1.海量视频的挑战

　　在平安城市建设中，系统已经从视频监控演变为动辄千路甚至万路的大规模视频应用与分析系统，未来75%的网络流量都是视频数据，那么如何构筑面向海量视频的基础设施和技术架构，以及如何处理海量的视频接入、存储、转发和应用问题，进而保证整个系统可弹性扩展、业务不中断、架构最合理、共享最灵活、建设最经济是当前我们需要面对的问题。

　　2.数据多元化的挑战

　　传统的视频天网建设模式正在向全息物联感知智能网络的建设模式转变，在平安城市建设中视频采集同时伴随着多元化物联网感知数据的采集和融合应用，如RFID、MAC、门禁道闸、卡口图片、交通流量等数据如何在原有的系统上对架构进行优化升级使之同时能支撑对每天数以亿计的海量物联网记录的采集分析，同时如何实现多维数据与视频的融合，进行快速的查找联动和多维分析也是我们需要解决的问题。

　　3.智能应用规模化的挑战

　　近年来伴随着人工智能和计算机视觉算法及工程能力的突破，人像、车辆、视频结构化等智能应用在平安城市实战中发挥了极大的效能，特别是人像识别的应用，目前很多区县的平安工程建设中都规划了千路左右的人像识别点位建设，如何支撑规模化的视频智能分析建设需求?完全靠后端集中式建设和智能分析处理方式不仅带来建设成本、运营成本和网络成本的增加，同时很多区县公安局也无法提供额外的机房环境来放置大量的智能分析服务器。另外，视频智能分析的部署场景和环境复杂，越来越需要前端相机能实时感知环境和目标状态，动态调整系列参数，如角度、焦距、光圈等，以达到最佳的感知和抓拍效果，这些问题都提出了智能分析的前移化、前置化和分层分级的建设应用需求。

　　4.关键业务

　　随着视频大数据技术的发展，应用目标也从传统的事后录像查看全面转向了对重点目标的预测预知和预警布控，因此对业务的实时性提出了更高的要求，完全通过集中式、离线式的后端视频分析和数据挖掘的处理方式已经无法满足对重点目标的快速辨别和布控比对响应要求，因此在架构上需要一部分的视图数据分析预处理和布控应用前移，在边缘节点上和前端设备上进行就近分析和应用，缩短感知数据处理路径，减小关键业务的处理时间，提升整体系统的设计合理性。