基于边缘计算视频监控解决方案
随着城市规模扩大所带来的公共安全问题越来越受到重视。传统城市安全视频监控系统前端摄像机内置计算能力较低，以边缘计算和万物互联技术为基础的新型视频监控系统是未来发展趋势。针对海量视频数据，云计算中心服务器计算能力有限，为此：
（1）构建基于边缘计算的视频预处理技术，去除视频图像冗余信息，使得部分或全部视频分析迁移到边缘处，由此降低对云中心的计算、存储和网络带宽需求，提高视频图像分析的效率；
（2）构建基于行为感知的边缘预处理功能，实现视频数据弹性存储。根据行为特征决策功能，实时调整视频数据，既减少无效视频的存储，降低存储空间，又最大化存储“事中”证据类视频数据，提高视频数据存储空间利用率。
图1 基于边缘计算视频监控系统框图
如图1所示，利用边缘计算模型，将具有计算能力的硬件单元集成到原有的视频监控系统软硬件平台上，实现具有边缘计算能力的新型视频监控系统。在边缘计算模型中，计算通常发生在数据源的附近，即在视频数据采集的边缘端进行视频数据的处理。一方面，基于智能算法的预处理功能模块，执行模糊计算，对实时采集的视频数据执行部分或全部计算任务，这能够为实时性要求较高的应用请求提供及时的应答服务，sun等人提出基于边缘计算的视频监控系统内容可用性研究，内容的可用性包括静态故障及动态内容两个方面；另一方面，需要设计具有可伸缩的弹性存储功能模块，利用智能算法感知监控场景内行为变化，实现较高的空间存储效率。
04
视频监控应用案例
基于边缘计算自身的技术优势及特点，从目前产业发展来看，在智慧城市、智慧交通、智能家居、智慧能源等对时延、带宽、成本等指标要求较高的场景将得到重点应用。当前存量的云计算、物联网技术通过与边缘计算结合，将显著提升对于以上高要求场景需求的支撑能力，例如通过视频边缘计算网关，将人脸识别、越界报警等行为分析功能由系统主站计算处理前移至现场，可有效降低视频监控系统的网络带宽需求及通信成本。
人脸识别是一种重要的生物特征识别技术，是通过计算机自动判断两幅人脸照片相似度的技术统称。其中，信号采集部分通过光学传感设备采集人脸照片。预处理模块对采集的原始信号进行处理，确定人脸所在的区域。特征提取模块则将预处理后的信号转换成表征其特性的一串“数字码”，存储在模板数据库中。比对时，将目标特征与数据库中的人脸特征进行运算，经处理后确定目标的身份。
图 人脸识别比对流程
在人脸识别应用场景当中，通过前端抓拍+边缘计算分析的前后端智能相结合的模式，将人脸识别智能算法前置，在前端摄像机内置高性能智能芯片，通过边缘计算，将人脸识别抓图的压力分摊到前端，解放中心的计算资源，以集中优势计算资源做更高效的分析。
本方案中的边缘计算视频网关融合了人像结构化引擎、人像搜索引擎、数据存储等功能。其中，人像结构化引擎是人像识别的基础，内置基于深度学习（其核心为多层神经网络）的人脸技术，实现准确的多角度人脸检测、五官标定、面部特征点定位，以及特征提取与比对。通过接收前端人脸抓拍摄像机上传的人脸抓拍数据，或通过处理来自摄像机或媒体服务器的视频数据，实现实时人脸检测，搜索引擎实现与数据库中的人脸记录进行比对。
视频监控系统在公共安全领域的应用越来越受到重视，基于边缘计算的新型视频监控系统为视频数据处理增加了更高的计算能力、更低的传输延迟以及更精准的处理能力。随着边缘计算系统架构的发展和定制化功能的完善，边缘计算能够更好地推动新型视频监控系统在公共安全领域更好地应用。