假日出遊，為什麼顯示有票你卻搶不到？揭秘12306如何保證車票不超賣的關鍵技術！>>>
全球的網際網路科技巨頭與大廠都已經聚焦邊緣計算+AI人工智能市場。比如Google、Intel、高通、英偉達等，國内的有華為、阿裡、百度等等。
在視訊監控領域，邊緣計算的主要優勢之一是能夠使用人工智能（AI）進行進階分析，并可以在攝像頭内部進行深度學習。
首先，“邊緣計算”是什麼意思？
安全的邊緣網絡裝置數量正在增長，它們在我們的安全性中發揮着越來越重要的作用。邊緣計算意味着在連接配接的裝置本身上建立更多的功能，是以資訊處理能力應盡可能地靠近“資料源”。
對于視訊監控網絡，這意味着可以對錄影機本身執行更多操作。人工智能（AI），機器學習和深度學習在視訊監控中的作用正在增長，是以我們能夠“教”攝像頭以更加直覺地了解它們實時拍攝和分析的内容。例如，場景中的車輛是汽車，公共汽車還是卡車？是建築物旁的人還是動物？
這些結果将減輕分析資料和制定決策所需的人工負擔。置于邊緣計算的裝置，可以加快響應時間，有可能挽救更多的生命，并提供有價值的見解，進而影響我們的城市和交通系統的未來發展。
據德勤的行業報告預測，至2024年，邊緣人工智能晶片銷量預計将超過——甚至可能遠遠超過——15億片，年銷量增長率将達到至少20%。
我們如何轉變邊緣的視訊監控？
目前，大多數監視錄影機鏡頭的邊緣分析僅表明某物或某人正在移動。 在集中式伺服器上的視訊管理系統（VMS）進行此分析之後，需要人工來準确解釋其含義以及它們是否存在任何威脅或安全風險。
為了了解物體是車輛，人類，動物還是幾乎所有物體，我們可以“訓練”攝像頭系統來檢測和分類物體。
基于基礎的AI智能分析可以識别出車輛。借助智能深度學習層，可以進一步了解更多細節：這是什麼類型的車輛？ 是在會引起潛在安全問題的通行中，還是沒有交通危險？ 這是一輛公共汽車，它出故障了，很可能在人們下車時危及他們的安全？
邊緣分析的好處
邊緣分析的更高準确性-以及區分多種類别對象的能力-降低了誤報率。随之而來的是減少了調查這些誤報的時間和資源。邊緣分析可以更主動地建立更合适、更及時的響應能力。
例如，在邊緣運作AI分析可以識别高速公路上的物體并提醒駕駛員。而深度學習帶來的區分人和車輛的能力不僅可以提醒駕駛員，同時還能警告嚴重程度。如果攝像頭看到道路上有人處于在危險中（交通事故），它們可以自動激活标牌以減慢交通速度并向緊急服務中心發出警報。
邊緣分析将成為未來的發展趨勢，這些趨勢不僅可用于交通管理和規劃，而且還可用于對野生生物行為和保護感興趣的其他機構。能夠區分行人，騎行者，駕駛員，以及商用車等交通類型，還可以提供有價值的趨勢見解，幫助土木工程師規劃未來的智慧城市。
将原始資料轉化為可行的資料分析
邊緣分析的另一個主要優勢是，視訊資料分析是在最接近源的最高品質的視訊素材上進行的。在傳統模型中-當分析是在伺服器上進行時-視訊通常在傳輸之前被壓縮，是以這些資料分析其實是在品質已經下降的視訊中進行的。
此外，在将視訊資料分析集中在伺服器上的情況下，當将更多攝像頭添加到解決方案中時，這将導緻傳輸更多的資料，這也就需要添加更多伺服器來處理資料分析。而在邊緣部署強大的分析能力意味着僅需要通過網絡發送最相關的資訊，進而大大減少了帶寬和存儲的負擔。
雲邊端一體協同
随着視訊監控領域發展，視訊監控與AI、大資料、雲計算、邊緣計算等技術結合的趨勢越來越緊密。以智慧城市為例，視訊監控智能分析EasyCVR，基于針對我國智慧城市安防領域的視訊監控需求，結合雲（雲計算）、邊（邊緣計算）、端（裝置終端），打破傳統的資料孤島，讓三端的資料互相融合，實作對城市全面感覺、智能分析、風險預控、資料共享。
既能滿足智慧城市安防對多元細分場景的智能化應用需求，又能通過計算和資料的邊緣化，降低資料傳輸對網絡的壓力和對資料中心的依賴，極大提升了全網智能化效率。
5G+邊緣計算技術
近年來随着人工智能、VR/AR、高清識别等技術的發展，大規模布設于城市之間的安防監控裝置逐漸變得更加高清化與智能化，而與之伴随的則是海量裝置的聯網接入并産生龐大的資料。