基于邊緣計算視頻監控解決方案
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，云計算中心服務器計算能力有限，為此：
（1）構建基于邊緣計算的視頻預處理技術，去除視頻圖像冗余信息，使得部分或全部視頻分析遷移到邊緣處，由此降低對云中心的計算、存儲和網絡帶寬需求，提高視頻圖像分析的效率；
（2）構建基于行為感知的邊緣預處理功能，實現視頻數據彈性存儲。根據行為特征決策功能，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 基于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，即在視頻數據采集的邊緣端進行視頻數據的處理。一方面，基于智能算法的預處理功能模塊，執行模糊計算，對實時采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等人提出基于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。
04
視頻監控應用案例
基于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。當前存量的云計算、物聯網技術通過與邊緣計算結合，將顯著提升對于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征識別技術，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，信號采集部分通過光學傳感設備采集人臉照片。預處理模塊對采集的原始信號進行處理，確定人臉所在的區域。特征提取模塊則將預處理后的信號轉換成表征其特性的一串“數字碼”，存儲在模板數據庫中。比對時，將目標特征與數據庫中的人臉特征進行運算，經處理后確定目標的身份。
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+邊緣計算分析的前后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，內置基于深度學習（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、面部特征點定位，以及特征提取與比對。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。
視頻監控系統在公共安全領域的應用越來越受到重視，基于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制化功能的完善，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。