视频监控是安全防范系统的重要组成部分，监控系统包括前端摄像机、传输线缆、视频监控平台。视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。

视频识别主要包括视频信息的采集及传输、视频检测和分析处理三个环节。通过智能分析模块，对视频画面进行识别、检测、分析，对异常情况进行目标和轨迹标记。智能分析模块基于人工智能和模式识别原理的算法。

人体目标识别

人体目标识别功能，检测在指定区域内是否有指定人体目标，并分析人体相关属性。

基于沃达德大数据平台，通过对海量数据采集、处理、存储、分析和数据挖掘，根据数据的特性，采用合适的可视化方式，将数据直观地展现出来，以帮助人们认识数据、理解数据，同时找出包含在海量数据中的规律或者信息，预测未来发展趋势，进行智能化决策分析，使得数据资产成为核心竞争力。

数据是一种宝贵的资源。利用新技术新方法挖掘现有数据的价值，找到数据间的关联关系，提高基础数据的利用率，并预测未来趋势及行为，是国内面临的迫切问题。一批新兴的数据处理、挖掘与分析技术不断涌现，使分析处理海量数据变得更加容易、更加便捷。

通过建设大数据基础平台，对已有海量数据进行整合、挖掘和分析，由传统的经验决策模式逐步转变为数据决策模式，可以进一步提升国内管理水平以及决策效率，并充分挖掘数据资产的重要价值。大数据基础平台采用模块化结构，模块高内聚、松耦合，应满足高可靠、实时响应快、安全性好、开放性好，系统应易于操作、易于维护、可扩展性好。

大数据平台进行数据采集时通常要面对数据结构、业务规则、技术特性（网络、安全、性能约束）等方面的综合挑战。如果数据源和大数据平台处于相同的网络环境，具有类似的数据结构和编码映射，可以通过工具配置或脚本进行采集，如使用Sqoop。当需要面对和对接第三方的数据生产系统，需要遵循对方的抽取协议，以及跨网段的数据访问，从而需要对采集应用进行一定程度上的定制，可以使用Java NIO、Netty或Mina。

Hadoop是一个成熟的大数据处理框架，允许在集群中使用简单的编程模型对大规模数据集进行分布式计算。它被设计为可以从单一服务服务器扩展到数以千计的本地计算和存储节点，并且Hadoop会在应用层面监测和处理错误，而不依靠硬件的高可用性，所以Hadoop能够在一个每个节点都有可能出错的集群之上提供一个高可用服务。

Hadoop集群主要由两部分构成:分布式文件系统HDFS和统一资源管理和调度系统YARN。分布式文件系统主要用于海量数据存储，YARN主要是管理集群的计算资源并根据计算框架的需求进行调度。构成HDFS集群的主要是两类节点，以主从(master/slave)模式，即一个NameNode（管理者）和多个DataNode（工作者）。构成YARN集群的是两类节点：ResourceManager和NodeManager，也采用主从（master/slave）架构。

基于沃达德大数据平台，通过对海量数据采集、处理、存储、分析和数据挖掘，根据数据的特性，采用合适的可视化方式，将数据直观地展现出来，以帮助人们认识数据、理解数据，同时找出包含在海量数据中的规律或者信息，预测未来发展趋势，进行智能化决策分析，使得数据资产成为核心竞争力。