01
背景
随着我国政府对平安城市、“雪亮工程”以及交通运输等领域的投入，对于安防产品的需求不断提升，安防市场规模也在随之不断扩大。视频监控是整个安防系统最重要的物理基础，视频监控系统位于最前端，很多子系统都需要通过与其相结合才能发挥出自身的功能，是安防行业的核心环节。
按照产品分类来看，视频监控市场占比最大，占所有安防产品的50%左右。根据权威市场研究机构IHS Markit 2018年7月发布的《2018全球视频监控信息服务报告》，以2017年的业绩计算，海康威视位列全球视频监控设备市场第1位，市场份额37.94%，连续七年蝉联全球第一；大华股份位列全球视频监控设备市场第2位，市场份额17.02%；宇视科技（uniview）位列全球视频监控设备市场第6位，市场份额2.8%。传统视频监控系统前端摄像头内置计算能力较低，而现有智能视频监控系统的智能处理能力不足。
视频监控技术的应用降低了用户的建设维护成本，集中式计算和存储模式增加了视频数据的安全与可靠性。由于视频本身的非结构化数据特性和爆炸式增长的边缘视频数据，基于云计算模型的视频监控技术仍存在以下问题亟待解决：
① 海量视频传输到云计算中心对网络带宽要求较高，实时性得不到保证；
② 视频数据处理任务集中在云平台执行，增 加 了 云 计 算 中 心 视 频 服 务 器的 处 理 负 担；
③ 存储和管理大量冗余视频数据，增加了存储节点能耗。
现有云计算相关技术不能高效处理海量边缘视频数据。因此，催生了边缘大数据处理模式，即边缘计算。
02
边缘计算 视频监控
以云计算和万物互联技术为基础，融合边缘计算模型和视频监控技术，构建基于边缘计算的新型视频监控应用的软硬件服务平台，以提高视频监控系统前端摄像头的智能处理能力，进而实现重大刑事案件和恐怖袭击活动预警系统和处置机制，提高视频监控系统的防范刑事犯罪和恐怖袭击能力。
边缘计算 视频监控技术其实是构建了一种基于边缘计算的视频图像预处理技术，通过对视频图像进行预处理，去除图像冗余信息，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、存储和网络带宽的需求，提高视频分析的速度，此外，预处理使用的算法采用软件优化、硬件加速等方法，提高视频图像分析的效率。
除此之外，为了减少上传的视频数据，基于边缘预处理功能，构建基于行为感知的视频监控数据弹性存储机制。边缘计算软硬件框架为视频监控系统提供具有预处理功能的平台，实时提取和分析视频中的行为特征，实现监控场景行为感知的数据处理机制；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，增强证据信息的可信性，提高视频数据的存储空间利用率。
云计算中心具有较强的计算处理能力，将网络边缘设备产生的数据上传到云中心进行存储与处理已经得到了普遍应用。随着万物互联时代的到来，网络边缘设备的数量讯速增加，未来必将产生海量数据，如果直接将源数据上传到云计算中心进行处理，一方面会占用很多不必要的存储空间，另一方面给网络带宽资源带来了巨大的负担。施魏松教授等提出了边缘计算模型，并从概念、原理以及挑战等三个方面对其进行介绍。
随着物联网的发展，摄像头遍布了我们的生活。据统计，大约有3000万个监控摄像头部署在美国，每周生成超过40亿小时的视频数据，甚至一个摄像头也能产生几百GB的数据。如果将这些摄像头采集到的原始数据未经处理直接上传到云计算中心，那将会是十分庞大的数据量。为此，我们提出在视频数据上传至云中心之前，先在边缘设备上执行预处理，在监控摄像头上加入计算能力，当检测到视频画面中有运动目标时，对监控信息进行存储，如果没有运动目标就不存储。这样可以节省大量的存储空间，而且可以减轻数据传输对网络带宽的压力。
03
基于边缘计算的视频监控解决方案
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。
参考文献：
《 基于边缘计算的视频监控框架 》；
——葛畅，白光伟， 沈航，宋来将
《 移动边缘计算技术及其视频应用研究 》；
——王景福，杨鑫
《 边缘计算：万物互联时代新型计算模型 》；
——施巍松，孙辉，曹杰，张权，刘伟
转发分享文章，
一起促进边缘计算领域知识传播！
