日新月異的AI技術(shù)揭開了智能視頻網(wǎng)的新篇章。在海量視頻監(jiān)控?cái)?shù)據(jù)中，非結(jié)構(gòu)化與半結(jié)構(gòu)化占據(jù)了九成，其數(shù)據(jù)形式以及處理方式與結(jié)構(gòu)化數(shù)據(jù)也存在較大差異，給智能視頻監(jiān)控網(wǎng)絡(luò)應(yīng)用帶來了應(yīng)用困境，那么，這個(gè)困境該如何解決？

云邊融合大行其道

數(shù)字化背后的基礎(chǔ)技術(shù)是云計(jì)算，隨著物聯(lián)網(wǎng)應(yīng)用和智慧城市的發(fā)展，幾乎所有數(shù)據(jù)都需要連接到云，安防視頻監(jiān)控圖像即使被壓縮后也包含巨大的數(shù)據(jù)量，但如何傳輸和處理這些數(shù)據(jù)，已成為當(dāng)前云計(jì)算技術(shù)架構(gòu)的挑戰(zhàn)。 而人臉、車牌識(shí)別這一類較復(fù)雜的視頻分析技術(shù)要求前段設(shè)備具有很高的計(jì)算能力，因此云端大數(shù)據(jù)計(jì)算全局性的優(yōu)勢(shì)還要配合邊緣計(jì)算的敏捷性，云邊融合大行其道。

提到云邊融合，就不得不提海康威視。海康于2017年下半年發(fā)布AICloud框架，AICloud由云中心、邊緣域、邊緣節(jié)點(diǎn)三部分構(gòu)成，通過對(duì)云端和邊緣資源進(jìn)行統(tǒng)一配置、管理、調(diào)度，實(shí)現(xiàn)從端到中心的邊緣計(jì)算＋云計(jì)算的結(jié)合，使系統(tǒng)的功能更為強(qiáng)大。

胡揚(yáng)忠認(rèn)為：“只談云計(jì)算不全面，只談邊緣計(jì)算也不全面，最后還是要云邊融合，云邊融合才能更好地解決問題。”

云端＋邊緣＝云邊融合？

云邊融合不是云端與邊緣簡單相加，也不是將“大云”分解成一個(gè)個(gè)“小云”。具體來說，邊緣側(cè)重點(diǎn)存儲(chǔ)以及處理終端設(shè)備所提供的多維感知數(shù)據(jù)，并將處理后的結(jié)果上傳至云，云端中心側(cè)重?cái)?shù)據(jù)融合以及大數(shù)據(jù)多維分析應(yīng)用。其中，邊緣側(cè)負(fù)責(zé)決定在什么時(shí)候、將什么類型、處理到什么程度的數(shù)據(jù)發(fā)送到云中心，實(shí)現(xiàn)“按需匯聚”，解決從邊到云所帶來的應(yīng)用、數(shù)據(jù)處理、管理等一系列問題。

安防行業(yè)的多個(gè)領(lǐng)域都有此類需求。以智能交通為例，無論何種場(chǎng)景，安全都是最為重要的因素。如同人類對(duì)于危險(xiǎn)的“下意識(shí)”反應(yīng)一樣，當(dāng)出現(xiàn)突發(fā)災(zāi)害、信號(hào)干擾或技術(shù)故障等事故時(shí)，云端處理顯然不能滿足及時(shí)響應(yīng)的需求，智能依靠邊緣端進(jìn)行“下意識(shí)”反應(yīng)，將危險(xiǎn)降低到最小程度。云中心雖不必進(jìn)行實(shí)時(shí)處理，但需要對(duì)各種事件進(jìn)行收集、分析、預(yù)測(cè)，以提供優(yōu)化解決方案，乃至為管理者提供決策參考。這其中“云計(jì)算”就相當(dāng)于智能設(shè)備的大腦，處理相對(duì)復(fù)雜的進(jìn)程；而“邊緣計(jì)算”就相當(dāng)于智能設(shè)備的神經(jīng)末梢，進(jìn)行一些“下意識(shí)”的反應(yīng)。

結(jié)語：由此可見，云邊融合不僅是對(duì)算法結(jié)構(gòu)的優(yōu)化，還可以從本質(zhì)上改善現(xiàn)實(shí)困境。值得一提的是，在落地方面，無論是BAT，還是海康大華和華為，面臨的最大問題不在于技術(shù)，而在于如何不斷協(xié)調(diào)不同部門的不同利益和需求。

責(zé)任編輯：ct