近年來，云市場爭奪戰如火如荼。無論是亞馬遜、微軟、Google等國外科技巨頭，還是國內的BAT，都紛紛投入大量資源發展云計算業務，企業上云逐步成為市場共識。但隨著互聯網數據幾何式暴增，云計算傳統架構正在放緩，知名創投調研機構CB Insights發文稱，云計算已不足以即時處理和分析由物聯網設備、聯網汽車和其他數字平臺生成或即將生成的數據。在此背景下，一種新型計算模式興起，這就是邊緣計算。

不同于依靠多個數據中心的云計算，邊緣計算是指在數據源處完成的計算，具有低時延、安全、靈活性強的特點。IT研究兼市場分析機構Gartner認為，邊緣計算將打通人工智能“最后一公里”。

邊緣計算以其安全高效的特點在當下獲得眾多企業和行業關注。作為邊緣計算應用典型之一，安防視頻監控領域不容輕視。如果將云計算看成視頻監控1．0 時代的話，那么邊緣計算則是2．0 時代。

提高監控終端處理和響應速度

視頻監控對算力及其成本有很高要求，隨著圖像識別與硬件技術發展，在視頻監控終端完成智能安防的條件日益成熟，彌補了云計算響應不及時、功耗高的問題，安防行業在實時業務、安全與隱私保護等方面的需要得到滿足，因此被廣泛應用。

相比于傳統視頻監控，邊緣計算＋視頻監控最主要的變化是把被動監控變為主動分析與預警，因而解決了需要人工處理海量監控數據的問題。從本質上看，邊緣計算通過對視頻圖像進行預處理，去除冗余信息，使部分或全部視頻分析遷移到邊緣處，由此降低對云中心計算、存儲和網絡帶寬需求，提高視頻分析速度。此外，邊緣預處理還可以采用軟件優化、硬件加速等方法，提高視頻圖像分析效率。

以人臉識別攝像頭為例，強化攝像頭終端運算處理能力可讓其人臉識別功能不再依賴云端服務器，直接在本地設備上完成辨別，避免耗費時間上傳圖像，節省帶寬資源。

優化數據存儲機制

存儲環節對監控系統智能化程度有直接影響，尤其在當前深度學習技術發展背景下，構建基于行為感知的視頻監控數據彈性存儲機制，實現監控場景行為感知數據處理機制變得越來越重要。

邊緣計算為視頻監控系統提供了具有預處理功能的平臺，以便實時提取和分析視頻中的行為特征，并根據行為特征決策功能調整視頻數據，既減少無效視頻存儲，降低存儲空間，又最大化存儲“事中”證據類視頻數據，增強證據信息可信度，提高視頻數據存儲空間利用率。

結語： 邊緣計算是未來視頻監控中的重要部分，邊緣計算對視頻圖像進行預處理、減少云中心存儲負擔，進一步提升了視頻分析速度。值得一提的是，邊緣計算最終目的不是取代云端，而是通過分布式架構拓展云端邊際，使之更靠近用戶網絡，以滿足對于網絡等待時間、帶寬更高需求的新興應用。