在平安城市建設中，系統已經從視頻監控演變為動輒千路甚至萬路的大規模視頻應用與分析系統，未來75%的網絡流量都是視頻數據，那么如何構筑面向海量視頻的基礎設施和技術架構，以及如何處理海量的視頻接入、存儲、轉發和應用問題，進而保證整個系統可彈性擴展、業務不中斷、架構最合理、共享最靈活、建設最經濟是當前我們需要面對的問題。

　　2.數據多元化的挑戰

　　傳統的視頻天網建設模式正在向全息物聯感知智能網絡的建設模式轉變，在平安城市建設中視頻采集同時伴隨著多元化物聯網感知數據的采集和融合應用，如RFID、MAC、門禁道閘、卡口圖片、交通流量等數據如何在原有的系統上對架構進行優化升級使之同時能支撐對每天數以億計的海量物聯網記錄的采集分析，同時如何實現多維數據與視頻的融合，進行快速的查找聯動和多維分析也是我們需要解決的問題。

　　3.智能應用規模化的挑戰

　　近年來伴隨著人工智能和計算機視覺算法及工程能力的突破，人像、車輛、視頻結構化等智能應用在平安城市實戰中發揮了極大的效能，特別是人像識別的應用，目前很多區縣的平安工程建設中都規劃了千路左右的人像識別點位建設，如何支撐規模化的視頻智能分析建設需求?完全靠后端集中式建設和智能分析處理方式不僅帶來建設成本、運營成本和網絡成本的增加，同時很多區縣公安局也無法提供額外的機房環境來放置大量的智能分析服務器。另外，視頻智能分析的部署場景和環境復雜，越來越需要前端相機能實時感知環境和目標狀態，動態調整系列參數，如角度、焦距、光圈等，以達到最佳的感知和抓拍效果，這些問題都提出了智能分析的前移化、前置化和分層分級的建設應用需求。

　　4.關鍵業務

　　隨著視頻大數據技術的發展，應用目標也從傳統的事后錄像查看全面轉向了對重點目標的預測預知和預警布控，因此對業務的實時性提出了更高的要求，完全通過集中式、離線式的后端視頻分析和數據挖掘的處理方式已經無法滿足對重點目標的快速辨別和布控比對響應要求，因此在架構上需要一部分的視圖數據分析預處理和布控應用前移，在邊緣節點上和前端設備上進行就近分析和應用，縮短感知數據處理路徑，減小關鍵業務的處理時間，提升整體系統的設計合理性。