背景
隨著我國政府對平安城市、“雪亮工程”以及交通運輸等領域的投入，對於安防產品的需求不斷提升，安防市場規模也在隨之不斷擴大。視頻監控是整個安防系統最重要的物理基礎，視頻監控系統位於最前端，很多子系統都需要通過與其相結合才能發揮出自身的功能，是安防行業的核心環節。
按照產品分類來看，視頻監控市場佔比最大，佔所有安防產品的50%左右。根據權威市場研究機構IHS Markit 2018年7月發佈的《2018全球視頻監控信息服務報告》，以2017年的業績計算，海康威視位列全球視頻監控設備市場第1位，市場份額37.94%，連續七年蟬聯全球第一；大華股份位列全球視頻監控設備市場第2位，市場份額17.02%；宇視科技（uniview）位列全球視頻監控設備市場第6位，市場份額2.8%。傳統視頻監控系統前端攝像頭內置計算能力較低，而現有智能視頻監控系統的智能處理能力不足。
視頻監控技術的應用降低了用戶的建設維護成本，集中式計算和存儲模式增加了視頻數據的安全與可靠性。由於視頻本身的非結構化數據特性和爆炸式增長的邊緣視頻數據，基於雲計算模型的視頻監控技術仍存在以下問題亟待解決：
① 海量視頻傳輸到雲計算中心對網絡帶寬要求較高，實時性得不到保證；
② 視頻數據處理任務集中在雲平臺執行，增 加 了 雲 計 算 中 心 視 頻 服 務 器的 處 理 負 擔；
③ 存儲和管理大量冗餘視頻數據，增加了存儲節點能耗。
現有云計算相關技術不能高效處理海量邊緣視頻數據。因此，催生了邊緣大數據處理模式，即邊緣計算。
邊緣計算和視頻監控融合
以雲計算和萬物互聯技術為基礎，融合邊緣計算模型和視頻監控技術，構建基於邊緣計算的新型視頻監控應用的軟硬件服務平臺，以提高視頻監控系統前端攝像頭的智能處理能力，進而實現重大刑事案件和恐怖襲擊活動預警系統和處置機制，提高視頻監控系統的防範刑事犯罪和恐怖襲擊能力。
邊緣計算+視頻監控技術其實是構建了一種基於邊緣計算的視頻圖像預處理技術，通過對視頻圖像進行預處理，去除圖像冗餘信息，使得部分或全部視頻分析遷移到邊緣處，由此降低對雲中心的計算、存儲和網絡帶寬的需求，提高視頻分析的速度，此外，預處理使用的算法採用軟件優化、硬件加速等方法，提高視頻圖像分析的效率。
除此之外，為了減少上傳的視頻數據，基於邊緣預處理功能，構建基於行為感知的視頻監控數據彈性存儲機制。邊緣計算軟硬件框架為視頻監控系統提供具有預處理功能的平臺，實時提取和分析視頻中的行為特徵，實現監控場景行為感知的數據處理機制；根據行為特徵決策功能，實時調整視頻數據，既減少無效視頻的存儲，降低存儲空間，又最大化存儲“事中”證據類視頻數據，增強證據信息的可信性，提高視頻數據的存儲空間利用率。
雲計算中心具有較強的計算處理能力，將網絡邊緣設備產生的數據上傳到雲中心進行存儲與處理已經得到了普遍應用。隨著萬物互聯時代的到來，網絡邊緣設備的數量訊速增加，未來必將產生海量數據，如果直接將源數據上傳到雲計算中心進行處理，一方面會佔用很多不必要的存儲空間，另一方面給網絡帶寬資源帶來了巨大的負擔。施魏松教授等提出了邊緣計算模型，並從概念、原理以及挑戰等三個方面對其進行介紹。
隨著物聯網的發展，攝像頭遍佈了我們的生活。據統計，大約有3000萬個監控攝像頭部署在美國，每週生成超過40億小時的視頻數據，甚至一個攝像頭也能產生幾百GB的數據。
如果將這些攝像頭採集到的原始數據未經處理直接上傳到雲計算中心，那將會是十分龐大的數據量。為此，我們提出在視頻數據上傳至雲中心之前，先在邊緣設備上執行預處理，在監控攝像頭上加入計算能力，當檢測到視頻畫面中有運動目標時，對監控信息進行存儲，如果沒有運動目標就不存儲。這樣可以節省大量的存儲空間，而且可以減輕數據傳輸對網絡帶寬的壓力。
基於邊緣計算的視頻監控解決方案
