大数据在视频监控领域的应用主要体现在两个方面：视频记录和查询的集群存储以及视频结构化数据的信息挖掘。 1.视频记录群集存储在面向大数据的体系结构中。可以根据实际站点部署需求设置一个或多个集群。收集到的流数据将被细分并分布在数据集群节点上，因为集群节点具有诸如内部多副本备份之类的机制，可以通过软件技术来确保整个系统的高可靠性和高稳定性。这些数据节点可以使用廉价的通用硬件，从而避免使用传统的高端硬件模型，从而可以大大降低投资成本。对于视频文件的集群存储，国内的云存储制造商大多采用CEPH技术和HDFS技术。以HDFS为例，其思路是：通过HADOOP提供的API结构，可以将接收到的视频流文件从本地上传到HDFS。在该过程中，所接收的视频文件被连续地存储在指定的本地临时文件夹中，并且该本地文件夹不断地动态变化，并且该文件夹可以被视为“缓冲器”。在“缓冲区”中的文件被保存在存储区中。将以流的形式上传到HDFS。 2.视频结构化数据查询和信息挖掘。原始视频图像是一种非结构化数据，计算机和上层应用程序软件无法直接读取和识别。为了使视频图像更好，它必须在视频图像上执行。结构化处理提取关键信息并执行文本（即视频结构）的语义描述。在视频中，需要提取两种主要类型的关键信息：第一种类型是对运动对象的识别，即，对图片中的运动对象的识别，无论是人还是机动车辆或非机动车；第二类是移动目标识别的特征，即图片中移动的人，汽车和事物的特征是什么。行人的主要特征包括：是否戴眼镜，围巾，上衣，裤子，是否戴口罩，背包和性别分类；机动车的主要特点包括：车牌号，车身颜色，汽车型号等；对象的功能主要包括：大小，颜色，方向等。对案例的审阅需要更广泛地查看相关的摄像机视频，并且审阅的视频量通常达到数十万小时。视频结构化提取技术提取视频中的移动对象，然后通过软件对其进行检索和排除，这可以大大提高案件处理效率。