日新月異的AI技術(shù)，為我們展現(xiàn)了智能視頻網(wǎng)的新篇章。
　　從大數(shù)據(jù)構(gòu)成占比看，非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)三者約為7:2:1。其中，視頻的非結(jié)構(gòu)化數(shù)據(jù)不僅體量大，而且數(shù)據(jù)形式和處理方式與其他數(shù)據(jù)也存在很大差異。如何解決這種差異化帶來的應(yīng)用困境?
　　�？低�視認(rèn)為，云邊融合的智能視頻網(wǎng)，可以發(fā)揮其獨(dú)有優(yōu)勢(shì)。
　　視頻感知不能沒有邊緣計(jì)算
　　業(yè)界和研究機(jī)構(gòu)熱衷的邊緣計(jì)算、智能前置是構(gòu)建智能視頻網(wǎng)的重要組成部分。
　　通過視頻前端的目標(biāo)分類、屬性提取、無損建模，讓智能分析更精準(zhǔn)、更快捷，現(xiàn)場可獲得敏捷響應(yīng)與智能控制，實(shí)現(xiàn)精確感知，且減輕傳輸和后臺(tái)的計(jì)算壓力，例如：智能識(shí)別的門禁道閘系統(tǒng)，智能人臉抓拍攝像機(jī)等。內(nèi)置集成智能芯片將有力支持邊緣計(jì)算的實(shí)現(xiàn)，使前端攝像機(jī)的存算能力更強(qiáng)、建網(wǎng)結(jié)構(gòu)更簡單、性能表現(xiàn)更可靠，并保障原始數(shù)據(jù)不丟失。另外，邊緣計(jì)算不受限于機(jī)房等條件限制，成本上也大大低于上云計(jì)算。
　　毋庸置疑，要實(shí)現(xiàn)全網(wǎng)智能，不能沒有邊緣計(jì)算和智能前置。
　　視頻認(rèn)知不能只靠“云中心”

視頻數(shù)據(jù)的特殊性，決定了構(gòu)建智能視頻網(wǎng)不能采取所有數(shù)據(jù)都上“云中心”的方式。大體量、數(shù)據(jù)復(fù)雜多樣的視頻網(wǎng)絡(luò)中，如果將所有視頻流全部集中匯聚到云中心存儲(chǔ)再結(jié)構(gòu)化處理，無論從傳輸、計(jì)算、存儲(chǔ)還是應(yīng)用上看，都不現(xiàn)實(shí)、不經(jīng)濟(jì)、不科學(xué)，極易造成高延時(shí)、高負(fù)荷、高能耗、低效率的后果。一個(gè)彈性而健康的智能視頻網(wǎng)，應(yīng)該是云邊融合的“云中心-邊緣域-邊緣節(jié)點(diǎn)”模式，即�？低�視AI Cloud 架構(gòu)(如下圖所示)。
　　邊緣節(jié)點(diǎn)是智能視頻網(wǎng)主要感知層，既是對(duì)目標(biāo)和事件的分類、屬性的精準(zhǔn)感知和特征提取的起點(diǎn)，也是業(yè)務(wù)處理敏捷反應(yīng)的執(zhí)行點(diǎn)。邊緣節(jié)點(diǎn)和邊緣域組成具有自治并有彈性能力的邊緣計(jì)算，對(duì)已建的非智能的高清攝像機(jī)，可就近在邊緣域進(jìn)行智能計(jì)算實(shí)現(xiàn)智能化。邊緣域和云中心協(xié)同，實(shí)現(xiàn)跨時(shí)空的大數(shù)據(jù)融合關(guān)聯(lián)、邏輯推理、價(jià)值挖掘等應(yīng)用分析。
　　智能視頻網(wǎng)，尤其在平安城市、城市交通管理等涉及大量視頻智能應(yīng)用的領(lǐng)域，應(yīng)依據(jù)業(yè)務(wù)的復(fù)雜程度、響應(yīng)的時(shí)效要求、網(wǎng)絡(luò)的承載能力等因素，圍繞用戶自身的治理架構(gòu)，按“數(shù)據(jù)按需匯聚，計(jì)算分層實(shí)施，應(yīng)用分級(jí)響應(yīng)”思路，合理靈活地進(jìn)行系統(tǒng)設(shè)計(jì)。
　　云邊融合的智能視頻網(wǎng)
　　數(shù)據(jù)按需匯聚：因需而存，誰用誰存
　　無論是公安行業(yè)，還是政府其他行業(yè)，時(shí)效性都是第一要?jiǎng)?wù)，低成本、高效率是視頻網(wǎng)建設(shè)的重要原則之一。
