能家居、路网监控、智能医院、城市生命线管理、食品药 品管理、票证管理、家庭护理、个人健康与数字生活等诸 多领域 ... 深圳新智励人工智能科技作为一家拥有自主产权 AI 科技 研 发公司，致力于视频结构化技术、人脸识别技术、异 常行 为分析技术、 目标物体识别技术的研发及技术推广， 在智 慧社区的 AI 升级改造中，将充分利用先进的技术优 势，为 智慧社区打造一套实用、高效、贴合 GA 需求的 智能安防 社区主干道出入 口 ：人脸摄像机 + 车辆抓拍机 可疑人： 名单库 可疑车： 名单库 上墙管理 各社区预警 上墙显示 社区主干道出入 口 ：人脸摄像机 + 车辆抓拍机 视频结构化 算法服务器 AI 综合管理 平台 社区 GA 有效数据 本社区情况 … … 系统概念 通 过 监 控 拍 摄 ， 把 所 有 经 过 摄 像 机 底 下 的 型 、 颜 色 ， 以 及 其 他 机 动 车 或 非 机 动 车 包 括 三 轮 车 、 摩 托 车 、 电 动 车 或 自 行 车 等 可 疑 信 息 什么是视频结构化？ 视频结构化技术 第二章： 方案思路 组网架构 以 某 社 区 为 例 ： 如 图 示 ： 1 . 红 色 标 注 的 路 口 ， 为 社 区 主 干 道 的 出 入 口 ， 共 4 个 出 入

服务，侧重于为上层业务系统提供结构化和非结构化数据的存储能力， 主要支持视频图像信息联网功能，对车辆、人员、人脸等不同有价值 数据进行级联整合，提供有价值视频图像信息基础服务，实现对有价 值数据的查询、布控与告警、订阅和通知等功能。最终实现汇聚整合 各地、各部门掌握的车辆、人员、案事件等视频图像信息资源。 本次建成后的视频图像信息数据库需与市局无缝对接，汇聚推送 前端智能抓拍机捕获的非结构化、结构化数据到市公安局进行统一解 局采用统一云数据库 存储集群，包括车牌信息、人脸记录、人脸特征、车型信息、过车记 录、事件信息、视频摘要信息、人车物分类信息等重要信息，以及重 要案事件的价值视频片段、标签，这些视图数据带有结构化描述，在 此基础上在市公安局根据需求展开各类应用。在公安信息网内通过平 台客户端直接登录市公安局实战应用平台达到需要的应用目标。 安全系统需求 按照“十四五”国家信息化规划，参考（GB/T22239-2019）《信息 阜南县数字乡村建设项目-乡村公共视频联网工程设计方案 19 定。 3.5.1.2.4 全结构化摄像机部署设计 结构化数据是指图片、可描述的具体目标属性等数据，如人脸图 片、车牌图片、人员性别、衣着颜色、车辆品牌、车牌号等。一般监 控只能提供传统视频流信息，是非结构化数据，需要靠人为判断才能 识别出有效的结构化信息。通过后端视频结构化提取普通视频画面中 的机动车、非机动车、人员信息的建设方式成本较高，日常使用及维

1 视频结构化分析 2 远程抄表 3 智慧停车 4 智能井盖 5 智能照明 6 智能家居 智慧安防小区建设主题 3 © Nokia 2016 视频结构化是一种视频内容信息提取技术，它根 据视频内容按照语义关系，采用时空分割、特征 提取、对象识别等处理手段，组织成可供计算机 和人类理解的结构化信息 1 - 视频结构化分析介 绍 Nokia 2017 公安联网 车辆信息结构化 ● 基本特征（车牌、类型、颜色、、车型、品牌、子品牌、款型） ● 标识物（危险品车、年检标、遮阳板、挂饰、纸巾盒、是否打电话、安全带等） 非机动车信息结构化 ● 基本特征（车款、类型、性别 等） ● 服饰特征（衣色、眼镜、头盔 等） ● 携带物特征（背包、遮阳伞） ● 运动特征（方向、速度） 人物信息结构化 ● 基本特征（性别、年龄段） ● 服饰特征（上下衣着颜色、眼 运动特征（姿态、方向） 1 - 视频结构化分 析 © Nokia 2017 ● 运动特征（方向、速 度） 横向关联人、车数据 利用道路、车库出入口的 摄像头将车辆和驾驶员的 信息结合起来，对接公安 系统，实现人、车的在线 联网核查 6 19/03/2018 Confidential © Nokia 2016 1 - 基于 AI 的视频结构化数据的应用 - 联网核 查

