视频结构化大数据平台解决方案
视频结构化大数据平台
解
决
方
案
千视通
目录
1. 建设背景 (4)
2. 建设目标 (5)
3. 建设原则 (6)
3.1. 标准化原则 (6)
3.2. 统一设计原则 (6)
3.3. 大数据处理原则 (6)
3.4. 高可靠/高安全性原则 (6)
3.5. 适用性原则 (7)
3.6. 可扩展性原则 (7)
4. 系统总体设计 (7)
4.1. 设计依据 (7)
4.2. 总体架构设计 (10)
4.3. 业务架构设计 (11)
4.4. 网络架构设计 (12)
5. 数据结构化 (13)
5.1. 概述 (13)
5.2. 数据采集 (14)
5.3. 控制调度单元 (15)
5.4. 目标结构化单元 (15)
5.5. 车辆结构化单元 (21)
5.6. 前端要求 (26)
6. 数据存储 (29)
6.1. 概述 (29)
6.2. 功能设计 (29)
6.2.1. 数据存储 (29)
6.2.2. 数据服务 (30)
6.2.3. 系统管理 (31)
6.3. 存储设计 (32)
7. 数据应用 (32)
7.1 以图搜车 (33)
7.2人物大数据 (34)
7.2.1人物综合查询 (34)
7.2.2人物检索 (34)
7.2.3人骑车检索 (36)
7.2.4视频框选嫌疑目标 (37)
7.3以图搜图 (38)
7.3.1智能建库引擎 (38)
7.3.2以图搜图应用 (38)
7.4GIS应用 (39)
7.4.1基本操作 (39)
7.4.2地图查询 (39)
7.4.3轨迹展示 (40)
7.4.4摄像头操作............................................................................ 错误！未定义书签。
7.4.5系统管理 (41)
8. 平台特点 (44)
8.1. 提高海量视频倒查的效能 (44)
8.2. 提供视频关键特征的视频检索 (45)
8.3. 永久保存结构化的视频信息 (45)
8.4. 基于虚拟化服务的云计算架构 (46)
9. 配置清单.................................................................................................... 错误！未定义书签。
1.建设背景
平安城市视频监控技术已经从联网整合阶段发展到视频实战深度应用阶段。面对视频资源整合规模的持续扩大、视频实战业务的广泛应用以及视频信息化处理过程中产生的海量视频数据，如何充分利用海量的视频数据，实现海量视频数据的高效检索以及基于实战需求构建警务视频大数据应用平台，成为视频深度应用亟待解决的问题。建设统一开放的视频云计算平台，并在视频云计算架构基础上，实现视频信息化、信息情报化、情报实战化是视频大数据实战应用的关键。
随着公安信息化建设进程的不断加快，全国各地都在掀起“平安城市”、“智慧城市”和“科技强警”等一系列大型安防系统建设。全国各地随着“平安城市”的推动，建设了越来越多的视频监控摄像头。但是如何将这些视频资源整合好、利用好、管理好、应用好，发挥视频实战的最大效用，是视频实战应用下一步发展面临的问题。
全球在2010年已正式进入ZB时代，全球数据量大约每两年翻一番，一天产生的视频监控数据超过1500PB。地市“天网”摄像头都数以万计。
由于数据的飞速增加不仅出现了视频图像信息海量储存、检索困难，历史图像查找比对困难，多级视频图像信息共享平台无法实现互联互通，传输网络架构和带宽不足等问题；也使以往公安人工检索，
人工分析视频的方法不再适用。
如何存储海量视频信息？
如何提升海量视频信息查找效率？
如何利用海量视频信息为案件侦破提供支撑？
千视通视频结构化应用平台对海量视频数据中（人物、车、人脸）经过结构化引擎处理,基于云存储技术构建大数据平台，基于数据挖掘技术构建应用平台，实现视频图片的智能检索、车辆大数据应用、人物大数据应用，人脸大数据应用等。
2.建设目标
系统主要解决如何快速有效提高从大量视频和图像信息中查找到有效信息的效率问题，解决海量视频数据的不断增大带来的存储成本的增加问题以及目前的视频数据使用方案越来越难解决的海量视频应用场景。其次利用目前已建设的公安视频及社会面视频，打造视频大数据中心，为侦查破案提供数据分析支撑。
系统建成后，公安所有的监控视频、交通卡口、社会监控数据以及案事件的视频资料等归档数据将成为一个结构化的处理，存储，管理，分析，计算，使用的一体化大数据云中心。
3.建设原则
3.1.标准化原则
基于数据标准建设结构和非结构化云存储技术中心，能够有效确保数据模型设计的规范性，以及与源系统及管理分析类系统保持一致的业务定义和技术定义，从而满足支持业务开展、横向的信息扩展和宏观管理的要求，使结构化后的视频、图片和分析结果等成为公安各业务系统的可信数据源。
3.2.统一设计原则
按照公安部视频数据的相关标准设计系统结构。特别是应用系统建设结构、数据模型结构、数据存储结构以及系统扩展规划等内容，从规划的全局出发、从长远的角度考虑。
3.3.大数据处理原则
致力于跨警种、跨系统的视频相关数据结构化处理，致力于非结构数据加工和数据挖掘等深层次的数据应用，建立在云存储和云计算的体系之上，具有海量数据处理能力，以适应不断增长的数据量和业务需求。
3.4.高可靠/高安全性原则
从系统从结构上、产品性能上、设备的选型上，以及具体的实施
方案，将充分考虑软硬件的成熟度，使得系统的稳定性和可靠性得到保障，同时系统具备完备的网管单元，实时监测系统运行状态，灵活对整个计算资源进行有效调度和分配，平时保障85%的计算资源利用率，预留15%的计算资源，一方面使得机器不在峰值上一直运行，同时在突发临时事件时，预留的15%的计算资源可以备用，确保系统正常、稳定、可靠、连续地运行。系统的设计充分考虑系统的安全。在系统设计、设备选型、调试、安装等环节都需严格执行国家、行业的有关标准及公安部门有关安全技术防范的要求。
3.5.适用性原则
系统的建设将保护已有资源，急用先行，在满足应用需求的前提下，尽量降低建设成本。
3.6.可扩展性原则
系统设计不但保证目前系统容量的要求，也将考虑今后系统的发展，便于向更新技术的升级与衔接。系统提供标准的SDK控件及数据接口服务，以实现与其它子系统之间的数据交换，保证系统的不断扩展。
4.系统总体设计
4.1.设计依据
本系统主要设计依据遵循以下标准和规范：
项目政策文件：
●《公安部关于进一步加强社会治安防控体系建设的指导意
见》
●公安部《关于深入开展城市报警与监控系统应用工作的意见》●公安部《全国公安机关视频图像信息整合与共享工作任务书》●公通字201119号《全国公安装备建设“十二五”规划》
