芜湖视频监控|视频监控系统的五大标准
随着视频监控系统的使用和谈论日渐增多，越来越多的CSO开始发现，有必要将视频纳入总体的IT安全中。BRS实验室CTO Eric Eaton先生为我们提供了评估视频监控解决方案的五大标准。 视频监控曾经是物理安全的**部分。操作人员坐在多个录像机屏幕前，每个屏幕相应展示一台摄像机的视野，人们通过这些来检测特定区域内有无安全突发事件产生。但是随着时间的推移，越来越多的人表明，要想更好地保障一个集体的安全就需要安装更多的摄像头，而且视频信息必须具备多观察角度。
当人们在视频监控系统中加入更多的摄像头，从无数的视频录像中找到潜在的威胁就需要借助IT技术的分析工具来实现。鉴于此，CSO们发现他们十分需要整合一个重要的物理安全解决方案，并将视频监控系统纳入总体的IT安全之内。人们需要认清视频监控系统到底可以做什么，哪些又是它不能完成的。同时也暴露出来了一些问题，人们需要了解对视频监控解决方案的评估标准，还有，怎么做才能有助于改进现有的系统。
抛弃算法开始学习
现在，视频分析软件的出现对用户来说读取摄像机的输出信息成为可能，同时，当发现异常行为被检测到时还会自动发出警告。**早的系统往往有10到12个摄像头。运作时间为6个月，一旦安装后就意味着不可以进行升级和扩展。因此，对此投入更多的资金也是毫无意义，因为它们仅仅是作为一种对特定行为的警报的工具存在。举例来说，某组织部署了一个系统来检测一个停车场在夜晚是否有偷窃行为发生。18个月内系统通报发生了一起偷车行为（警官停下来检查这个停车场）。如果是这样，对于人们来说，一个在18个月内只提供了一两条有价值信息的系统是否过于昂贵呢？
如果要为单个的异常活动制定规范，作为视频监控系统，这样的系统不得不要面临挑战。一般来说，面对这样的情况，相关组织就会寻找与现有的产品在运作差不多，同时还能借助IT部门帮助的办法，他们可以用网络视频流检测异常行为。目前市场上出现了各种各样的工具可供选择。在功能上，他们都不仅支持更好地观看录像、更支持对摄像机的数字化输出信息进行分析，以便实时了解和判断异常行为，同时，在没有任何人力投入的情况下对所有异常活动进行检测和警报。不知不觉，人们看到了从算法和有规可循的系统到learning technology这一转变，这有助于改进视频监控系统。好的监控系统关键在于它们可以learning正常的行为，所以能够发现可疑的行为并帮助预测和预防未来的威胁。通过将每天的活动进行过滤，learning technology可以为安全人员减负，让他们的全部精力集中在对异常活动的检测上。这可以帮助提高相关组织的对威胁的意识，同时缩短对潜在威胁的反应时间。
可扩展性是关键视频分析技术具备learning的能力，取决于计算能力。这就需要相关组织确保系统能够满足更大视频监控业务发展的需要。因此，可扩展性至关重要。在一个城市部署相当数量的视频监控系统是很令人惊叹的事情。2007年6月，有人估计伦敦整个城市拥有420万个闭路电视照相机。手动操作不仅昂贵，还限制了系统的有效扩展性。如果视频监控系统不能达到一定功能，在确定检测区域时就可能需要纯手动来校准每个相机支持扩展的系统将允许视频监控系统随着发展需要增加照相机的数量和扩大录像的视野。因此，一个组织规模扩大的同时，相应的视频监控系统也能随之升级。逐渐地，为了对更大区域进行检测相关组织扩展了视频监控设备，相对于对手动操作来说，他们希望能提供自我调整的解决办法。部署视频监控系统也需要企业级别的架构，以便更好地分析视频时能满足所有的硬件和服务器的扩展。从照相机到视频集线器设备或到网络视频存储，供应商可以多重发送所有类型的数字视频流。多数的解决方案都提供记录和集中控制，以限制视频监控设备所使用的大部分电子实际财产。
