摘要：对高校安防系统发展中积攒的海量数据进行归类，讨论对这些数据进行处理所需采用的技术，并提出一种高校安防数据中心的实现形式。
关键词：高校安全管理 数据中心 平安校园
近年来,在高校平安校园的建设中，安防系统平台不断发展完善，形成了以视频监控为主，人员车辆门禁、消防、报警、指挥调度等多系统综合集成的布局。在系统运行中积累了大量视频录像、人员车辆出入记录、运动轨迹、运动速度等安防数据，这些数据成为高校安全稳定的重要保障，为安全管理工作立下大功。但随着安防系统平台的不断更新换代，这些积攒的无序、离散安防数据也显现出越来越突出的问题。一是数据来源、格式不统一，由不同领域、不同系统、不同品牌设备产生的数据，往往通用性较差。二是没有对这些安防数据进行分析和挖掘，无法通过对数据的深度分析形成校园管理的研判依据。三是安防数据仅为高校安全管理提供支持，未能将其包含的丰富信息在学生工作、教学、科研等领域提供支持。
目前，大数据、云计算、人工智能、物联网、增强现实等技术在多领域得到广泛发展运用，对于数据的整理、提取、分析提供了技术手段。建立以高校保卫部门为主导，以信息技术为核心，综合集成多领域资源，为高校管理提供整体支撑的安防数据中心对于平安校园的建设意义重大。
一、高校安防数据的特点
高校安防数据不仅来自于校园监控摄像头视频数据、校门人员车辆出入数据、校内人员车辆运动数据、抓拍人脸数据、消防报警信息，也包括对高校校园安全管理起作用的其他数据，如校园地理信息数据、师生基础信息数据、安保人员数据、设备运行数据、硬件支撑数等。可以按照数据结构把数据信息分为非结构化、结构化和半结构化三种。其中非结构化数据主要包括视频监控录像和抓拍图片,如监控、报警、视频摘要等录像信息和卡口、人脸等抓拍图片信息；结构化数据主要包括校园接警记录、结构化描述记录、系统运行日志以及各种相关的信息数据库,如师生基础信息库、校园车辆信息、楼宇位置信息、安防设备信息等;半结构化数据如师生人脸数据等。高校安防数据具体可分为如下几类。
（一）视频监控数据
这部分数据包括高校监控系统建设的大量视频监控数据，由模拟信号到数字信号，由标清分辨率到高清分辨率，由单一的监控图像到综合多种信息。随着高清监控的广泛运用，视频数据成为最重要的安防数据，也是安防数据分析挖掘的重点。但是，视频监控系统存在不同批次建设，所采用设备的品牌、型号、标准、设备制式不一致的问题，给数据的分析与挖掘带来难题。
（二）人员、车辆进出与运动数据
高校人员车辆进出频繁密集，每天产生上万条人车通行记录，在校园内分布的人车抓拍摄像头将形成人车运动轨迹信息，这些也是安防数据的重要来源。通过这些数据可以实现人车数据研判分析、车流密度分析、超速与违停报警、人车异常轨迹分析等功能。
（三）人员车辆基础信息
高校师生的基本信息是安防数据中心的底层基础，由教师人力资源管理系统、本科生、研究生教务系统、留学生管理系统等推送数据构成，能够随着人员的新进、毕业、离职动态更新。人员数据主要由姓名、单位、学工号、人脸图像、云顶yd2223线路检测的联系方式、校园卡物理卡号等信息组成。车辆信息主要由教职工和学校公用车辆信息组成，主要由车牌号码、车主、车辆颜色等信息组成。
（四）校园地理信息系统
校园地理信息系统（gis）是安防系统运转的重要支撑，由校园地图（2d、3d）构成，并在地图上标注安防要素位置信息，包括监控摄像头、校园卡口、消防栓、一键报警柱等信息。人员车辆运动轨迹、安保人员巡逻路线、手动报警位置或通过抓拍发现的警告位置及附近的安保力量可以在地图上呈现，为应急指挥提供参考。
（五）安防设备基础数据
高校安防系统设备种类繁多、数量巨大，需要由信息系统对这些繁杂数据进行管理。主要由监控设备、卡口设备、消防设备等的位置、名称、品牌、型号、ip地址、用户名、密码、安装时间、维保公司等构成。支撑这些设备正常运转的基础网络信息、路由通道信息也包含在这里。
二、高校安防数据中心所采用的技术
高校安防数据来源并存储于不同系统，将这些离散、孤立、无序的数据综合集成、互通共享，并交由统一平台管理，是安防数据中心建立的基础性工作。然而，标准体系各不相同，采集和集中不是易事。数据集中后，还要采用多种技术找出这些不同类型数据之间的关系，从而挖掘出数据中的价值。
（一）云存储