●公科信201211号《全国公安机关视频图像信息整合与共享工
作任务书》
●公科信【2012】73号《全国公安机关图像信息联网总体设
计方案》
●公科信传发【2012】367号《省（区、市）公安机关视频图
像信息整合与共享技术方案编写指南》
公安信息系统类标准
●公安部《金盾工程总体方案设计》
●公安部《公安信息系统应用支撑平台总体方案设计》
●公安部《公安信息化标准体系》
●公安部《地市级综合信息系统总体设计方案》
●公安部《共享数据项代码标准》
●公安部《共享数据项集项目规范》
●公安部《刑事犯罪信息管理代码》GA 240.（1－21）-2000 ●公安部《刑事犯罪信息管理代码》GA 240.（22－57）-2003 ●公安部《经济犯罪案件信息管理系统技术规范》GA
397.X-2002
●公安部《道路交通违章管理信息代码》GA 408.X-2003
●公安部《全国道路交通管理数据交换格式》GA 409.X-2003 ●公安部《违法犯罪信息管理》GA 8-1991
●公安部《信息系统安全等级保护基本要求》GB/T22239-2008 ●公安部《信息系统等级保护安全设计技术要求》
GB/T24856-2009
●公安部《城市监控报警联网系统技术标准》GA/T669-2008 计算机信息系统类标准
●《计算机软件开发规范》
●《操作系统安全技术要求》GB/T 20272-2006
●《数据库管理系统通用安全技术要求》GB/T 20273-2006
视频系统类标准
●《城市监控报警联网系统技术标准》（GA/T669-2008）
●《安全防范视频监控联网系统信息传输、交换、控制技术要
求》GBT 28181-2011
●《民用闭路监视电视系统工程技术规范》(GB50198-94)
●《视频安防监控系统技术要求》（GA/T367-2001）
信息安全类标准
●《信息系统等级保护安全设计技术要求》GB/T24856-2009 ●《信息系统安全等级保护基本要求》GB/T22239-2008
●《计算机信息系统安全保护等级划分准则》GB17859-1999
●《信息系统安全等级保护定级指南》GB/T 22240-2008
●《信息系统安全管理要求》GB/T20269-2006
4.2.总体架构设计
方案总体架构设计为“一个中心，一个平台，多个业务应用平台”。一个中心：
利用云计算、云存储技术，建设视频大数据中心；
一个平台：
实现视频，图片数据结构化；
多个业务应用：
在大数据中心上，实现视频图片的智能检索；
在大数据中心上，实现视频图片的车辆分析；
在大数据中心上，实现视频图片的人物分析；
4.3.业务架构设计
架构说明:
系统采用分布式系统构架，主要由大数据接入、大数据处理存储、大数据应用平台组成。
大数据接入负责接入在线各种社会视频资源和公安各视频资源。或者直接导入离线视频资源。
大数据处理对收集到的数据经进行转换、分析处理。视频、图片等非结构化数据经过各种算法生成标准数据集供挖掘和分析使用。存
储中心主要用来管理大数据接入、大数据处理生成的各种非结构化数据和处理后的结构化数据集，同时负责维护系统建立的各种专题库。大数据存储中心是建立在成熟的云存储体系之上的，具备存储的复杂均衡，软硬件的动态扩展和删除以及数据的自动备份和恢复功能。同时，系统提供SDK库供第三方集成，实现视频数据在业务应用的深度可视化。
大数据应用提供客户端功能的可视化展示，如数据的检索访问、车牌信息分析、目标类型分析、人脸分析、GIS应用等应用服务。
4.4.网络架构设计
系统采用统一云存储设计，部署大数据平台Hadoop集群设备，通过网络实时将结构化分析平台处理后的特征信息上传。各业务部门通过客户端即可实现大数据的综合业务应用。
视频结构化大数据平台解决方案
视频结构化大数据平台 解 决 方 案 千视通
目录 1. 建设背景 (4) 2. 建设目标 (5) 3. 建设原则 (6) 3.1. 标准化原则 (6) 3.2. 统一设计原则 (6) 3.3. 大数据处理原则 (6) 3.4. 高可靠/高安全性原则 (6) 3.5. 适用性原则 (7) 3.6. 可扩展性原则 (7) 4. 系统总体设计 (7) 4.1. 设计依据 (7) 4.2. 总体架构设计 (10) 4.3. 业务架构设计 (11) 4.4. 网络架构设计 (12) 5. 数据结构化 (13) 5.1. 概述 (13) 5.2. 数据采集 (14) 5.3. 控制调度单元 (15) 5.4. 目标结构化单元 (15) 5.5. 车辆结构化单元 (21) 5.6. 前端要求 (26) 6. 数据存储 (29) 6.1. 概述 (29) 6.2. 功能设计 (29) 6.2.1. 数据存储 (29) 6.2.2. 数据服务 (30) 6.2.3. 系统管理 (31) 6.3. 存储设计 (32) 7. 数据应用 (32) 7.1 以图搜车 (33) 7.2人物大数据 (34) 7.2.1人物综合查询 (34) 7.2.2人物检索 (34) 7.2.3人骑车检索 (36) 7.2.4视频框选嫌疑目标 (37) 7.3以图搜图 (38) 7.3.1智能建库引擎 (38) 7.3.2以图搜图应用 (38) 7.4GIS应用 (39) 7.4.1基本操作 (39) 7.4.2地图查询 (39) 7.4.3轨迹展示 (40)
7.4.4摄像头操作............................................................................ 错误！未定义书签。 7.4.5系统管理 (41) 8. 平台特点 (44) 8.1. 提高海量视频倒查的效能 (44) 8.2. 提供视频关键特征的视频检索 (45) 8.3. 永久保存结构化的视频信息 (45) 8.4. 基于虚拟化服务的云计算架构 (46) 9. 配置清单.................................................................................................... 错误！未定义书签。
交通云平台及大数据应用解决方案
交通云平台及大数据应用 解 决 方 案
