智慧城市建设方案平安城市建设方案目录1 项目背景与必要性分析 01.1 城市安防与云计算 01.2安防现状分析 01.3 项目必要性 (1)1.3.1 从信息孤岛到全局统筹的转变 (1)1.3.2 从人工监控到智能安防的转变 (2)1.3.3 从事后分析到事中追踪的转变 (2)1.3.4 从独立应用到综合联动的转变 (3)2 平台架构设计 (4)2.1 网络架构 (4)2.1.1 网络拓扑 (4)2.1.2 社会资源接入的安全机制 (6)2.2 软件架构 (8)2.2.1 平台架构图 (8)2.2.2 前端设备 (9)2.2.3 接入服务器 (9)2.2.4 中心服务器 (10)2.2.5 存储服务器集群 (10)2.2.6 处理服务器集群 (10)2.2.7 流媒体服务器 (11)2.2.8 客户端 (11)2.3 平台联动调度 (11)2.4 平台部署策略 (13)2.4.1 区县未集中处理的视频 (13)2.4.2 区县已集中管理的视频 (13)2.5 与科达一期平台的关系 (14)3平台模块技术描述 (15)3.1 IaaS层cStor云存储 (15)3.1.1 cStor云存储系统 (15)3.1.2 cStor系统构架 (19)3.1.3 cStor架构描述 (19)3.1.4 cStor部署示意图 (20)3.1.5 cStor挂载接口 (21)3.1.6 cStor读写数据工作原理 (22)3.1.7 minicloud简介 (23)3.1.8 minicloud产品优势 (24)3.1.9 minicloud技术规格 (25)3.1.10 cStor存储性能 (27)3.2 PaaS层cProc云处理 (28)3.2.1 JobKeeper云调度 (28)3.2.2 cProc数据立方 (32)3.2.3 cProc数据立方关键技术 (35)3.2.4 cProc数据立方性能指标 (39)3.2.5 与同类技术/产品对比分析 (41)3.3 SaaS层cVideo云视频 (45)3.3.1 cVideo系统逻框图 (45)3.3.2 cVideo子系统描述 (46)3.3.3 cVideo接口描述 (64)3.3.4 cVideo总体性能 (66)3.3.5 cVideo智能识别 (68)4 图像资源库 (71)4.1 图像资源库建设内容 (71)4.2 图像资源库架构 (72)4.3关键技术 (73)4.3.1 图像增强技术 (73)4.3.2 目标识别技术 (74)4.3.3 颜色特征提取技术 (74)4.3.4 纹理特征提取技术 (75)4.3.5 形状特征提取技术 (76)4.3.6 大规模图像数据管理技术 (77)4.3.7 人脸识别技术 (78)4.4 图像数据库优势分析 (79)4.4.1 图像优化可用性高 (79)4.4.2 特征提取方便检阅 (79)4.4.3 办案视频同步上传 (80)4.4.4 高速索引秒级处理 (80)4.5 案件审讯库 (80)5应用实例 (82)5.1 道路状况检测 (82)5.2 车辆轨迹跟踪 (84)5.3 GIS联动 (85)5.4 重点区域智能监控 (86)5.5 套牌车检索 (88)5.6 移动终端监控 (89)1 项目背景与必要性分析1.1 城市安防与云计算城市公共场所往往有成千上万路监控摄像头遍布街头，昼夜不停地监视和录像，在改善社会治安的同时，也产生出海量的视频数据需要监控管理平台存储和处理。
要对这些海量视频通过人工进行重点图像的抓拍，困难很大。
首先，需要对所有的视频录像进行逐帧浏览，才能发现重点图像，这无疑工作量巨大，甚至犹如大海捞针。
其次，即使找到了重点图像，人工抓拍，并且要记录下对应的原始视频图像的时间点等，也是工作量很大，效率很低。
由于人的生理特征所限，长时间观看视频录像，容易产生视觉疲劳，还有可能漏掉重要图像和线索。
理想情况是一旦有重要事件发生，系统就可在事后能快速查找到线索。
针对上述海量监控视频录像的事后分析，传统以人海战术为主的视频线索查找，显然不能满足高效查找，正面临巨大挑战，急需一种更为高效的、自动的、智能的系统实现上述需求。
目前，基于云计算的大规模数据存储和处理技术以及视频图像智能处理分析技术可以解决这一问题。
通过视频浓缩摘要，缩短视频事件的播放时间，通过目标内容识别、分类等实现快速查找事件线索，缩小查看范围的功能，这些都极大地减轻警方刑侦人员的工作负荷，海量视频分析功能的实现和应用将大大提高监控效率。
国内外很多公司以及机构都在这一领域投入了大量的研究，将云计算，智能识别等技术联系在一起，更好的为安防服务。
充分利用云计算的海量数据计算能力和智能的处理能力，不仅能大大缩小了对于各类事件的事后取证所需要的时间，提高了取证效率，而且对于各种突发事件的预防、响应都起到了积极有效的作用。
1.2安防现状分析许多城市已经先后建立了数十万台监控摄像机，为人民的安全提供着保障，但同时，如此庞大且分散的监控体系也带来了巨大的挑战。
