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)控數(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)前云計算技術(shù)架構(gòu)的挑戰(zhàn)。 而人臉、車牌識別這一類較復(fù)雜的視頻分析技術(shù)要求前段設(shè)備具有很高的計算能力，因此云端大數(shù)據(jù)計算全局性的優(yōu)勢還要配合邊緣計算的敏捷性，云邊融合大行其道。

提到云邊融合，就不得不提海康威視。?？涤?017年下半年發(fā)布AICloud框架，AICloud由云中心、邊緣域、邊緣節(jié)點三部分構(gòu)成，通過對云端和邊緣資源進行統(tǒng)一配置、管理、調(diào)度，實現(xiàn)從端到中心的邊緣計算＋云計算的結(jié)合，使系統(tǒng)的功能更為強大。

胡揚忠認為：“只談云計算不全面，只談邊緣計算也不全面，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”分解成一個個“小云”。具體來說，邊緣側(cè)重點存儲以及處理終端設(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)重數(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)負責(zé)決定在什么時候、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)的多個領(lǐng)域都有此類需求。以智能交通為例，無論何種場景，安全都是最為重要的因素。如同人類對于危險的“下意識”反應(yīng)一樣，當(dāng)出現(xiàn)突發(fā)災(zāi)害、信號干擾或技術(shù)故障等事故時，云端處理顯然不能滿足及時響應(yīng)的需求，智能依靠邊緣端進行“下意識”反應(yīng)，將危險降低到最小程度。云中心雖不必進行實時處理，但需要對各種事件進行收集、分析、預(yù)測，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“云計算”就相當(dāng)于智能設(shè)備的大腦，處理相對復(fù)雜的進程；而“邊緣計算”就相當(dāng)于智能設(shè)備的神經(jīng)末梢，進行一些“下意識”的反應(yīng)。

結(jié)語：由此可見，云邊融合不僅是對算法結(jié)構(gòu)的優(yōu)化，還可以從本質(zhì)上改善現(xiàn)實困境。值得一提的是，在落地方面，無論是BAT，還是?？荡笕A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。