目录 第一章项目总论________________________________________ 1 1.1 项目概况 _________________________________________ 1 1.1.1项目名称______________________ 错误！未定义书签。 1.1.2项目建设单位及项目负责人______ 错误！未定义书签。 1.1.3项目拟建地点____________________________________ 1 1.1.4建设目标________________________________________ 1 1.1.5编制可行性研究报告工作的单位____________________ 2 1.2 项目编制依据 _____________________________________ 2 1.3 项目建设主要内容及界面 ___________________________ 2 1.3.1项目建设主要内容________________________________ 2 1.3.2建设界面________________________________________ 7第二章项目背景和发展趋势_______________________________ 9 2.1项目背景 ___________________________________________ 9 2.2国内外交通信息化概况与发展趋势 ____________________ 10 2.2.1国外交通信息化概况_____________________________ 10 2.2.2国内交通信息化概况_____________________________ 14 2.2.3交通信息化应用技术趋势_________________________ 23 2.3项目建设的意义与必要性 ____________________________ 26 2.3.1国家信息化建设指导方针和交通信息化建设的意义___ 26 2.3.2XXX市交通云平台及大数据应用二级平台建设的必要性28 2.4项目建设的可行性 __________________________________ 31 2.4.1 管理职责的可行性 ______________________________ 31 2.4.2 技术路线的可行性 ______________________________ 36 第三章现状分析 _______________________________________ 40 3.1项目建设单位机构状况 ______________________________ 40 3.1.1XXX市交通运输局________________________________ 40 3.1.2XXX市公路管理局________________________________ 42
国内主要数据采集和抓取工具
国内6大网络信息采集和页面数据抓取工具 近年来，随着国内大数据战略越来越清晰，数据抓取和信息采集系列产品迎来了巨大的发展机遇，采集产品数量也出现迅猛增长。然而与产品种类快速增长相反的是，信息采集技术相对薄弱、市场竞争激烈、质量良莠不齐。在此，本文列出当前信息采集和数据抓取市场最具影响力的六大品牌，供各大数据和情报中心建设单位采购时参考： TOP.1 乐思网络信息采集系统(https://www.360docs.net/doc/056166080.html,) 乐思网络信息采系统的主要目标就是解决网络信息采集和网络数据抓取问题。是根据用户自定义的任务配置，批量而精确地抽取因特网目标网页中的半结构化与非结构化数据，转化为结构化的记录，保存在本地数据库中，用于内部使用或外网发布，快速实现外部信息的获取。 该系统主要用于：大数据基础建设，舆情监测，品牌监测，价格监测，门户网站新闻采集，行业资讯采集，竞争情报获取，商业数据整合，市场研究，数据库营销等领域。 TOP.2 火车采集器(https://www.360docs.net/doc/056166080.html,) 火车采集器是一款专业的网络数据采集/信息挖掘处理软件，通过灵活的配置，可以很轻松迅速地从网页上抓取结构化的文本、图片、文件等资源信息，可编辑筛选处理后选择发布到网站后台，各类文件或其他数据库系统中。被广泛应用于数据采集挖掘、垂直搜索、信息汇聚和门户、企业网信息汇聚、商业情报、论坛或博客迁移、智能信息代理、个人信息检索等领域，适用于各类对数据有采集挖掘需求的群体。 TOP.3 熊猫采集软件(https://www.360docs.net/doc/056166080.html,) 熊猫采集软件利用熊猫精准搜索引擎的解析内核，实现对网页内容的仿浏览器解析，在此基础上利用原创的技术实现对网页框架内容与核心内容的分离、抽取，并实现相似页面的有效比对、匹配。因此，用户只需要指定一个参考页面，熊猫采集软件系统就可以据此来匹配类似的页面，来实现用户需要采集资料的批量采集。 TOP.4 狂人采集器(https://www.360docs.net/doc/056166080.html,) 狂人采集器是一套专业的网站内容采集软件，支持各类论坛的帖子和回复采集，网站和博客文章内容抓取，通过相关配置，能轻松的采集80%的网站内容为己所用。根据各建站程序的区别，狂人采集器分论坛采集器、CMS采集器和博客采集器三类，总计支持近40种主流建站程序的上百个版本的数据采集和发布任务，支持图片本地化，支持网站登陆采集，分页抓取，全面模拟人工登陆发布，软件运行快速安全稳定！论坛采集器还支持论坛会员无限注册，自动增加帖子查看人数，自动顶贴等。 TOP.5 网络神采(https://www.360docs.net/doc/056166080.html,) 网络神采是一款专业的网络信息采集系统，通过灵活的规则可以从任何类型的网站采集信息，
非结构化数据管理系统
非结构化数据管理系统 1 范围 本标准规定了非结构化数据管理系统的功能性要求和质量要求。 本标准适用于非结构化数据管理系统产品的研制、开发和测试。 2 符合性 对于非结构化数据管理系统是否符合本标准的规定如下： a)非结构化数据管理系统若满足本标准基本要求中的所有要求，则称其满足本标准的基本要求； b)非结构化数据管理系统在满足所有基本要求的前提下，若满足某部分扩展要求，则称其满足本 标准的基本要求和该部分扩展要求； c)非结构化数据管理系统若满足本标准基本要求和扩展要求中的所有要求，则称其满足本标准的 所有要求。 3 规范性引用文件 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。 GB 18030—2005 信息技术中文编码字符集 GB/T AAAAA-AAAA 非结构化数据访问接口规范 4 术语和定义 下列术语和定义适用于本文件。 4.1 非结构化数据unstructured data 没有明确结构约束的数据，如文本、图像、音频、视频等。 4.2 非结构化数据管理系统unstructured data management system 对非结构化数据进行管理、操作的大型基础软件，提供非结构化数据存储、特征抽取、索引、查询等管理功能。 5 缩略语 下列缩略语适用于本文件。 IDF：逆向文件频率 (Inverse Document Frequency) MFCC：梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient）
