四、视频大数据面临的问题
随着大数据的发展，许多问题逐渐暴露出来，主要表现在以下几点：
(1)智能分析技术不够成熟。基于智能分析技术的视频结构化是实现大数据分析的基础，当前，交通卡口的车辆信息提取技术较为成熟，但是，像人体信息提取、物体信息提取、人脸比对等技术还不够成熟。
(2)数据应用不够深入。当整合足够多的数据后，如何构建数据分析模型，如何契合业务应用挖掘价值信息，当前还处于萌芽阶段。当然，其中也有一些可以借鉴的例子，比如卡口大数据系统，它可以对过车数据进行深度的智能研判：区域碰撞、轨迹分析、跟车研判等，基于这些研判功能，有助于刑侦破案效率的大幅提升。
(3)数据共享不够广泛。特别是政府、公安、交通等部门中，信息孤岛普遍存在，这主要是由于体制问题造成的，并不是技术上的问题，很难由企业来改变这个现状，只能由相关部门贯彻推行并作出改变。
(4)标准化建设不够全面。这主要是由于大数据还处于起步阶段，还需要更深入的探索和尝试。在标准化建设方面，如数据标准规范、互联互通标准规范、数据应用模式标准规范等，需要不断进行总结，并逐渐标准化。
五、视频大数据发展趋势
在视频监控行业未来的发展中，大数据势必会占据越来越重要的地位。面对发展过程中出现的问题，需要不断加以解决并完善。
(1)技术创新。首先，视频结构化，通过智能化技术，能够从视频图像中提取出人、车、物等特征信息，通过提取并整合这些信息，能够方便的对视频数据进行检索、以图搜图、深度关联分析。当这些技术得以实现，视频数据的应用效率会大幅提升，而且可以为视频数据的深入应用奠定基础。其次，大数据处理技术。视频数据结构化后，成为可以被计算机识别的数据，当越来越多的数据汇集之后，传统的技术或系统已无法进行有效处理，此时，必须采用大数据技术才能对这些海量的数据进行处理。大数据技术包括分布式文件系统、分布式数据库、全文搜索引擎、分布式计算、内存计算、流计算等，具备优异的可靠性、扩展性及处理性能，能够针对海量数据进行快速分析、挖掘，为用户提供更好的服务。
(2)业务创新。有了经过结构化后的海量视频数据，通过大数据技术，可以对这些海量数据进行深度挖掘，可以做到预测及趋势分析，当然相关的数据分析模型还需要不断探索和创新。如公安部门，视频侦查在当前来说只能是一种辅助手段，如果采用大数据技术后能够进行预测预警，那么视频侦查将会成为一种非常重要的手段，通过视侦技术，能够减少案件发生率、提高破案率。
(3)体制改善。更多的数据能够产生更大的价值，为了能够整合更多的数据，必须消除信息孤岛，而这一现象在政府部门是客观存在的一个难题。当然，在智慧城市的推动下，这一局面已有所改观，越来越多的政府部门意识到数据共享的重要性。但是，要真正实现大数据的集中和共享，还有很长的路要走。
(4)标准完善。海量数据的整合离不开标准化的过程，在标准化过程中，需要重点考虑以下几点：一、数据结构化标准规范，包括哪些数据需要结构化、结构化的数据如何表示、如何设计字典规范、如何设计数据库表等等，通过标准的结构化数据，所有系统都能够识别并处理；二、数据互联互通标准规范，包括平台与前端之间如何互联互通、平台与平台之间如何互联互通等。前端可以对视频数据进行结构化，后台也可以对视频数据进行结构化，前端和后台需要相互协作，那么前端如何告知后台哪些数据已经结构化了，哪些数据还需进一步结构化，就需要标准来规范；三、数据应用的标准规范，包括数据的服务模式、类型、规则等等。如大数据平台对海量数据进行清洗分类、深度挖掘之后，需要对上层的业务应用提供服务，这种服务就需要通过标准化的接口提供出去。
