人人智能，边缘计算+视频监控技术

边缘计算分担了部署在云端源站的部分计算能力，降低物联网高频、碎片计算、传输和回源带来的延时、拥塞等问题，使AI时代下的“数字商业与数字世界、增强与混合现实、机器学习”等重度应用不再受限于网络带宽传输能力，助力万物互联走进生活。

在万物互联的背景之下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。亿欧智库近日调研访谈的人人智能，携手ARM专注做人脸机芯。

一、背景——从集中式数据处理时代到万物互联为核心的边缘计算时代；

云计算大多采用集中式管理的方法，这使云服务创造出较高的经济效益，而在万物互联的背景下，边缘设备产生大量实时数据，云计算性能正逐渐达到瓶颈(边缘计算在下文第二部分会有详细解释)。

一方面边缘设备的数据量的增加。思科全球云指数GCI预测，到了2020年存储数据总量将从2015年的1.4ZB增加至6.2ZB，2020年6.2ZB数据中有84%存储在客户端设备上；思科可视化网络指数VNI预测，到了2020年，连接到IP网络的设备数量将接近全球人口数量的三倍，到了2020年，人均网络设备数量将由2015年的2.2部增长达到3.4部，人均IP流量也从2015年的10GB增长至25GB；

另一方面新兴万物互联应用对延迟时间的要求，诸如——装载在无人驾驶汽车上的传感器和摄像头实时捕捉路况信息，每秒产生约1GB数据，据麦肯锡预测，到2030年，L4级别的自动驾驶汽车市场规模将达到5500万辆至6000万辆，如何实现短延时将成为无人车上路前的主要研究方向之一。

边缘设备的数据量的增加，网络带宽正逐渐成为云计算的另一瓶颈，然而仅靠提高网络带宽并不能满足万物互联应用对延迟时间的要求，所以在接近数据源的边缘设备上执行部分或全部计算是适应万物互联应用需求的新兴计算模式。

二、概念——何谓边缘计算(Edgecomputing)？

边缘计算中的“边缘”是个相对概念，指从数据源到云计算中心数据路径之间的任意计算资源和网络资源。边缘计算的“边缘”不限制在边缘服务器这样的边缘节点，还包括网络边缘的摄像头、智能手机、网关、可穿戴的计算设备和传感器等设备。

边缘计算的基本理念指利用边缘设备已有的计算能力，将应用服务程序的全部或部分计算任务从云中心迁移到边缘设备终端执行，降低能源消耗。

传统云计算模型和边缘计算模型

1

如上图左所示为传统云计算模型，数据消费者向云中心发送请求，数据生产者将源数据发送至云端，云计算利用大量计算资源来处理数据。

如上图右为基于双向计算流的边缘计算模型，云计算中心不仅从数据库收集数据，也从传感器和智能手机等边缘设备收集数据，这些设备兼顾数据生产者和消费者，因此终端设备和云中心之间的请求传输是双向的。网络边缘设备不仅从云中心请求内容及服务，而且还可以执行部分计算任务，包括数据存储、处理、缓存、设备管理、隐私保护等。

三、应用——边缘计算模型+视频监控技术；

分布在城市各个角落的视频监控摄像头属于万物互联应用中的一支，用来应对新型犯罪及社会管理等公共安全问题。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。为此，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。

四、公司——人人智能；

亿欧智库近日调研访谈的人人智能便是一家基于边缘计算加载视频监控技术的企业，专注做人脸机芯。其机芯芯片的落地，除了人人智能人脸识别算法之外，亦依托于芯片ARM公司的布局。

软银用320亿美金收购的ARM，想让未来所有的设备、硬件都能在ARM的芯片智能技术上运行，为此ARM特地在2017年3月发布下一代的人工智能架构DynamIQ，通过对CPU和系统两方面进行提升，比市面上最好性能的芯片AI能力再提升50倍。“依靠ARM芯片强大的处理能力能够让产品节省80%的成本，研发周期缩短到6~12个月。”