PB：千万亿字节（Peta Byte） SIFT：尺度不变特征转换（Scale-invariant Feature Transform） TF：词频 (Term Frequency) 6 功能性要求 6.1 总体要求 非结构化数据管理系统的总体要求如下： a)应包括存储与计算设施、存储管理、特征抽取、索引管理、查询处理、访问接口、管理工具七 个基本组成部分； b)宜包括转换加载、分析挖掘、可视展现三个扩展组成部分。 6.2 存储与计算设施 6.2.1 基本要求 存储与计算设施基本要求如下： a)应支持磁盘、磁盘阵列、内存存储、键值存储、关系型存储、分布式文件系统等一种或多种存 储设施； b)应支持单机、并行计算集群、分布式计算集群等一种或多种计算设施。 6.2.2 扩展要求 无。 6.3 存储管理 6.3.1 基本要求 存储管理基本要求如下： a)应提供涵盖原始数据、基本属性、底层特征、语义特征的概念层存储建模功能； b)应提供逻辑层的存储建模功能； c)支持整型、浮点型、布尔型、字符串、日期、日期时间、二进制块等基本数据类型； d)支持向量、矩阵、关联等数据类型； e)应支持根据建好的逻辑层存储模型创建存储实例； f)应支持在创建好的存储实例上插入、修改、删除非结构化数据； g)应支持删除存储实例； h)应支持非结构化数据操作的原子性。 6.3.2 扩展要求 存储管理扩展要求如下： a)应支持全局事务的定义并保证事务的原子性、一致性、隔离性和持久性； b)应支持数据类型的多值结构和层次结构； c)应支持在不同的存储设施上创建存储实例并实现自动映射； d)应支持PB级数据存储。 6.4 特征抽取
大数据平台建设方案
大数据平台建设方案 （项目需求与技术方案） 一、项目背景 “十三五”期间，随着我国现代信息技术的蓬勃发展，信息化建设模式发生根本性转变,一场以云计算、大数据、物联网、移动应用等技术为核心的“新 IT”浪潮风起云涌，信息化应用进入一个“新常态”。***（某政府部门）为积极应对“互联网+”和大数据时代的机遇和挑战，适应全省经济社会发展与改革要求，大数据平台应运而生。 大数据平台整合省社会经济发展资源，打造集数据采集、数据处理、监测管理、预测预警、应急指挥、可视化平台于一体的大数据平台，以信息化提升数据化管理与服务能力，及时准确掌握社会经济发展情况，做到“用数据说话、用数据管理、用数据决策、用数据创新”，牢牢把握社会经济发展主动权和话语权。 二、建设目标 大数据平台是顺应目前信息化技术水平发展、服务政府职能改革的架构平台。它的主要目标是强化经济运行监测分析，实现企业信用社会化监督，建立规范化共建共享投资项目管理体系，推进政务数据共享和业务协同，为决策提供及时、准确、可靠的信息依据，提高政务工作的前瞻性和针对性，加大宏观调控力度，促进经济持续健康发
展。 1、制定统一信息资源管理规范，拓宽数据获取渠道，整合业务信息系统数据、企业单位数据和互联网抓取数据，构建汇聚式一体化数据库，为平台打下坚实稳固的数据基础。 2、梳理各相关系统数据资源的关联性，编制数据资源目录，建立信息资源交换管理标准体系，在业务可行性的基础上，实现数据信息共享，推进信息公开，建立跨部门跨领域经济形势分析制度。 3、在大数据分析监测基础上，为政府把握经济发展趋势、预见经济发展潜在问题、辅助经济决策提供基础支撑。 三、建设原则 大数据平台以信息资源整合为重点，以大数据应用为核心，坚持“统筹规划、分步实施，整合资源、协同共享，突出重点、注重实效，深化应用、创新驱动”的原则，全面提升信息化建设水平，促进全省经济持续健康发展。
一体化数据管理平台DATRIX产品介绍120515
一体化数据管理平台DATRIX 产品介绍 因“虚”而实，数据管理创新
需求篇 IDC数字宇宙研究《从混沌中提取价值》指出，全球的数据量每18个月就要翻一番，目前每年产生的数据量已经高达40EB（1EB=10000PB），未来十年全球的大数据将增加50倍。数据飞速的甚至是爆炸式的增长方式，每个信息用户都深有体会，从上世纪早期数据容量大多以MB为单位，到上世纪末过渡到以GB为单位，再到当前TB已是标准单位，甚至PB级别的数据量在很多系统中也不再是一个偶然现象，种种迹象表明，大数据的时代已真正到来。 大数据这个词汇越来越多地被提及，从大数据的定义来说，大数据具备三个V的显著特性： 1、Volume：数据量巨大，起码是TB级别以上的数据量才称之为大数据，对于大数据来说，数据量的巨大导致访问、处理、传输各个方面开销显著增加，也就有必要使用更好的处理方式来应对。 2、Variety：数据类型繁多，结构化数据、非结构化数据和半结构化数据各自均包含多种数据类型。结构化数据中主要为数据库数据（ORACLE、DB2、SQL等）；非结构化数据类型更为丰富（办公文档、文本、图片、XML、HTML、各类报表、视频、音频等）；半结构化数据是一种新型的定义方式，相对于结构化数据的先有结构再有数据，半结构化数据则是先有数据再有结构。多种数据类型并存导致整个数据处理难度加大，无法用统一的手段来解决全数据问题。 3、Velocity：数据增长非常快速，这种增长速度之前是难以想象的，随着更多的业务发展（社交媒体、云计算、物联网等），各种先进数据格式的出现（高清、3D、富媒体等），导致了数据是爆炸式的增长速度。这种爆炸式的数据增长主要是由数据的属性所多样化带来的，数据首先具备时间属性，历史数据、当前数据和未来数据均需要保持和考虑，需要保留多个历史副本；其次数据具备多格式的特性，一份数据会因应用系统的不同而带来不同格式的访问需求；最后数据还要有多位置的属性，在个人、家庭、单位及云环境下会有多个副本，用于多个场景。 非结构化数据管理难题 非结构化数据在大数据中时代的地位无疑是最为重要的，根据Gartner统计，在当前的环境中，企业有20%的数据是结构化数据，80%的数据是非结构
数据采集的方法有哪些
