国家“十二五”规划出台后，新一轮经济增长又将在各区域经济中心推进，各个经济区域的智慧城市化进程也就进一步加速。许多城市把建设“智慧城市”做为城市发展的重要任务，并计划在十二五期间打造智慧城市，智慧城市的建设需要用到大量的IT技术，音视频技术作为智慧城市基础IT技术有着广泛的需求和应用。
　　在公共领域，城市道路交通系统通过视频监控技术能实时监测道路情况，为解决日益拥挤的道路交通提供有效的解决方案；城市安防和管理系统中，通过视频监控为解决城市治安带来方便快捷的能力；在公安系统中，视频技术为公安的刑事侦查带来很多有价值的资源。
　　在个人用户领域，随着城市移动网络的发展，家庭带宽的提升，个人智能移动终端已经非常普及，移动终端的摄像头具备很高的清晰度，人们能通过摄像头实时分享有价值和娱乐性的内容；家庭智能电视和智能家居也逐步成为市场追逐的热点，智能电视和智能家居所携带的视频能力，可以为我们带来家庭远程监护，家庭视频聚会等新的生活娱乐方式，为我们的生活、工作和娱乐提供更多的便利。
　　目前，个人用户领域和公共领域音视频应用的发展相对独立。音视频技术想要更好的为我们服务，必然要实现各个领域应用的融合，而不是各个系统孤立的存在。比如在公安系统中，传统的视频监控系统具备在办公室的电脑上浏览视频的能力，但已经不能满足他们工作的需求。警务人员已经配备了高配置、高性能的移动终端，他们不仅需要在办公室中能查看视频整理案件，同时需要在外出办公时也能够浏览视频，为快速侦破案件提供帮助。在某些特定紧急场景下，对于视频摄像头没有覆盖的领域，能够通过手机摄像头摄取视频传送给后台的指挥中心，为处理紧急事件提供快捷方便的帮助。可以预见，智慧城市中音视频技术将向高清化，联网方向发展，各种视频终端能互联互通，大量基于音视频的应用将会出现。视频监控，视频会议，视频培训，远程监护，远程医疗，家庭视频聊天等视频应用将会逐渐普及，人们在视频基础之上创建各种应用，满足人们对交流，协作，娱乐的各项需求。
　　音视频技术的发展在给我们生活带来的便利的同时，也对音视频网络的架构和存储带来了挑战。视频高清化为我们提供了高质量的画面，但数据量也成倍的增长。监控前端在向高清的方向发展，目前已经有720P、1080P、5MP、8MP等高分辨率的IPC，手机摄像头也向千万像素方向发展。高清晰音视频数据的分发给网络传输带来了很大挑战，在智慧城市中网络建设相对领先的公安视频网目前具备万兆主干网传输的能力，但一个城市通常会有上万个摄像头，因此网络的瓶颈还是非常的明显。
　　一、音视频数据因为携带的数据量大，和普通文本数据传输技术存在比较大的差异，对延时、网络和存储都有更高的要求，具体表现在
　　（一）网络带宽的压力
　　高清视频摄像头采集的视频数据非常大，对于一个1080P的视频，需要占用4-8M的带宽，一个智慧城市中将部署上万个摄像头，对网络的压力非常大。智能移动终端摄像头采集的高清视频也在1-10M，移动终端的用户数量将达到百万级别，移动视频网络的瓶颈非常明显。
　　（二）视频单元联网，互联互通的困难
　　公共领域的摄像头一般有专线接入局域网，甚至在系统内部也区分视频专网，比如在公安系统内部就有视频网和公安网两部分。视频网和公安网通过中间的防火墙连接，家庭电视或家用摄像头位于家庭路由器后面，移动终端通过移动网络接入互联网。各个视频单元之间如果要相互访问，必须经过多重防火墙，路由器、各种类型NAT设备。例如，从移动智能端访问局域网内的视频摄像头，或者从局域网内的PC端访问移动终端，将会非常困难，因此构建一个合理的网络成为视频单元互联互通的重要保障。
　　（三）视频安全
　　视频内容很多涉及公共安全，比如公安系统的视频监控，银行和邮政的视频监控都会对社会安全，经济金融产生很多的影响。如果泄露将会产生严重的后果，移动终端视频和家庭视频监控涉及到个人隐私。现在，我们对个人隐私越来越重视。因此，在架构视频网络时，必须保证视频数据在传输的过程中不被第三方拦截;就算被拦截，数据也不能被第三方破解。必须保证视频数据在传输中不能被篡改，视频单元也不被未授权用户访问;同时还需要解决密码破解，网络攻击等问题。
　　（四）视频存储
　　海量视频数据的接入，多路视频和大并发数据的实时读写，对存储的性能有很大挑战，如果视频数据都集中存储，存储设备规模非常庞大，集中存储也会造成存储端局部的网络瓶颈。因此，均衡考虑网络条件，合理利用各种后端存储设备，兼容历史系统的存储架构非常重要。视频存储后的检索和定位也是非常重要的环节，在架构中必须考虑尽量减少数据的移动，对视频数据源的处理必须在最近节点进行。
　　二、现有智慧城市中普遍的视频网络和存储解决方案分两种
　　（一）小规模应用。比如超市、商场和小区，一般是摄像头集中接入，通过媒体服务器转发，视频数据集中存储的模式，如下图：

