目前，在公安工作中，zui实在的应用就是从海量视频数据里找出具有相同线索特征的图像，其中zui大的技术障碍还在于视频的结构化。站在视频分析、智能视觉的角度来看，我们可以采用一些智能分析手段，以从大量纯视频中先自动化地采集出一些常用的“元数据”信息，并用数据TAG的方式重新对视频信息进行组织、长期存储，以备“战时”急用，完成对*分子行为痕迹的拼凑。
飞速增长的视频监控数据，使得传统视频监控体系架构、数据的管理方式、数据分析应用等面临新的困境。
困境一：数据量的急剧扩大和IT投资之间的矛盾
按照IT产业的法则：在满足客户需求的前提之下，往往技术成本越低，其生命力往往越强。由于数据量的急速扩大，以及随之而来的大规模计算的需求越来越多，一味采用高配硬件，使得硬件投资成为客户不可承受之重，客户越来越希望在满足需求的前提下，用中低端的硬件来替换高配硬件。
困境二：海量数据和有效数据之间的矛盾
摄像头7X24小时工作，如实记录镜头覆盖范围发生的一切，仅仅记录信息是不够的，因为对于客户来讲可能大部分信息是无效，有效信息可能只分布在一个较短的时间段内，按照数学统计的说法，信息是呈现幂律分布的，也称之为信息的密度，往往越高密度的信息对客户价值越大。
困境三：资源利用和效率之间的矛盾，串行计算和并行计算的矛盾
视频监控业务网络化、大联网后，网络内的设备越来越多，利用闲置的计算资源，实现资源的zui大化利用，关乎运算的效率。在视频监控领域，往往视频分析的效率决定价值，更低的延迟、更准确的分析往往是平安城市这类客户的普遍需求。随着数据量的增加，哪怕对TB级别的数据进行对视频内容的数据分析和检索，采用串行计算的模式都可能需要花费数小时的计算，已远远不能胜任时效性的需求。视频的分析和检索，不能依赖于传统的手段，巨量数据的效率优化，并行计算是视频智能分析的*出路。