目前数据孤岛林立，对接业务软件或者是获取软件中的数据存在较大困难,尤其是CS软件的数据爬取难度更大。 系统对接最常见的方式是接口方式，运气好的情况下，能够顺利对接，但是接口对接方式常需花费大量时间协调各个软件厂商。 除了软件接口，是否还有其他方式，小编总结了集中常见的数据采集技术供大家参考，主要分为以下几类： 一、CS软件数据采集技术。 C/S架构软件属于比较老的架构，能采集这种软件数据的产品比较少。 常见的是博为小帮软件机器人，在不需要软件厂商配合的情况下，基于“”所见即所得“的方式采集界面上的数据。输出的结果是结构化的数据库或者excel表。如果只需要业务数据的话，或者厂商倒闭，数据库分析困难的情况下，这个工具可以采集数据，尤其是详情页数据的采集功能比较有特色。 值得一提的是，这个产品的使用门槛很低，没有IT背景的业务同学也能使用，大大拓展了使用的人群。 二、网络数据采集API。通过网络爬虫和一些网站平台提供的公共API(如Twitter和新浪微博API)等方式从网站上获取数据。这样就可以将非结构化数据和半结构化数据的网页数据从网页中提取出来。 互联网的网页大数据采集和处理的整体过程包含四个主要模块：web爬虫（Spider）、数据处理（Data Process）、爬取URL队列（URL Queue）和数据。
三、数据库方式 两个系统分别有各自的数据库，同类型的数据库之间是比较方便的： 1）如果两个数据库在同一个服务器上，只要用户名设置的没有问题，就可以直接相互访问，需要在from后将其数据库名称及表的架构所有者带上即可。 2）如果两个系统的数据库不在一个服务器上，那么建议采用链接服务器的形式来处理，或者使用openset和opendatasource的方式，这个需要对数据库的访问进行外围服务器的配置。 不同类型的数据库之间的连接就比较麻烦，需要做很多设置才能生效，这里不做详细说明。开放数据库方式需要协调各个软件厂商开放数据库，其难度很大；一个平台如果要同时连接很多个软件厂商的数据库，并且实时都在获取数据，这对平台本身的性能也是个巨大的挑战。
Oracle非结构化数据解决方案
Oracle数据库11g管理非结构化数据 (2) 一、引言 (2) 二、在ORACLE 中管理非结构化数据的优势 (3) 三、打破了原来处理非结构化数据的“性能障碍” (4) 3.1 Oracle SecureFiles (4) 3.2 SecureFiles 中的存储优化 (5) 四、专用数据类型和数据结构 (6) 4.1 Oracle XML DB (6) 4.2 Oracle Text (7) 4.3 Oracle Spatial (8) 4.4 RDF、OWL 和语义数据库管理 (9) 4.5 Oracle Multimedia (9) 4.6 Oracle DICOM 医学内容管理 (9) 五结论 (10)
Oracle数据库11g管理非结构化数据 一、引言 公司、企业以及其他机构使用的绝大部分信息都可归类为非结构化数据。 非结构化数据是计算机或人生成的信息，其中的数据并不一定遵循标准的数据结构（如模式定义规范的行和列），若没有人或计算机的翻译，则很难理解这些数据。常见的非结构化数据有文档、多媒体内容、地图和地理信息、人造卫星和医学影像，还有Web 内容，如HTML。 根据数据的创建方式和使用方式的不同，非结构化数据的管理方法大不相同。 1.大量数据分布于桌面办公系统（如文档、电子表格和演示文稿）、专门的工作站和设备 （如地理空间分析系统和医学捕获和分析系统）上。 2.政府、学术界和企业中数TB 的文档存档和数字库。 3.生命科学和制药研究中使用的影像数据银行和库。 4.公共部门、国防、电信、公用事业和能源地理空间数据仓库应用程序。 5.集成的运营系统，包括零售、保险、卫生保健、政府和公共安全系统中的业务或健康记 录、位置和项目数据以及相关音频、视频和图像信息。 6.学术、制药以及智能研究和发现等应用领域中使用的语义 数据（三元组）。 自数据库管理系统引入后，数据库技术就一直用于解决管理大量非结构化数据时所遇到的特有问题。通常通过“基于指针的”方法使用数据库对存储在文件中的文档、影像和媒体内容进行编目和引用。为了在数据库表内存储非结构化数据，二进制大对象（或简称为BLOB）作为容器使用已经数十年了。除了简单的BLOB 外，多年以来，Oracle 数据库一直通过运算符合并智能数据类型和优化数据结构，以分析和操作XML 文档、多媒体内容、文本和地理空间信息。由于有了Oracle 数据库11g，Oracle 再次在非结构化数据管理领域开辟出一片新天地：大幅提升了通过数据库管理系统原生支持的非结构化数据的性能、安全性以及类型。
大数据平台建设方案
大数据平台建设方案 (项目需求与技术方案) 一、项目背景 “十三五”期间，随着我国现代信息技术的蓬勃发展,信息化建设模式发生根本性转变,一场以云计算、大数据、物联网、移动应用等技术为核心的“新 IT”浪潮风起云涌,信息化应用进入一个“新常态”。***（某政府部门)为积极应对“互联网＋”和大数据时代的机遇和挑战,适应全省经济社会发展与改革要求，大数据平台应运而生。 大数据平台整合省社会经济发展资源,打造集数据采集、数据处理、监测管理、预测预警、应急指挥、可视化平台于一体的大数据平台,以信息化提升数据化管理与服务能力，及时准确掌握社会经济发展情况,做到“用数据说话、用数据管理、用数据决策、用数据创新”,牢牢把握社会经济发展主动权和话语权。 二、建设目标 大数据平台是顺应目前信息化技术水平发展、服务政府职能改革的架构平台。它的主要目标是强化经济运行监测分析，实现企业信用社会化监督,建立规范化共建共享投资项目管理体系，推进政务数据共享和业务协同,为决策提供及时、准确、可靠的信息依据,提高政务工作的前瞻性和针对性,加大宏观调控力度,促进经济持续健康发展。 1、制定统一信息资源管理规范,拓宽数据获取渠道，整合业务信
息系统数据、企业单位数据和互联网抓取数据，构建汇聚式一体化数据库,为平台打下坚实稳固的数据基础。 2、梳理各相关系统数据资源的关联性,编制数据资源目录，建立信息资源交换管理标准体系，在业务可行性的基础上，实现数据信息共享，推进信息公开，建立跨部门跨领域经济形势分析制度。 3、在大数据分析监测基础上，为政府把握经济发展趋势、预见经济发展潜在问题、辅助经济决策提供基础支撑。 三、建设原则 大数据平台以信息资源整合为重点，以大数据应用为核心，坚持“统筹规划、分步实施,整合资源、协同共享,突出重点、注重实效,深化应用、创新驱动”的原则,全面提升信息化建设水平,促进全省经济持续健康发展。
华为公安大数据解决方案
华为公安大数据解决方案
公安大数据是指通过对公安原有卡口、车辆、人口、案件等多维海量数据的挖掘和分析，把离散的、碎片化的数据加工形成具有警务价值的数据处理技术。华为基于对公安业务及数据的深刻理解，全面覆盖大数据领域关键技术，推出了智能融合的公安大数据解决方案，提供海量数据存储、处理和分析等多维度服务，并与多地公安客户及各应用厂家展开紧密合作，打造服务于实战应用的智能大数据解决方案。 背景 随着信息化技术的飞速发展，大数据为公安信息化建设带来了新的机遇。大数据产生大信息，大信息产生大价值，大价值才能有大服务、大实战。在大数据时代，基于公安数据与社会数据融合的大数据分析研判在侦破案件、预防犯罪、精确打击、辅助决策等警务工作中的作用日益凸显。 应用场景