安全性 可用性 扩展性 多样性 容灾容错 25 Hadoop 平台 主数据仓库 报表 数据 标签 库 指标 数据 用户 一视 图 …… 信息子层 用户、产品、订单数据 非结构化数据 信息子层：报表数据、多维数据、指 标库等数据来源于汇总层。 汇总层：主题域之间进行关联、汇总 计算。汇总数据服务于信息子层，目 的是为了节约信息子层数据计算成本 和计算时间。 轻度汇总层：主题域内部基于明细层 数 据 采 集 E T L LOG 文件 非结构化 数据 CBS NTALK LES HP SAP 渠道 平台 结构化数据 数据源 获取层 1 2 1 2 3 3 4 4 数据平台 - 数据存储（开放式异构数据存储） 26 数据平台 - 数据存储（ Hadoop ）  HBase ：非结构化 NoSQl 分布式数据库  基于分布式文件系统 基于分布式文件系统 HDFS ，保证数 据安全  列式存储，节省存储空间  提供大数据量的高速读写操作  Hive ：分布式关系型数据库  数据可保存在 HDFS ，可提供海量的 数据存储  结构化数据到关系型数据库的映射  类 SQL 的查询语句，提供大数据的统 计和分析操作，适合海量数据的批处 理  通过 MapReduce 实现大规划并行计 算  MapReduce ：大规划并行计算引擎

社交数据 数量 结构化 生产能力 速度 半结构化 数据提取 种类 高度非结构化 精确性 企业内容 种类 高度非结构化 数量 分析所有可用数据 非结构化，结构化，流数据 ERP CRM RFID Website 网络交换机 社交媒体 Billing 在现实当中除了关系型数据外，我们将会遇到非结构化（例如视频、图像、 Office Office 文档等）以及半结构化 （例如网页、 XML 文件等）等各种不同种类的数据，对于这些非结构化和半结构化的数据我们需要通过相 应的工具程序或者算法对这些数据进行分析形成关系型数据或者有相关语义的数据并且把这些非结构化和半 结构化的数据保存起来。从而让数据可视化工具来进行数据挖掘分析以符合我们业务的需要。 37 信息服务平台－大数据平台建设 业务系统数据源 增 量 实 时装载 / 全量 全量 /非 实 时 装 载 Hadoop 集群 关系数据库仓库集 群 关系型数据库数据 非结构化数据 数据仓库软件 集群系统 数据仓库软件 集群系统 数据 可视 化 自定义数据搜索应用： 语义搜索、关键字搜 索 自定义 Web 数据查 询应用 38 信息服务平台－企业数据总线：数据服务 关系型数据仓库层 ODS （操作型数据存储） CDW （中央数据仓库） DM

•区数据资源中心 •区三清单一目录管理 •区数据治理子平台 •区数据管理子平台 •区数据安全子平台 •区统一数据管理门户 性 能 需 求 •平台需要具备 5PB 数据存储与 管理能力，其中结构化数据存储 与管理能力要求达到 500TB 。 •平台数据计算 / 并发能力：数据 融合计算（百万级数据）执行效 率达到分钟级别；分布式存储平 台支持超过 200 人的数据开发 人员并发访问，同时进行数据处 区级大数据资源平台的总体架构 数据湖 数据 智能 子平台 智能标签 数据探索 画像分析 数据 DNA 全景监控 SRC 近源数据层：区级条线业务数据，以及结构化的视频及 物联网感知数据 ODS 源数据层：区级条线业务数据，以及结构化的视频 及物联网感知数据 专题库 主题库 基础库 人脸 / 车辆数据库 视频点位数据库 城市事件数据库 … 视频布控数据库 公共场所数据库 区级大数据资源平台一期建设总体架构与内容 数据湖 数据 智能 子平台 智能标签 数据探索 画像分析 数据 DNA 全景监控 SRC 近源数据层：区级条线业务数据，以及结构化的视频及 物联网感知数据 ODS 源数据层：区级条线业务数据，以及结构化的视频 及物联网感知数据 专题库 主题库 基础库 人脸 / 车辆数据库 视频点位数据库 城市事件数据库 … 视频布控数据库 公共场所数据库

