如何將這些非結構化的資料進行資料化，獲取有用的價值呢？在某次峰會上，英飛拓市場經理楊玥給出了自己的見解。
視頻結構化，對資料提純
作為安防大資料最為重要的資料來源，視頻圖像實際上是一種非結構化的資料。相對於結構化資料（即行資料，存儲在資料庫裡，可以用二維表結構來邏輯表達實現的資料）而言，圖片、聲音、視頻等非結構化資料造成儲存（storage）、探勘（mining）、分析（analyzing）上的困難，只能將它保存在一個BLOB欄位中，對以後檢索非常麻煩。
而“視頻結構化”即是從視頻中結構化提取車輛、人等關鍵目標。以廣東省平安城市的視頻採集來說，每天產生的資料量高達253000TB（1TB 1024GB）。如果對這些資料單位還沒有直觀印象的話，不妨看一下這個例子：Facebook一分鐘內就能產出350GB的資料量，使用者累計點擊180萬次“贊”按鈕，甚至每一秒就有41000個帖子發佈。從視頻存儲的角度看來，結構化引領存儲模式全新變革，提煉視頻中有價值的圖片和文本資訊。從原本需要一直存儲變成關鍵資訊的存儲，使存儲更持久。
在峰會現場，楊總介紹了英飛拓的智慧視頻結構化檢索解決方案，她表示英飛拓採用以“深度學習”為核心的圖像識別技術，能夠對攝像機的視頻流和圖片進行特徵判斷，並能對系統中的圖片、錄影檔進行提取（人、車、非機動車等），快捷查詢圖片和錄影。
視頻經過結構化可以盤活視頻資料，對各類資料倉庫可以進行深度的資料採擷，充分提升視頻資料的應用價值，提高分析和預測功能。舉例來說，從百萬級的目標庫中（對應數百到一千小時的高清視頻）查找某張截圖上的行人嫌疑目標，數秒即可完成。另外，經過結構化後的視頻，存儲人的結構化檢索資訊和目標資料不到視頻資料量的2％，存儲容量極大地降低。
人臉識別打造立體安防
人臉識別技術近年來不斷獲得突破，演算法準確率不斷提升，其在智慧安防領域的應用也得到大範圍普及。
雲從科技創始人周曦曾經在接受媒體採訪時表示，“從資訊分析來看，語音是一維信號，圖像是二維信號，視頻是三維信號。”而人臉識別主要指通過攝像機採集含有人臉的圖片或視頻流，然後在圖片或視頻流中進行人臉檢測並抓拍，進行面部特徵提取，以實現抓拍的人臉與資料庫中的人臉進行比對的技術。
在峰會廣州場中，楊總向現場觀眾詳細介紹了基於人臉識別的人臉布控系統。她表示，英飛拓依託業界領先的人臉識別技術，採用基於神經網路深度學習的模型選擇演算法，開發了人臉布控系統，提供了人臉註冊、人臉庫管理、人臉布控、以圖搜圖、用戶管理等核心業務功能，解決傳統技術的缺點，可應用於重點監控區域的人臉布控，提供快速、高效、準確的即時告警。人臉布控系統，適用於各種交通要道、住宿場所、智慧樓宇、大型連鎖商場，平安城市等場合。
除此之外，它還是一套基於深度學習，會成長的系統，能對動、靜態資料庫進行高效管理，同時能進行多角度人臉精准識別：對正臉、側臉、臉部部分遮擋等均能準確獲取；支持性別、年齡、眼鏡、帽子、鬍子等屬性識別，可基於屬性語義進行抓拍庫檢索。
結語：在大資料漸成趨勢的當前，學習、思考、利用資料顯得尤為關鍵。可以說視頻結構化、人臉識別、智慧分析等技術的發展，給安防監控挖掘價值帶來了全新的方式。對於安防企業來說，如何以技術為導向，設計出更加實用、智慧的產品，也許是企業立足智慧時代的捷徑之一。