通过Hadoop 、MPP DB 、Spark 等海量数据处理技术，将公安内部数据、视频数据、政府数据及互联网数据进行综合碰撞分析，挖掘数据隐藏的价值和内在关联，同时通过人物、车辆、行为分析等 模型进行数据筛选，为各警种提供大数据服务。 ??ο???????? ???? ??ノ? ISV 智 慧 高达百万维度的全量建模，深度刻画；高效数据分析/挖掘算法显现大数据价值 高 效数据分析加速，响应实时查询；实时数据流，在线处理 开 放开放的编程和数据服务接口，联合行业ISV 提供多种大数据服务
免责声明 本文档可能含有预测信息，包括但不限于有关未来的财务、运营、产品系列、新技术等信息。由于实践中存在很多不确定因素，可能导致实际结果与预测信息有很大的差别。因此，本文档信息仅供参考，不构成任何要约或承诺。华为可能不经通知修改上述信息，恕不另行通知。 版权所有 ? 华为技术有限公司 2015。 保留一切权利。 非经华为技术有限公司书面同意，任何单位和个人不得擅自摘抄、复制本手册内容的部分或全部，并不得以任何形式传播。商标声明 、HUAWEI 、华为、 是华为技术有限公司的商标或者注册商标。 在本手册中以及本手册描述的产品中，出现的其他商标、产品名称、服务名称以及公司名称，由其各自的所有人拥有。 华为技术有限公司 深圳市龙岗区坂田华为基地 电话: (0755) 28780808 邮编: 518129 版本号: M3-036728-20150422-C-1.0 https://www.360docs.net/doc/056166080.html, 统一大数据平台：? 实现公安内外部数据整合和共享，实现全能力大数据处理平台。完备存储引 擎、计算/分析能力，实现整合公安内部和外部的数据，提升信息共享能力。 超强的数据分析：? 丰富高效数据分析/挖掘算法，更能匹配公安业务，实现辅助破案、预防犯罪 和决策支持 ；通过智能分析和关系关联挖掘，快速发现数据内涵，提供数据挖掘和数据内在关联的图形化展示。 实时：? 提高数据分析效率，抓住黄金24小时，辅助案件侦破；百亿级记录秒级检索查询，迅速定 位关键数据。 开放合作：? 提供开放数据服务平台，联合行业ISV 合作，聚焦大数据服务合作，助力公安信息化 建设。
什么是“项目e”结构化数据
什么是“项目e”结构化数据 在工程项目管理中，无时无刻不在产生大量的数据，如技术图纸、工程日志、往来函信件、材料采购入场使用、测试数据、验收记录、财务数据等等不同方面的资料众多，这些海量的信息和数据本身都具有巨大的价值。但是很多企业面对这些信息数据，最大的利用价值就是存档备查、项目反馈汇报或回溯项目问题。显然，绝大部分的资料和数据被认为无价值或者价值不大，而被忽略了。 项目的资料和数据不仅仅只为了存档和记录，还可以将记录的资料数据转化为经验和知识，指导和决策目前的项目管理以及未来其他的项目工作。施工企业在项目管理过程中，该如何采集和分析数据，然后应用并最终产生最大价值呢？ 目前人工智能技术还不能将施工过程中离散的资料数据进行自动分析和归类，因此也无法根据资料数据进行决策。而结构化数据有效辅助项目管理决策，结构化数据是由二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范，主要通过关系型数据库进行存储和管理。只有在资料数据采集或者输入时采用机构化的数据形式，才可以形成结构化数据。比如“项目e”工程项目管理工具就是采用结构化数据记录模式，系统采用结构化数据采集和录入，形成项目管理的结构化数据，实时分析总结项目管理问题。 项目e采用结构化数据
“项目e”采用结构化数据采集、录入，系统通过数据分析总结辅助项目管理科学决策。尤其是清单模式和模板功能，结构化数据实时分析总结项目管理问题，并辅助项目管理决策。 在清单模式中，项目的成本、进度、采购、材料等基础数据都源于预算清单。项目的消耗数据既是成本计算的基础数据，也是进度计算的基础数据。由于是结构化数据，进度数据和成本数据是关联一致的，在记录人材机费用成本消耗的同时系统自动形成进度数据，可分析得出项目存在的成本管控风险。让项目管理者和经手人都可以实时分析项目成本、进度等结果，有效规避各项风险，极大地提高管理效率。 模板功能将工程项目管理中规律性管理模式予以标准化的结构形成模板，将项目管理模式、流程和表单总结编制成模板使用，或者在【模板市场】（已申请发明专利）下载使用他人分享的项目模板。结构化数据将数据分类，“项目e”中按照模板记录不同的信息数据形成结构化的形式，系统通过科学的算法实现数据统计分析总结，形成项目管理决策的依据。 结构化数据便于数据采集和输入 “项目e”清单模式中，项目的成本、进度、采购、材料等基础数据都源于预算清单。由于每个数据都是结构化数据，有规定的输入格式规范，系统可以自动识别，记录填报方便。项目基层人员根据当日的工作事项，在预算清单中直接勾选和填数系统自动生成了实际消耗量。 “项目e”模板功能把项目管理标准化，即将项目管理过程中信息数据采集标准规范化，同样有数据格式与长度规范，系统自动识别记录，形成模板，让经验和能力可简单复制。 而且，通过“项目e”进行项目管理生成结构化数据，便于扩展对接智能硬件（物联网），将可为用户提供更多的服务支撑。
智能交通大数据综合服务平台设计方案 智慧交通一体化指挥平台解决方案 互联网+交通大数据平台的解决方案
智能交通大数据综合服务平台 设 计 方 案
目录 第一章项目总论_________________________________________ 1 1.1 项目概况 _________________________________________ 1 1.1.1项目名称______________________ 错误！未定义书签。 1.1.2项目建设单位及项目负责人______ 错误！未定义书签。 