当前对大数据的定义，主要聚焦在四个维度，数据量大(Volume)、数据种类多(Variety)、数据处理速度快(Velocity)、数据价值密度低(Value)，即大数据的4V模型。而大数据技术本身是指从各种各样类型的海量数据中，快速获得有价值信息的技术。目前所说的“大数据”不仅指数据本身的规模，也包括采集数据的工具、数据存储分析和数据应用。大数据研发目的是发展大数据技术并将其应用到相关领域，通过解决海量数据处理问题促进其突破性发展。因此，大数据时代带来的挑战不仅体现在如何处理海量数据从中获取有价值的信息，也体现在如何加强大数据技术研发，抢占时代发展的前沿。

　　在大数据时代，作为海量数据的主要来源之一，安防行业相关应用产生了巨大的信息数据，特别是在当前大集成、大联网的环境下，数据量呈现飞速增长趋势，面对海量的数据，也带来了数据整合、数据存储、数据分析应用等一系列问题。通过寻求解决这些问题的方法，也进一步促进了大数据技术和产品在行业的落地应用。

　　当前安防行业本身数据资源主要还是视频资源，基于视频资源去比对、去关联、去拓展，而视频大数据处理主要还聚焦在数据的体量上，因此无论是在数据分析应用的深度和广度上，数据价值挖掘上，都无法满足精确防控、立体化防控的要求，无法更好的服务公共社会安全。

　　在安防领域，大数据的应用目前主要有两个方向，一是智能交通，二是公共安全。

　　在智能交通领域，针对交通行业的海量数据处理需求，智能交通管理系统可以在海量数据、恶劣网络环境和复杂业务处理情况下，实现大量图片、车辆数据、视频数据的时时网络传输和快速持久化存储，同时对任意节点图像进行显示，对任意节点视频进行流畅播放、实时进行比对报警，快速进行多条件检索，并且将各类多媒体数据和车辆数据合二为一。系统实现对目前的城市道路交通中异常行为的智能识别和自动报警等，从而减轻了交管监控人员的工作负担，提高了监测的准确度，使得交通管理工作更高效。

　　在公共安全领域，应用大数据辅助公安人员快速开展治安防控，警情研判及指挥决策，发掘公安信息资源价值。如犯罪嫌疑人追查，可通过输入嫌疑人照片进行人脸特征识别并在所有视频中寻找该人脸;犯罪嫌疑车辆追查可输入嫌疑车的照片或颜色车型等相关特征在所有视频中寻找;人车物的轨迹分析即在所有视频中按照特征查找指定的人、车、物并绘制其时空轨迹。

　　对安防大数据而言，要实现业务的深层次应用，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“大数据”的快速分析，如基于云的车牌识别，可通过对海量视频的分析，快速提取海量车牌信息，并通过应用系统对相关数据进行深一步挖掘、关联，形成有效“档案”。最后利用这些分析和挖掘的数据实现对事件的预测预防、报警，最终实现安防系统建设的实战应用目的。

　　运用大数据等现代科技手段破解社会治理难题，已经成为安防企业产品研发的重要目标，在2016年北京安博会上满眼都是大数据，发现大多数是“搜图”。以人搜人、以脸搜人；以号牌搜车、以车型搜车等，强调在海量的视频数据中，搜索有价值图像的效率和准确率。例如科达基于前端感知与后端大数据平台的结合，在公安、交通等多个行业积极推进视频大数据的实战化应用，通过公共安全视频监控联网、图侦与合成作战平台、视频侦查室、扁平化指挥等系统，实现公安视频大数据应用的落地。

　　大数据的核心价值是“预测”，它为决策、洞察和流程优化创造前所未有的可量化的维度。因此应用大数据来解决“难题”，应该是实现大数据的核心价值。大数据作为公安业务的关键技术，它可以支撑预警，支持现代控制体系（预测、优化）和风险管控（评估）。目前来大数据应用的难点不仅是视频数据的结构化，重要的是建立统一（创新）的维度、尺度，既从更多、新的角度观察、分析安全问题；进行各类数据的融合。在国家“十三五规划”中提出，大数据应成为一定规模的产业，目前，安防企业展示的搜图（人、车）只是满足公安部分业务部门需求，必须指出：未来的大数据将成为安防服务业的重要组成部分。