視頻監控領域的大數據應用，主要體現在兩方面：視頻錄像的集群存儲和視頻結構化數據的查詢及信息挖掘。

1．視頻錄像的集群存儲

在面向大數據的架構中，可根據實際現場的部署需要，設立一個或多個集群組成，采集的流數據會被劃分成段，并分布于數據集群節點，因為集群節點有內部進行多副本備份等機制，可以由軟件技術來保證整體系統的高可靠性和高穩定性。這些數據節點可以采用廉價通用型的硬件，避免采用傳統高端硬件的模式，能極大地降低投資成本。

錄像文件的集群存儲，國內云儲存廠家多采用CEPH技術和HDFS技術的方式。以HDFS的方式舉例，思路為：通過HADOOP提供的API結構，實現將接收到的視頻流文件從本地上傳到HDFS中。在這一過程中，把接收到的視頻文件不斷地存儲到一個指定的本地臨時文件夾中，而這個本地文件夾是在不斷動態變換的，可以將該文件夾當成是一個“緩沖區”，把“緩沖區”中的文件以流的方式將上傳到HDFS中。

2．視頻結構化數據的查詢及信息挖掘

原始的視頻圖像是一種非結構化數據，它不能直接被計算機和上層應用軟件讀取和識別，為了讓視頻圖像更好的應用，就必須對視頻圖像進行結構化的處理，提取出關鍵信息，并進行文本的語義描述，也就是視頻結構化。

一段視頻里面，需要提取的關鍵信息主要有兩類：第一類是運動目標的識別，也就是畫面中運動對象的識別，是人還是機動車或者非機動車；第二類是運動目標特征的識別，也就是畫面中運動的人、車、物有什么特征，行人特征主要有：是否帶眼鏡、圍巾、上衣、褲子、是否帶口罩、是否背包，性別分類等；機動車主要特征有：車牌號碼、車身顏色、車型等；物體特征主要有：大小尺寸、顏色、方向等。

一個案件的審看需要更為廣泛地查看相關的攝像機視頻，所審看的視頻量時常達到數百上千小時。視頻結構化提取技術對視頻中運動的物體等進行提取，再通過軟件進行檢索和排除，這就能極大地提高辦案效率。