矛盾主要集中在：海量视频需要存储，但现有存储空间严重不足；视频码率清晰度不断提升，但传输网络带宽资源不足；小块区域集中管理，但跨区域调用视频困难；监控还未达到智能化程度，时效性不强，多用于事后回调；1.3 项目必要性公共区域视频监控系统的建设是平安城市建设必不可少的重要组成部分，其视频监控资源的整合、优化以及利用程度是城市信息化程度的重要标志之一，大部分的公共区域中已建成大量、属于各个部门、基于不同制式标准、不同设备、不同平台的视频监控系统，但目前这些资源并没有得到有效整合，无法跨平台、跨部门进行集中优化处理，这就造成了城市现有视频资源利用率低、重复建设、缺乏统一调度等不良现象，本项目基于这个现状旨在建设一个统一的、城市级的视频监控平台，将城市现有的视频监控资源有效整合起来，并在此基础上针对各类城市管理中的应用需求，实现高效实用的业务应用。
通过构建cVideo综合视频监控云平台（以下简称“平台”），将城市可利用的全部视频资源经过优化、整合及智能处理后，透明地呈现给使用者，为城市管理提供有力支撑。
“平台”在现有信息化建设基础上，集成现有视频监控资源，建设大规模视频实时接入处理分析监控平台，实现与现有平台，网络摄像机、以及新建监控设备的对接，实现上万路的视频接入。
对上述视频监控平台的视频接入后，要求实现转码处理、智能识别、解码上墙和数据存储回看等功能，以满足不同终端的访问需求、实现车流统计等交通数据的提取、对关键数据进行存储、以及实现大屏控制等功能。
实现从传统的模式向云模式的转换，并可以带来巨大的获益。
1.3.1 从信息孤岛到全局统筹的转变针对现在已有的图像平台，需要对省市两级主要平台完成升级改造，确保实现公安视频图像信息共享平台之间的联网互通，同时兼容各地承建的视频监控系统和平台，以提升整个公安图像信息的共享度。
“平台”将散落在各个派出所或者小区域中的“信息孤岛”相互连接，构成由省厅统一管理的四级大平台，使视频数据能够互通共享，并以此为基础构建丰富多彩的上层应用。
1.3.2从人工监控到智能安防的转变在实现互联之后，我们仍会发现新的问题。
目前，成千上万路监控摄像头遍布街头，昼夜不停地监视和录像，在改善社会治安的同时，也产生出海量的视频数据需要监控管理平台处理。
要对这些海量视频通过人工进行重点图像的抓拍，困难很大。
首先，需要对所有的视频录像进行诸秒浏览，才能发现重点图像，这无疑工作量巨大，甚至犹如大海捞针。
其次，即使找到了重点图像，人工抓拍，并且要记录下对应的原始视频图像的时间点等，也是工作量很大，效率很低。
由于人的生理特征所限，长时间观看视频录像，容易产生视觉疲劳，还有可能漏掉重要图像和线索。
因此，用机器代替人工（机器结合人工），是必然的趋势，通过智能地图像识别算法，将“可疑”的视频筛选出来，如此一来可以大幅降低人为的干预度，提升监管效率。
1.3.3从事后分析到事中追踪的转变一般针对事件可以分为事前预防、事中跟踪和事后取证。
理想的情况是：一旦有重要事件发生，系统就可在很短时间内查找到线索并定位，而目前海量监控视频大多以录像的形式用于事后调取和回看，并且主要以传统人海战术的视频线索查找，显然不能满足高效查找，正面临巨大挑战，急需一种更为高效的、自动的、智能的系统实现上述需求。
目前，基于云计算的大规模数据存储和处理技术以及视频图像智能处理分析技术可以解决这一问题。
通过视频浓缩摘要，缩短视频事件的播放时间，通过目标内容识别、分类等实现快速查找事件线索，缩小查看范围的功能，这些都极大地减轻警方刑侦人员的工作负荷，海量视频分析功能的实现和应用将大大提高监控效率。
国内外很多公司以及机构都在这一领域投入了大量的研究，将云计算，智能识别等技术联系在一起，更好的为安防服务。
通过对云计算的海量数据计算能力的充分利用，提供智能识别所需的处理能力。
这样不仅能大大缩小了对于各类事件的事后取证所需要的时间，提高了取证效率，而且对于各种突发事件的预防、响应都起到了积极有效的作用。
1.3.4从独立应用到综合联动的转变在现有的条件下，视频监控大多数时间是以一个单独的应用呈现，或是通过大屏进行实时监控，也可能是通过电脑终端进行监控管理。
然而随着信息化程度的不断提升，单一的监控已然无法满足用户的需求，具有联动功能的综合型平台愈发成为转变的方向。
因此，需要实现将警务综合平台与视频结合应用相互结合，整合成一共公共的基础平台，以更好地提供各类上层应用系统的使用。
同时，从视频、声音、图像到信息提取、资料汇聚再到上层应用，无一不有大数据穿插其中，如何应对如此海量的信息和数据，如何将这些数据变成可以有效利用的宝贵资源也成为了日渐热议的话题。
2 平台架构设计根据省厅已有建设情况和对实际需求的深入分析，本方案利用cStor 云存储和JobKeeper云调度技术构建统一的cVideo云视频监控管理平台软件，部署在标准X86服务器集群上，通过对已有监控资源的整合，实现海量高清视频监控的数据存储和智能处理。
2.1网络架构2.1.1 网络拓扑针对实际情况，多级cVideo云视频监控系统采用分布式架构，分级管理和部署。
以街道派出所为单位，初期拟定每个所部署一台“minicloud”（“minicloud”迷你云微型数据仓库将在下面的章节中进行详细描述），用于视频数据的保存，从区级到市级再到省级分别部署cVideo系统，cVideo系统的架构会在2.2中进行具体描述。
整个“平台”构建于公安网之上，其中，省级中心处于核心地位，部署元数据服务器，用以统一管理元数据信息，各派出所则使用“minicloud”中的三个互为冗余的节点担当存储节点的角色。