1.1.3项目拟建地点____________________________________ 1 1.1.4建设目标________________________________________ 1 1.1.5编制可行性研究报告工作的单位____________________ 1 1.2 项目编制依据 _____________________________________ 2 1.3 项目建设主要内容及界面 ___________________________ 2 1.3.1项目建设主要内容________________________________ 2 1.3.2建设界面________________________________________ 7第二章项目背景和发展趋势________________________________ 8 2.1项目背景 ___________________________________________ 8 2.2国内外交通信息化概况与发展趋势 _____________________ 9 2.2.1国外交通信息化概况______________________________ 9 2.2.2国内交通信息化概况_____________________________ 13 2.2.3交通信息化应用技术趋势_________________________ 22 2.3项目建设的意义与必要性 ____________________________ 25 2.3.1国家信息化建设指导方针和交通信息化建设的意义___ 25 2.3.2XXX市交通大数据二级平台建设的必要性____________ 27 2.4项目建设的可行性 __________________________________ 30 2.4.1 管理职责的可行性 ______________________________ 30 2.4.2 技术路线的可行性 ______________________________ 35 第三章现状分析_________________________________________ 39 3.1项目建设单位机构状况 ______________________________ 39 3.1.1XX市交通运输局_________________________________ 39 3.1.2XX市公路管理局_________________________________ 41
非结构化数据管理：ERP力不从心 ECM接力
对于国内相当多的企业来说，ECM这个概念还比较陌生，但提起ERP，很多人都耳熟能详。 事实上，ERP是以数据库管理为核心的，而ECM是以非结构化数据管理为核心。凯德云M-Files是由美国M-Files公司开发的软件产品，主要用于企业内容管理(ECM)、文档管理(EDM)、质量管理、知识管理、项目协同。 调查显示，企业中80%的数据是以非结构化的形式存在的，例如电子邮件、报表、办公文档、扫描文件、网页等，而这些非结构化数据往往散落在企业的各种应用系统中，无法得到统一的管理，更惶谈从中挖掘出价值。 ERP与ECM的关联 在廖强(EMC中国区副总裁、内容管理及归档事业部大中华区总经理)看来，现在非结构化数据的管理需求产生了，实际上就是一个很自然的过程，跟以前ERP比较的话，内容管理与ERP同等重要，内容管理是管着80%的非结构化信息，ERP管理着20%的结构化信息。其次从复杂性来讲，因为ERP牵涉了管理的方方面面，内容管理却没有那么复杂。从投资来讲，大家都在讲收益率，企业现在实际上逐渐地认识到内容管理的重要性。这几年内容管理逐渐地跟ERP、CRM，包括银行的核心系统，包括电信的计费系统等成为企业信息化的新重点。也就是说，随着内容管理逐渐地深入客户的核心业务，对企业的工作效率、收益、信息安全等都将得到提高。 ECM已进入第三代 IDC在2008年上半年针对中国企业所做的一项调查显示，在受调查的434个最终用户中，接近60%的用户表示有计划投资内容管理软件。而在2007年的类似调查中，这一比例还只有30%多。这一结果表示，内容管理在组织中的优先级大大提高。IDC分析认为，用户渴望投资内容管理解决方案，主要有两方面的原因：一是日益增长的法规要求;二是通过内容管理功能更好地优化、自动化纸质业务流程。 廖强分析说，综合当今内容管理市场，内容管理解决方案可以分为三代。 第一代是小型供应商提供单点解决方案，主要用于解决零碎的业务问题，例如光盘系统管理、记录管理、Web内容管理、数字资产管理、工作流/BPM管理等。第一代内容管理的特点是有众多小型技术公司，每个公司都使用专门构建的应用程序解决一些零碎的业务问题。 第二代是中型供应商在单点解决方案的基础上，提供较为全面的内容管理功能套件。第二代内容管理是由整合驱动的，在这一阶段，中型公司纷纷展开收购，并开始构建成套的内容管理应用程序。这是一个从单点产品到内容管理套件的变化过程，许多公司都是从点入手，而逐渐架构起较为完善的内容管理解决方案。但在这个过程中，内容管理底层平台的健壮性和面向应用的灵活性及可扩展性往往被忽视。 前两代内容管理带来的问题是：各个系统之间往往会形成信息孤岛的现象。而且，当应用出现变化时，需要对各个单点产品逐一修改，不能快速满足应用变化速度。 在第三代内容管理中，内容管理正逐渐成为企业信息基础架构的一部分;企业对内容管理的需求，已并不满足于应用某些点的产品去实现特定业务的管理，而是需要一个高性能、高可扩展性、能支持企业业务快速发展并能满足企业业务变化需求的内容管理平台。 开放性成长 任何一个软件公司的理想是要做到能够尽量满足客户的最终需要，但这很难实现，主要原因是需求的复杂度，很难有一个企业所提供的软件产品能够适应各式各样的不同需求。 廖强介绍说，Documentum平台一直以来就不是自行运转，Documentum平台一定跟结构化结合在一起。比如在国内某银行的应用，像有一套贷款审批，因为它要审核你的原始的资质，你的房产证等，这些都需要EPR系统与Documentum。从我们整个的发展方向来看，ECM是关注着技术性、扩展性、高性能，可对接性，希望把自己的开发能力提供给整个社
2019年基于大数据和人工智能的视频云平台项目可行性研究报告
2019年基于大数据和人工智能的视频云平台项目可行性研究报告
目录 一、大数据和人工智能的视频云平台项目概况 (3) 二、项目实施的必要性 (3) （1）行业发展与新技术融合的现实需求 (3) （2）顺应市场发展趋势，增强企业竞争力的需要 (4) ①提升资源使用效率 (4) ②为数据的融通提供可能 (5) ③解决海量视频图像信息大数据和人工智能处理的算力问题 (5) ④开放的云模式构建繁荣生态 (5) ⑤更为强大的智能化功能 (6) 三、项目实施对企业未来盈利能力的影响 (6) 四、项目实施对偿债能力和资本结构的影响 (6) 五、项目投资概算 (6) 六、项目建设期及实施进度 (7)
