基于云存储视频监控系统的研究

系统在数据存储与安全，实时转码，视频智能分析等方面具有自身独特的技术优势。

3.1 数据存储与安全

Hadoop分布式文件系统是现在主流的分布式文件系统之一，具有高容错性，可以运行在低成本的计算机硬件基础上。Hadoop分布式文件系统为读写数据提供了大吞吐量，可运行需要大量数据计算的应用程序，非常适合大规模视频监控系统的应用。

Hadoop分布式文件系统也采用了主从架构，它的集群是由一个Namenode和多个Datanode组成。Namenode是一个中心服务器，其主要负责管理文件系统的命名空间以及客户端对文件的访问操作。Datanode负责管理文件块的创建、存储和删除，并且在Namenode的统一调度下进行文件块的复制操作。

Hadoop分布式文件系统将每个文件分成一系列固定大小的数据块，除了最后一个，所有的数据块大小都为64MB。为了容错，提高系统的可用性，存储在 Datanode中文件的数据块都会有副本。一般情况下，用户的文件有3个副本，系统会将第一个副本放在本地节点上，将第二个副本放到同一机架的另外一个本地节点上，而将第三个副本放到云存储系统不同机架的一个节点上。当某一节点的数据被破坏后，可以读取其它节点的副本，提高数据的安全性，同时保证了系统的可靠性。

3.2 实时转码

视频监控需要系统具有超强的计算能力，对实时性要求也特别高。云存储系统具有超强的计算能力，再结合开源软件FFmpeg，为用户提供一套集音/视频采集、格式转换、音/视频编码解码为一体的实时客户端系统。

FFmpeg支持多种编码、解码，能够动态地对音/视频进行转码，也能动态从音/视频源中获取数据。FFmepg可以通过参数设置(包括比特率、帧率、帧大小、屏幕高宽比)控制音/视频文件的转换，解决了用户多样化终端访问的问题，比如PC、手机、iPad，要求的视频格式各不相同。

3.3 视频智能分析

Map/Reduce计算框架是Google提出的软件架构，适用于处理大数据的分布式计算，非常适用于大规模视频监控系统。原理是将大任务分解为成百上千块的小任务，然后发送到计算机集群中，协同处理，共享数据。

Map/Reduce将所有的操作分解为map函数和reduce函数，通过将大型分布式计算分解为一系列对数据键值对的操作，实现大规数据模集的并行运算。可以利用Map/Reduce计算框架优化视频压缩编码、解码以及关键算法，如图像识别、人脸识别、移动跟踪和轨迹组合优化、高斯融合等算法，提高监控图像质量，提升监控图像的使用价值，满足视频监控行业智能化、高清化的新需求。

4 结束语

云存储不仅仅是数据的存储，主要是提供数据处理的服务，增强了数据应用的高效性和灵活性。云存储从架构上改变了传统视频监控系统模式，使得系统的容量扩容、海量数据处理、运营成本等问题迎刃而解。随着网络的全面普及和海量视频共享的迫切需求，目前云存储研究与应用还存在不少挑战，还需要做大量的研究和尝试。