近年來，云市場爭奪戰(zhàn)如火如荼。無論是亞馬遜、微軟、Google等國外科技巨頭，還是國內(nèi)的BAT，都紛紛投入大量資源發(fā)展云計(jì)算業(yè)務(wù)，企業(yè)上云逐步成為市場共識。但隨著互聯(lián)網(wǎng)數(shù)據(jù)幾何式暴增，云計(jì)算傳統(tǒng)架構(gòu)正在放緩，知名創(chuàng)投調(diào)研機(jī)構(gòu)CB Insights發(fā)文稱，云計(jì)算已不足以即時(shí)處理和分析由物聯(lián)網(wǎng)設(shè)備、聯(lián)網(wǎng)汽車和其他數(shù)字平臺生成或即將生成的數(shù)據(jù)。在此背景下，一種新型計(jì)算模式興起，這就是邊緣計(jì)算。

不同于依靠多個數(shù)據(jù)中心的云計(jì)算，邊緣計(jì)算是指在數(shù)據(jù)源處完成的計(jì)算，具有低時(shí)延、安全、靈活性強(qiáng)的特點(diǎn)。IT研究兼市場分析機(jī)構(gòu)Gartner認(rèn)為，邊緣計(jì)算將打通人工智能“最后一公里”。

邊緣計(jì)算以其安全高效的特點(diǎn)在當(dāng)下獲得眾多企業(yè)和行業(yè)關(guān)注。作為邊緣計(jì)算應(yīng)用典型之一，安防視頻監(jiān)控領(lǐng)域不容輕視。如果將云計(jì)算看成視頻監(jiān)控1．0 時(shí)代的話，那么邊緣計(jì)算則是2．0 時(shí)代。

提高監(jiān)控終端處理和響應(yīng)速度

視頻監(jiān)控對算力及其成本有很高要求，隨著圖像識別與硬件技術(shù)發(fā)展，在視頻監(jiān)控終端完成智能安防的條件日益成熟，彌補(bǔ)了云計(jì)算響應(yīng)不及時(shí)、功耗高的問題，安防行業(yè)在實(shí)時(shí)業(yè)務(wù)、安全與隱私保護(hù)等方面的需要得到滿足，因此被廣泛應(yīng)用。

相比于傳統(tǒng)視頻監(jiān)控，邊緣計(jì)算＋視頻監(jiān)控最主要的變化是把被動監(jiān)控變?yōu)橹鲃臃治雠c預(yù)警，因而解決了需要人工處理海量監(jiān)控?cái)?shù)據(jù)的問題。從本質(zhì)上看，邊緣計(jì)算通過對視頻圖像進(jìn)行預(yù)處理，去除冗余信息，使部分或全部視頻分析遷移到邊緣處，由此降低對云中心計(jì)算、存儲和網(wǎng)絡(luò)帶寬需求，提高視頻分析速度。此外，邊緣預(yù)處理還可以采用軟件優(yōu)化、硬件加速等方法，提高視頻圖像分析效率。

以人臉識別攝像頭為例，強(qiáng)化攝像頭終端運(yùn)算處理能力可讓其人臉識別功能不再依賴云端服務(wù)器，直接在本地設(shè)備上完成辨別，避免耗費(fèi)時(shí)間上傳圖像，節(jié)省帶寬資源。

優(yōu)化數(shù)據(jù)存儲機(jī)制

存儲環(huán)節(jié)對監(jiān)控系統(tǒng)智能化程度有直接影響，尤其在當(dāng)前深度學(xué)習(xí)技術(shù)發(fā)展背景下，構(gòu)建基于行為感知的視頻監(jiān)控?cái)?shù)據(jù)彈性存儲機(jī)制，實(shí)現(xiàn)監(jiān)控場景行為感知數(shù)據(jù)處理機(jī)制變得越來越重要。

邊緣計(jì)算為視頻監(jiān)控系統(tǒng)提供了具有預(yù)處理功能的平臺，以便實(shí)時(shí)提取和分析視頻中的行為特征，并根據(jù)行為特征決策功能調(diào)整視頻數(shù)據(jù)，既減少無效視頻存儲，降低存儲空間，又最大化存儲“事中”證據(jù)類視頻數(shù)據(jù)，增強(qiáng)證據(jù)信息可信度，提高視頻數(shù)據(jù)存儲空間利用率。

結(jié)語： 邊緣計(jì)算是未來視頻監(jiān)控中的重要部分，邊緣計(jì)算對視頻圖像進(jìn)行預(yù)處理、減少云中心存儲負(fù)擔(dān)，進(jìn)一步提升了視頻分析速度。值得一提的是，邊緣計(jì)算最終目的不是取代云端，而是通過分布式架構(gòu)拓展云端邊際，使之更靠近用戶網(wǎng)絡(luò)，以滿足對于網(wǎng)絡(luò)等待時(shí)間、帶寬更高需求的新興應(yīng)用。