　   这种模式能接入的摄像头比较少，联网能力很差，移动终端也很难联网。
　　（二）中大规模的应用，普通采用分级的方式，将视频网络分成多个子网络，每个子网络独立的接入和存储，子网络之间有专线连接，如下图：

    这种模式解决了部分联网能力，但是子网之间很容易形成瓶颈。比如在公安系统内，视频子网负责视频数据的分发和存储。发生重大公共事件时，公安业务部门有大量的视频访问需求，导致子网络和子网络之间产生了视频瓶颈。同时，这种架构也没有考虑目前网络的发展，联网相对复杂，存在视频孤岛的问题，移动终端和家庭终端的视频联网也是很困难的。
　　三、为解决目前音视频网络和存储架构存在的问题，必须采用新的架构方式
　　（一）通过点对点的传输解决一部分网络瓶颈的问题
　　比如个人用户移动终端访问家庭的视频摄像头，系统提供移动终端到视频摄像头的直接连接和视频交互的能力，避免视频源将视频传送到视频服务器，减少了视频带宽的占用。在子网和子网直接的音视频访问中，如果同一个子网有多个用户访问同一个音视频源，同子网的某个用户可作为音视频的分发者，其余用户通过点对点方式访问该用户的音视频源，减少了子网和子网之间的视频带宽占用；
　　（二）通过安全加密的传输方式来解决视频传输的安全问题
　　（三）通过分布式的存储来解决视频网络和存储的问题
　　新的音视频网络和存储架构方案，如下图：

    四、方案实现有下面几个关键技术组成
　　（一）联网协议：使用SIP(SessionInitiationProtocol)协议来进行监控摄像头、手机摄像头、家庭摄像头、智能电视等音视频单元和访问终端的联网定位。通过SIP协议注册到定位服务器，对音视频单元的访问，通过定位服务器可以方便快捷的找到音视频单元，从而解决音视频单元直接互联互通的问题。
　　（二）点对点的握手协议：网络摄像头、电脑PC、移动终端、家庭电视等音视频单元所处的网络各不相同，网络情况非常复杂。要保障音视频单元之间能够互联互通必须实现握手协议，音视频单元将自己能够被访问的多个联网地址发送给对方，两个视频联网单元之间通过发送探测包，最终形成双方都能接收数据的通道，从而视频单元的互通。
　　（三）加密安全传输的设计：数据的安全传输，目前采用的加密方式有两种，非对称加密和对称加密。非对称加密一般采用公钥加密的方式，安全性好，但运算量大，CPU消耗大，一般每秒只能加密几M的数据，对于音视频数据来说开销大大；使用对称式加密算法，运算量小，但是安全性比较低，容易产生安全漏洞。根据音视频数据传输的特点，结合两种加密算法的优缺点，在连接建立的时候，用非对称加密算法的公钥进行加密和认证，协商出对称加密算法的密钥;在数据传输的阶段，通过对称加密算法和协商密码进行加密，既保障了安全，又兼顾了效率。
　　（四）局部集中存储，全局索引，分布式访问的网络存储方式：如果所有音视频都集中存储，对带宽和存储的建设都带来困难，容易引发网络的堵塞和抖动。在设计时考虑在音视频接入的附近建立存储区，减少音视频数据传输的网络环节，同时将音视频做索引并集中存储，对音视频单元的访问先检索索引再进行访问。
　　五、总结
　　随着智慧城市的发展，未来的智慧城市中我们会使用各种音视频技术来保障公共安全，为生活、工作和娱乐提供便利。构建合理的音视频网络和存储，可以为智慧城市中音视频应用提供基础服务，使音视频应用成为推动智慧城市建设的重要力量，提升智慧城市服务能力。