目前，高校安防数据多采用nvr或者ipsan的形式存储不同系统之中。以视频监控系统为例，监控视频数据按不同建设时期、不同的架构，分散于不同楼宇、区域的nvr、存储中间件、ipsan等设备中。同时，随着高校办学规模的扩大，多校区办学模式也较为普遍，安防数据普遍采取分校区、分层级存放形式。这种存放形式存在利用率不高、负载不均、重复建设、能耗大的问题，采用云存储技术的安防数据中心将能很好地解决这些问题。视频监控云存储系统，空间上分布式，所有的存储、分析等资源都是非集中的，摄像机接入各自分系统的存储设备，视频存储和分析在离散空间形成整体运算和处理能力构成存储分析云。
（二）数据结构化
安防数据大多是半结构化和非结构化数据,分析和挖掘安防数据首先要实现数据结构化。数据结构化是指把半结构化和非结构化数据转换为结构化数据的处理过程。采用先进的云计算系统对安防非结构化数据进行结构化处理,为大数据的进一步分析和应用提供进一步支持。视频智能分析系统分级部署在各校区分中心和学校安防数据中心。部署在校区分中心的系统分析提取本校区生成的视频数据，处理结果上报至学校安防数据中心，部署在安防数据中心的智能分析系统，只对安防数据中心云存储中的数据分析提取。数据的分级分区存储分析，提高了校园安防视频结构化分析的效率，减少校区分中心传输到学校总中心的数据量，缓解海量视频数据对校园带宽的压力，提高校园视频安防数据时效性。
（三）数据分析和挖掘技术
对安防数据中心而言,要实现更高层次的应用,首先需要对安防数据进行分析和挖掘。以云存储和云计算系统为基础,通过云计算系统实现对海量数据的快速分析,把云计算引入车牌、人脸识别领域,利用高性能服务器的算力，对校园内监控视频中的大量车牌、人脸信息进行分析识别，并在此基础上深度挖掘提取，形成结构化信息，最后利用这些有效关联、去粗取精的数据对校园安全管理提供事件预判和报警。对安防数据中心储存的视频监控数据进行分析识别和深度发掘是目前人工智能和模式识别领域中研究的重要方向，当前对车辆号牌、人脸信息、人员数量等算法已能实现商用，但对于视频中的人员行为、发展趋势的研究还处于探索阶段，限制了安防数据的进一步应用。
三、高校安防数据中心具体实现形式
（一）高校安防数据中心总体架构
高校安防数据中心是建立在学校现有安防系统之上的，包括基础运行库、采集库、传输链路和分析器。其中基础运行库包括，高校教职工、学生基础信息，学校车辆基础信息，底层设备信息，校园地理信息等。采集库包括前端摄像头、校门和道路卡口抓拍、人脸识别摄像抓拍等产生的数据。传输链路包括通过有线、无线连接的校园安防专网。分析器从基础运行库和采集库中获取数据，分析、挖掘有效安防信息后，将数据按照学校安防部门各科室需求分发下去。分析器对前端采集的数据进行实时处理，并将处理后的数据入库，能够及时得到安防数据中心的处理结果，提高数据实时性和价值。
（二）安防数据中心建设在高校管理中的运用
高校安防数据中心的建立应由高校安全保卫部门主导，信息化部门是关键，人事部、本科生院、研究生院、学工部、研工部、团委等多部门联合，共同实现安防数据中心落地。建成的安防数据中心不只向高校保卫部门提供数据和决策支持，更要在高校治理体系和治理能力现代化上为各个领域提供数据支撑。高校安防数据中心是建立健全大数据辅助科学决策和校园治理水平提升的重要保障，推进高校管理和校园安全治理模式创新，实现高校管理决策科学化、校园安全治理精准化、公共服务高效化。要充分利用高校安防数据中心，综合分析风险因素，提高对风险因素的获取、预警、防范能力。
（三）高校安防数据中心需注意数据安全
数据安全是信息化建设的重难点,在高校安防领域也不例外,黑客攻击、系统漏洞、病毒、蠕虫、木马等威胁在高校安防领域中同样会遇到。高校视频监控数据私密性高、保密性强，既可用于事后视频调阅，也是数据分析和挖掘的基础。对于高校安防领域而言,监控视频、图像覆盖面广、信息丰富、数据量大，部分涉及到个人隐私、科研机密、公共安全等方面，因此，高校安防数据中心要高度重视系统信息安全防护。高校安防数据除了不受外界入侵或非法获取以外,另一方面还体现在数据自身的稳定性和容错能力上，在发生硬件故障时数据能够在短时间内恢复,整体数据安全能够较好得到保障。
高校安防数据中心是安防系统的新方向，对于平安校园建设意义重大，涉及到高校多个部门的合作，建成后也将成为高校数据中心的重要组成部分。
参考文献
[1]杨德利,张涛.安防大数据应用研究.电信科学,2015,31(7):164-168.
[2]吴映霞.大数据时代安防行业面临新挑战.a＆s：安防工程商,2014(6):74-77.
[3]祝占魁.顺应大数据发展趋势，构建新时代智慧安防[j].中国公共安全,2019(12):123-126.