對于智能視頻圖像分析服務(wù)，主要核心是智能分析算法引擎，目前業(yè)內(nèi)普遍采用的是基于深度學(xué)習的智能視頻圖像分析算法，在IaaS基礎(chǔ)設(shè)施層面上，一般都會采用高性能的GPU服務(wù)器設(shè)備提升算法執(zhí)行效率。因此，在安防云平臺上，GPU服務(wù)器設(shè)備集群已經(jīng)成為一個必須的資源池，為安防云平臺提供高性能的計算基礎(chǔ)。

針對這方面的需求，科達自主研發(fā)的智能分析GPU服務(wù)器提供了高密度高性能的GPU計算能力，在標準4U服務(wù)器架構(gòu)上，可提供不少于12套高性能GPU分析處理單元，支持堆疊擴展，可充分滿足各類深度分析智能分析算法集群化及高密度的應(yīng)用需求。

在IaaS層系統(tǒng)層面，安防云計算平臺需要將GPU計算資源高效管理和利用，采用集群化、虛擬化的方式進行資源的靈活調(diào)度和分配，最大限度地提升視頻圖像分析能力。同時，安防云平臺還需要能夠?qū)PU計算資源使用情況、GPU處理器的狀態(tài)等進行密切的監(jiān)控，在單個或者多個GPU計算設(shè)備故障的情況下，能夠保證不會影響已經(jīng)在進行的智能視頻分析業(yè)務(wù)，實現(xiàn)GPU的池化服務(wù)性能?？七_智能分析系統(tǒng)所采用的GPU服務(wù)器內(nèi)置集群管理功能，可結(jié)合安防云平臺中各類視頻智能分析服務(wù)的需求提供豐富的資源監(jiān)控管理和調(diào)度服務(wù)，實現(xiàn)云平臺對GPU計算資源的高效應(yīng)用。

此外，在PaaS層面上，安防云計算平臺還可以進一步對智能視頻分析服務(wù)進行分層，將算法框架以及具體的算法應(yīng)用分離，能夠提供各種類型的深度學(xué)習分析算法框架，如TensorFlow、Torch等，保證這些算法框架可以利用強大的云基礎(chǔ)架構(gòu)快速地調(diào)度各類計算資源，為具體的算法應(yīng)用提供統(tǒng)一、可靠、便捷的資源服務(wù)平臺。屆時，各種具體的基于深度學(xué)習的智能分析應(yīng)用，如：人臉分析、車輛分析、行為分析等即可在云平臺上實現(xiàn)快速的部署和管理。

對于安防大數(shù)據(jù)分析服務(wù)，主要核心是各種大數(shù)據(jù)分析挖掘算法（PaaS層面），以及能夠支撐這些數(shù)據(jù)分析算法的分布式數(shù)據(jù)庫（DaaS層面）。安防大數(shù)據(jù)分析面對的是海量的安防數(shù)據(jù)資源，包括幾十億、上百億的目標描述信息以及相關(guān)的特征信息，包括人、車目標記錄，人像特征、人臉特征、車輛特征以及各種龐大的車輛信息庫、人臉信息庫等。這些數(shù)據(jù)需要高可靠的存儲讀寫，并且要能高性能地分析利用起來。在DaaS層面，科達采用高性能的分布式數(shù)據(jù)庫技術(shù)，通過分布式計算以及橫向便捷擴展特性，可以滿足上百億的數(shù)據(jù)存儲、調(diào)用和分析的需求。分布式數(shù)據(jù)庫通過采用數(shù)據(jù)離散存儲、數(shù)據(jù)冗余保護、數(shù)據(jù)分層存儲、內(nèi)存加速、分布式計算等技術(shù)，為海量數(shù)據(jù)提供高可靠、高性能、易擴展的數(shù)據(jù)存儲服務(wù)系統(tǒng)，滿足安防云平臺對海量結(jié)構(gòu)化/半結(jié)構(gòu)化數(shù)據(jù)存儲、讀寫和分析計算的要求。

在分布式數(shù)據(jù)庫的基礎(chǔ)上，安防云平臺在PaaS層面上部署各種分布式大數(shù)據(jù)分析計算引擎，以便對海量數(shù)據(jù)資源進行分析，比如采用MapReduce的數(shù)據(jù)離線處理，采用spark或者strom實現(xiàn)數(shù)據(jù)的近實時處理或者實時業(yè)務(wù)處理。支持大數(shù)據(jù)全文檢索的引擎如slor+spark，支持數(shù)據(jù)挖掘的引擎如sparkHive等。通過這些高性能的大數(shù)據(jù)分析的算法、流式數(shù)據(jù)處理技術(shù)，以高性能的分布式數(shù)據(jù)庫為基礎(chǔ)，進一步提升了海量數(shù)據(jù)分析的效率，滿足實時的布控報警需求，從而能夠?qū)崿F(xiàn)由事后處理到事前預(yù)警的轉(zhuǎn)變。