隨著城市規模擴大所帶來的公共安全問題越來越受到重視。傳統城市安全視頻監控系統前端攝像機內置計算能力較低，以邊緣計算和萬物互聯技術為基礎的新型視頻監控系統是未來發展趨勢。針對海量視頻數據，雲計算中心服務器計算能力有限，為此：
（1）構建基於邊緣計算的視頻預處理技術，去除視頻圖像冗餘信息，使得部分或全部視頻分析遷移到邊緣處，由此降低對雲中心的計算、存儲和網絡帶寬需求，提高視頻圖像分析的效率；
（2）構建基於行為感知的邊緣預處理功能，實現視頻數據彈性存儲。根據行為特徵決策功能，實時調整視頻數據，既減少無效視頻的存儲，降低存儲空間，又最大化存儲“事中”證據類視頻數據，提高視頻數據存儲空間利用率。
圖1 基於邊緣計算視頻監控系統框圖
如圖1所示，利用邊緣計算模型，將具有計算能力的硬件單元集成到原有的視頻監控系統軟硬件平臺上，實現具有邊緣計算能力的新型視頻監控系統。在邊緣計算模型中，計算通常發生在數據源的附近，即在視頻數據採集的邊緣端進行視頻數據的處理。
一方面，基於智能算法的預處理功能模塊，執行模糊計算，對實時採集的視頻數據執行部分或全部計算任務，這能夠為實時性要求較高的應用請求提供及時的應答服務，sun等人提出基於邊緣計算的視頻監控系統內容可用性研究，內容的可用性包括靜態故障及動態內容兩個方面；
另一方面，需要設計具有可伸縮的彈性存儲功能模塊，利用智能算法感知監控場景內行為變化，實現較高的空間存儲效率。
視頻監控應用案例
基於邊緣計算自身的技術優勢及特點，從目前產業發展來看，在智慧城市、智慧交通、智能家居、智慧能源等對時延、帶寬、成本等指標要求較高的場景將得到重點應用。
當前存量的雲計算、物聯網技術通過與邊緣計算結合，將顯著提升對於以上高要求場景需求的支撐能力，例如通過視頻邊緣計算網關，將人臉識別、越界報警等行為分析功能由系統主站計算處理前移至現場，可有效降低視頻監控系統的網絡帶寬需求及通信成本。
人臉識別是一種重要的生物特徵識別技術，是通過計算機自動判斷兩幅人臉照片相似度的技術統稱。其中，信號採集部分通過光學傳感設備採集人臉照片。
預處理模塊對採集的原始信號進行處理，確定人臉所在的區域。特徵提取模塊則將預處理後的信號轉換成表徵其特性的一串“數字碼”，存儲在模板數據庫中。比對時，將目標特徵與數據庫中的人臉特徵進行運算，經處理後確定目標的身份。
圖 人臉識別比對流程
在人臉識別應用場景當中，通過前端抓拍+邊緣計算分析的前後端智能相結合的模式，將人臉識別智能算法前置，在前端攝像機內置高性能智能芯片，通過邊緣計算，將人臉識別抓圖的壓力分攤到前端，解放中心的計算資源，以集中優勢計算資源做更高效的分析。
本方案中的邊緣計算視頻網關融合了人像結構化引擎、人像搜索引擎、數據存儲等功能。
其中，人像結構化引擎是人像識別的基礎，內置基於深度學習（其核心為多層神經網絡）的人臉技術，實現準確的多角度人臉檢測、五官標定、面部特徵點定位，以及特徵提取與比對。
通過接收前端人臉抓拍攝像機上傳的人臉抓拍數據，或通過處理來自攝像機或媒體服務器的視頻數據，實現實時人臉檢測，搜索引擎實現與數據庫中的人臉記錄進行比對。
總結
視頻監控系統在公共安全領域的應用越來越受到重視，基於邊緣計算的新型視頻監控系統為視頻數據處理增加了更高的計算能力、更低的傳輸延遲以及更精準的處理能力。
隨著邊緣計算系統架構的發展和定製化功能的完善，邊緣計算能夠更好地推動新型視頻監控系統在公共安全領域更好地應用。
參考文獻：
《 基於邊緣計算的視頻監控框架 》；
——葛暢，白光偉， 沈航，宋來將
《 移動邊緣計算技術及其視頻應用研究 》；
——王景福，楊鑫
《 邊緣計算：萬物互聯時代新型計算模型 》；
——施巍松，孫輝，曹傑，張權，劉偉
來源：邊緣計算社區
