随着社会安全意识的不断增强,以视频监控、智能分析、实时预警为手段的安防系统被广泛应用于社会的每个角落。但监控系统不间断的运行以及视频数据非结构化的特点,会产生海量结构复杂的视频数据,使用传统工具对视频“大数据”进行管理和分析的效率很低。Hadoop是当前流行的开源分布式计算框架,将框架与本文中的智能预警系统结合,实现视频检索的并行处理和分布式文件存储,可以解决处理效率低和存储量大、结构复杂的问题。本文的研究重点在于对海量视频数据进行内容检索时采用Hadoop架构进行并行分析计算和分布式存储,从而在系统的管理端通过上传图像检索出相近视频。首先,采用关键帧提取方式将视频内容转换为若干视频帧,再利用SIFT特征提取算法获得每帧特征数值,并以此为基础与检索图像进行SIFT特征匹配从而得出检索结果。将独立运行的视频帧SIFT特征提取与Map Reduce并行模型结合,定义输入输出值和Map/Reduce任务内容,可以同时进行多帧特征值计算。此外,为了避免检索图像与每个视频帧SIFT特征值进行匹配计算,通过LSH局部敏感哈希映射将相似度高的SIFT特征向量分为一组,检索图像时只在对应分组中查找视频,可以缩小计算范围。在分析过程中产生的数据采用HBase进行存储,设计便于视频检索的数据表结构,实现高效的视频检索功能。本文最后通过实验验证了检索性能的提升。采用Hadoop架构实现智能预警系统中的视频检索功能,在提高检索性能的同时延续了可靠性高、容错性好等优点,为系统中其他功能的并行化设计和实现提供了基础,是解决安防大数据问题的重要方式。