　　邊緣域靠近邊緣節(jié)點(diǎn)，是承接視頻智能感知的主要功能區(qū)域，也是實(shí)戰(zhàn)應(yīng)用最旺盛、最活躍、最講究時(shí)效的區(qū)域，要求實(shí)現(xiàn)較高的人機(jī)共判效率。以公安系統(tǒng)為例，從省、市、區(qū)縣三級(jí)應(yīng)用看，目前視頻警務(wù)的大量應(yīng)用在區(qū)縣級(jí)，偵查破案中的嫌疑車輛排查、人員軌跡追蹤、人臉識(shí)別、治安防控等，都須以“快”為原則。大量實(shí)踐證明，“因需而存，誰用誰存”能更好更快滿足業(yè)務(wù)應(yīng)用需求。
　　計(jì)算分層實(shí)施：業(yè)務(wù)之需，分層計(jì)算
　　針對(duì)不同的業(yè)務(wù)需求進(jìn)行分層計(jì)算處理，下一層計(jì)算為上一層計(jì)算提供依據(jù)，上一層計(jì)算為下一層計(jì)算提供精確服務(wù)。通過分布式計(jì)算和并行協(xié)同處理提高運(yùn)算效率，有效利用、合理配置計(jì)算資源，達(dá)到智能分析結(jié)果輸出更精準(zhǔn)、實(shí)際應(yīng)用更快捷的目的。
　　前端攝像機(jī)的邊緣計(jì)算，主要進(jìn)行目標(biāo)辨識(shí)和屬性提取等結(jié)構(gòu)化計(jì)算，為后端的檢索、比對(duì)和分析提供條件;邊緣域既為邊緣側(cè)的業(yè)務(wù)響應(yīng)提供服務(wù)，也為云中心的大數(shù)據(jù)分析創(chuàng)造條件;云中心則側(cè)重多維大數(shù)據(jù)融合(如視頻數(shù)據(jù)、物聯(lián)網(wǎng)數(shù)據(jù)、常規(guī)業(yè)務(wù)數(shù)據(jù)等)，提供基于大數(shù)據(jù)的邏輯推理、關(guān)聯(lián)分析等智能認(rèn)知應(yīng)用和彈性分配的存算能力，滿足“預(yù)測(cè)、預(yù)警、預(yù)防”需求。
　　應(yīng)用分級(jí)響應(yīng)：依據(jù)職責(zé)，分級(jí)展開
　　我國的行政區(qū)劃和政府職能，決定了不同層級(jí)不同部門的不同應(yīng)用深度和廣度。如上所述，數(shù)據(jù)的匯聚和計(jì)算，旨在滿足不同層級(jí)的應(yīng)用內(nèi)容和快速響應(yīng)需求。還是以平安城市、城市交通管理舉例，兩者的智能視頻應(yīng)用均涉及省、市、區(qū)縣、基層等多層機(jī)構(gòu)，面對(duì)復(fù)雜的業(yè)務(wù)系統(tǒng)，分級(jí)響應(yīng)既是現(xiàn)實(shí)業(yè)務(wù)的應(yīng)用需要，也是實(shí)際遵循的工作原則。比如，視頻警務(wù)應(yīng)用可依據(jù)不同職責(zé)滿足不同部門不同警種的業(yè)務(wù)協(xié)同，分級(jí)展開實(shí)施視頻巡防、接出警、治安防控、犯罪偵查等工作;再比如，城市管理可依據(jù)不同部門的業(yè)務(wù)要求，滿足跨部門聯(lián)合執(zhí)法、交通管理、社區(qū)管理、公共服務(wù)等需要。
　　隨著大數(shù)據(jù)分析應(yīng)用的不斷深化，各級(jí)應(yīng)用的任務(wù)分配更趨向智能。目前，一些省市級(jí)公安機(jī)關(guān)基于視頻的業(yè)務(wù)，已不僅限于管理，而是憑借大數(shù)據(jù)分析，拓展到跨地區(qū)的串并案件、目標(biāo)追蹤布控、可視化指揮等業(yè)務(wù)。
　　為實(shí)現(xiàn)AI Cloud架構(gòu)的部署與落地，�？低�視推出HacStack、HacDataX、HacMaster等系列產(chǎn)品，滿足智能算法倉庫、計(jì)算存儲(chǔ)資源池、大數(shù)據(jù)資源池、物聯(lián)智能應(yīng)用等能力，同時(shí)提供豐富多樣的視頻專用智能前端產(chǎn)品，提供開放的API/SDK接口供第三方集成。不斷增加的各行業(yè)應(yīng)用案例，逐漸證實(shí)�？低�視AI Cloud架構(gòu)是一套有效滿足視頻智能化發(fā)展的可靠系統(tǒng)。云邊融合的智能視頻網(wǎng)，讓我們一起 “見遠(yuǎn)，行更遠(yuǎn)”。