机 将产生海量图片数据 数 据 的 价 值 更 丰 富 规模庞大的多类具有相关性的数 据， 包含的价值更加丰富 数据 1 、大规模的数据资源怎么存储、 分类、 检索 2 、结构化、 半结构化、 非结构化数据的处理 3 、视频、 图像数据的丰富信息怎么挖掘 4 、各层级、 部门的数据怎么汇聚、 整合和流动 密集的 ETC 门架 ，数据如何发挥更大的价值？ 5 、大规模的数据计算和分析的效能问题 全景视 频 运营车辆 GPS 系统 互联网 收费网 监控网 激光车型扫描 l 数据 中心 图像结构化数据 车辆抓拍图片、 监控视 频 全路网的门架系统抓拍图片、收费 车道抓拍图片、服务区抓拍图片等 全景监控视频 对车辆抓拍图像进行结构化提取 的特征数据 汇聚和整合车辆通行数据 外部数据 车辆运营公司的数据、交警数据等 路网各个门架、收费站、服务区的 对外提供统一的视频、 图像资源共享服务 l 虚拟化 GPU 资源 ， 灵 活调配计算资源 l 视频图像识别算法云 端部署 ， 算法能力动 态共享 l 视频图像的车辆信息 结构化提取 1 套高速公路 AI 云服务 搭建统一的视频图像云服务 各级平台 外部系统 内部系统 视频图像云存储 基于 GPU 资源的算法架构， 一次部署， 多方共享 提取视频图像中的车辆特

缓存 (Redis) NoSQL 存储 (OTS) 搜索 Opensearch 分析数据库 ADS 离线计算 Maxcompute 适用结构 结构化 非结构化 半结构化 半结构化 搜索文件 结构化 非 / 半 / 结构化 数据大小 <2T <100P <256G <100T <100T <100T 1000P 场景 1.会员 2.商品 3.订单 1.商品图片、 2.会员证件、

缓存 (Redis) NoSQL 存储 (OTS) 搜索 Opensearch 分析数据库 ADS 离线计算 Maxcompute 适用结构 结构化 非结构化 半结构化 半结构化 搜索文件 结构化 非 / 半 / 结构化 数据大小 <2T <100P <256G <100T <100T <100T 1000P 场景 1.会员 2.商品 3.订单 1.商品图片、 2.会员证件、

有机融合的 多计算框架 丰富的数据应 用使能与开放 高效的 大数据平台 运营与运维保障 政务、地理、物联网、互联网、社会 批量（数据库、文件）、流式、众包、外 部服务 结构化、半结构化、非结构化 数据的价值体现在分析与应用 使能工具的丰富性决定分析与应 用的易用性 开放包括三个层面： • 脱敏后的数据向社会开放 • 数据处理计算能力的开放 • 社会算法与技术的引入 数据展示 总体架构 应用场景 数据汇聚 数据分析 数据治理 数据安全 数据管理 一湖：大数据湖技术架构 一湖：数据流向模型 原始数据层 大数据综合运行中心 主题数据 归集库 缓存数据 结构化数据 非结构化数据 基础数据层 中心 库 法人 电子 证照 人口 公共 信用 宏观 经济 空间 地理 基础数据库 健康 保障 公共 服务 安全 生产 社会 保障 价格 监督 食药 安全 亿多网民的实时数据汇聚，能够获取到网民当下的情绪、行为、关注点和兴趣点、 归属地、移动路径、社会关系链等一系列有价值的信息。政府部门在出台社会规范 和政策时，可以避免个人意志带来的主观性、片面性和局限性，降低决策风险 海量非结构化数据，分析难度大 秒传播时代，及时响应要求更高 对解读和运用数据的能力要求更高 大数据应用 6 ：舆情分析大数据平台 数据展示 总体架构 应用场景 数据汇聚 数据分析 数据治理 数据安全 数据管理