制驱动综合管理,可以根据现场不同的业务需求场景自定义工作流模板,表单可以复用,极大地简化了定制开发工作量。ProcessEngine对象和Activity工作流引擎是Activiti工作的核心,负责生成流程运行时的各种实例及数据、监控和管理流程的运行。目前主流的工作流框架还有:JBPM、OSWorkFlow、WorkFlow等,都可以用来改进综合管理的细节。

  2、深度学习和大数据技术

  目前主流的智能分析产品均已采用了深度学习技术。相较于深度学习,浅度学习(例如adaboost算法)是基于统计模型的机器学习算法。利用BP(反向传播)算法让一个人工神经网络模型从大量训练样本中学习统计规律,从而对未知事件做预测。这种基于统计的机器学习方法比起早先基于人工规则的系统,在很多方面显出优越性。这种人工神经网络,虽也被称作多层感知机(Multi-layer Perception),但实际是种只含有一层隐层节点的浅层模型。

  深度学习的实质,是通过构建具有很多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,从而最终提升分类或预测的准确性。因此,“深度模型”是手段,“特征学习”才是目的。

  区别于传统的浅层学习,深度学习的不同在于:1)强调了模型结构的深度,通常有许多层的隐层节点;2)明确突出了特征学习的重要性,也就是说,通过逐层特征变换,将样本在原空间的特征表示变换到一个新特征空间,从而使分类或预测更加容易。与人工规则构造特征的方法相比,利用大数据来学习特征,更能够刻画数据的丰富内在信息。因此深度学习与大数据的结合是共享平台的重要特征。

声明:

凡文章来源标注为"CPS中安网"的文章版权均为本站所有,如需转载请务必注明出处为"CPS中安网",违反者本网将追究相关法律责任。非本网作品均来自互联网,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。

关键词视频共享平台PAAS数据开放
分享到:
提示:试试"← →"实现快速翻页

征稿:

为了更好的发挥CPS中安网资讯平台价值,促进诸位自身发展以及业务拓展,更好地为企业及个人提供服务,中安网诚征各类稿件,欢迎有实力安防企业、机构、研究员、行业分析师。投稿邮箱: tougao@cps.com.cn(查看征稿详细)

品牌推荐

排行榜

24小时 本周 本月
论坛热点 最新话题