一、大数据和人工智能的视频云平台项目概况 企业计划在现有智能视频产品研发中心基础上组建基于大数据和人工智能的视频云平台开发团队，开发新一代视频云平台产品，提供对结构化、非结构化数据的统一存储、查询、分析和二次加工能力。 新一代视频云平台将利用云计算、大数据、智能视频等新技术升级改造现有视频图像监控系统，有效解决视频图像数据采集整合、价值信息提取、数据结构化处理及存储应用模式变革等问题，建设云架构下视频信息应用平台，为安防实战应用提供服务支撑。通过本项目的开发，企业将进一步提升服务于平安城市、雪亮工程和智慧城市项目的能力，满足市场发展需求，新一代视频云平台的具体建设内容包括：视频云基础设施平台、SVAC视音频数据解析平台、SVAC结构化大数据平台以及丰富多样的业务应用系统。 二、项目实施的必要性 新一代视频云平台产品有助于进一步提升中星技术的技术领先地位，保持企业在行业中的竞争力。 同时可以为政府、公安用户实现从网络监控向智能监控的迁移，扩大企业在平安城市、雪亮工程和智慧城市的市场份额，带动企业收入和利润的不断增长。 （1）行业发展与新技术融合的现实需求 云计算、物联网、大数据以及人工智能等创新技术的不断发展，推动着安防行业与IT技术愈发紧密的融合，云安防时代即将到来。
智能交通大数据与云应用解决方案
智能交通大数据及云应用平台解决方案 随着日益增长的交通“大数据”，给交通管理创新带来的新挑战，以及对交通管理工作提出的新要求，交通信息化建设必然步入云计算智慧应用阶段，利用云计算破解当前诸多交通瓶颈问题。 什么是交通大数据 交通概念很大，所涉及的范围很广，如城市道路交通指数、地铁运行数据、一卡通乘客刷卡数据、港口集装箱数据、机场航班数据、轨道交通运营数据、远洋及内河航道船舶数据、物流车辆及货物数据、公交车实时数据、出租车行车数据、空气质量状况、气象数据、道路事故数据、高架匝道运行数据、以及衍生的相关拥堵、事故、违法信息等都属于交通数据。我们通常所提的城市公安交通管理大数据是指在城市智能交通建设和运营的过程中，从视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等每天产生的大量数据，并借助信息化手段将这些相互关联的数据整合到一起（比如车辆信息、地图信息、人员信息、违规违章记录信息等等），形成一个有价值数据链，从而知道城市交通信息化建设，为公安交通实战应用服务，为市民出行服务。 什么是云分析 云分析系统具备超高的计算性能，单机设备每天处理的信息量最大高达2000万张图片。云分析具备对卡口、电警以及部分监控设备拍摄的车辆图像信息的结构化智能分析功能，主要包括识别图像中车辆的品牌、型号、年款、车身颜色、类别、异常特征（如遮挡面部、遮挡号牌）、唯一性局部特征（如年检标志、车内饰物）等关键信息。 可对提交的图像中的车辆车牌颜色及车牌号进行二次识别，通过大数据进行，时间、地理、轨迹等的对比识别，以得出分析结果。 过去几年，智能交通系统建设取得了长足的进步与发展，针对道路交通违法、交通安全等，不断在不同的时间，不同的阶段建立了交通卡口、违法检测、道路智慧监控、交通事件监测等信息化系统，但这些信息化系统所采用的设备、平台均来自于不同的厂家，采用的标准，上下级不能很好的实现级联，与公安系统融合度不高，无法进行集中管理，资源共享，发挥统一的实战作用。
在企业信息系统中,有超过80数据属于非结构化数据,它们包括.
在企业信息系统中，有超过80%的数据属于非结构化数据，它们包括文档，邮件，报表，网页，XML，声音，影像，多媒体影像，扫描文件，工程图，记录资料，演示文稿等。今天，随着信息的巨量增加，这些非结构化数据或数字内容正在以每年200%的速度快速增加，许多企业事实上已经淹没在内容的汪洋之中。您的企业面对浩如烟海的非结构化数据是否已经准备好了？在处理这些数据时，您的企业将面临哪些问题和挑战？ CIO发展中心特别策划了一次调研活动，希望能够让CIO了解到国内企业对非结构化数据管理的现状和趋势。请您在百忙之中抽出时间，回答我们的问卷，谢谢！ 调研问卷 1．您是否听说过内容管理(或者:非结构化数据管理)? □没听说过 （那您是否听说过知识管理、文档电子化、信息权限管理、业务流程管理） □略有了解 □知道 注：非结构化数据是指文档、图纸、声音、图像、网页文件等难于用数据库形式保存的数据。 2．贵公司目前正在使用的IT应用系统有： □ERP（SAP，Oracle，其他ERP系统请标明________） □业务流程管理系统 □OA办公自动化系统 □文档访问控制系统 □协作系统 □图纸扫描和电子化管理系统 □客户关系管理系统 □影像管理系统 □档案管理系统 3．贵单位非结构化信息管理过程中是否存在以下的问题：（可多选）： □大量纸面文件和图档难于保存和管理，文档管理仍停留在手工管理的阶段 □电子单据的内容的访问安全性难于保障 □无法实现对内容的保留期限的控制 □难以实现协同工作 □随着业务发展，现有系统难于承受非结构化数据（如大量的纸文件、单据、图表、邮件等）的海量增加 □内容管理系统如何与现有业务系统的无缝整合 □难于实现对影像系统的电子化管理
东方网力视频大数据实战应用平台
东方网力视频大数据实战应用平台 产品概述 视频大数据实战应用平台，一款面向刑侦用户提供海量视频结构化分析、感知数据清洗汇聚、基于GIS的资源可视化检索、数据关系推演分析、重点目标缉查布控等应用，并逐步向事前预警防控提供大数据分析服务支撑的综合型应用平台产品。同时具备与公安业务系统资源与业务流程的深度融合的能力，打破传统视频侦查平台的应用局限，创新视频侦查实战应用平台的新模式。 系统架构 平台支持本地视频资源及第三方资源的远程交互，基于云计算、云检索、云存储的云架构设计，将标准模块化服务封装成独立应用，根据多级组织架构在应用层面上提供标准的应用前端，实现应用部署的一体化作战模式。 功能简介
视频结构化 支持对视频中人脸、车辆、人体等进行结构化分析，提取数据推送至视图库，实现数据的统一存储。 布控报警 基于不同布控目标要求和监控场景，结合实际业务应用，实现人员、车辆定向布控分析。 视图库串并分析 涉案信息库主要包括以下功能，案事件列表、涉案人员管理、涉案车辆管理、涉案物证管理、涉案场景管理、串并案管理、自动串并案、资源库、涉案图片、涉案视频、绩效统计。 人员分析技战法 依托于平台结构化分析，对人脸、人体进行特征比对分析，实现人员关联信息的挖掘能力，为复杂的查人、找人提供相应的处理工具。
车辆分析技战法 通过对电子卡口与虚拟卡口系统中，海量通行记录的深度挖掘和技战法应用，集合多种技战法，提供一整套完整和专业的工具集，可以对特定车辆进行轨迹分析、团伙分析、碰撞比对等多种应用，缩小可疑车辆排查范围，大大提高办案人员的工作效率，为刑侦破案提供更多的线索。 可视化指挥 基于移动网络实现一线与指挥中心的音视频实时交互，保证一线反馈与指挥指令的顺畅上传下达，利用信息可视化、数据可视化、现场可视化技术提升指挥效率。 立体化分析 基于多源地图数据，从空中、地面、现场等多维度、多视角立体化呈现现场信息，实现立体化分析。