近年来，云市场争夺战如火如荼。无论是亚马逊、微软、Google等国外科技巨头，还是国内的BAT，都纷纷投入大量资源发展云计算业务，企业上云逐步成为市场共识。但随着互联网数据几何式暴增，云计算传统架构正在放缓，知名创投调研机构CB Insights发文称，云计算已不足以即时处理和分析由物联网设备、联网汽车和其他数字平台生成或即将生成的数据。在此背景下，一种新型计算模式兴起，这就是边缘计算。
不同于依靠多个数据中心的云计算，边缘计算是指在数据源处完成的计算，具有低时延、安全、灵活性强的特点。IT研究兼市场分析机构Gartner认为，边缘计算将打通人工智能“最后一公里”。
边缘计算以其安全高效的特点在当下获得众多企业和行业关注。作为边缘计算应用典型之一，安防视频监控领域不容轻视。如果将云计算看成视频监控1．0 时代的话，那么边缘计算则是2．0 时代。
提高监控终端处理和响应速度
视频监控对算力及其成本有很高要求，随着图像识别与硬件技术发展，在视频监控终端完成智能安防的条件日益成熟，弥补了云计算响应不及时、功耗高的问题，安防行业在实时业务、安全与隐私保护等方面的需要得到满足，因此被广泛应用。
相比于传统视频监控，边缘计算＋视频监控最主要的变化是把被动监控变为主动分析与预警，因而解决了需要人工处理海量监控数据的问题。从本质上看，边缘计算通过对视频图像进行预处理，去除冗余信息，使部分或全部视频分析迁移到边缘处，由此降低对云中心计算、存储和网络带宽需求，提高视频分析速度。此外，边缘预处理还可以采用软件优化、硬件加速等方法，提高视频图像分析效率。
以人脸识别摄像头为例，强化摄像头终端运算处理能力可让其人脸识别功能不再依赖云端服务器，直接在本地设备上完成辨别，避免耗费时间上传图像，节省带宽资源。
优化数据存储机制
存储环节对监控系统智能化程度有直接影响，尤其在当前深度学习技术发展背景下，构建基于行为感知的视频监控数据弹性存储机制，实现监控场景行为感知数据处理机制变得越来越重要。
边缘计算为视频监控系统提供了具有预处理功能的平台，以便实时提取和分析视频中的行为特征，并根据行为特征决策功能调整视频数据，既减少无效视频存储，降低存储空间，又最大化存储“事中”证据类视频数据，增强证据信息可信度，提高视频数据存储空间利用率。
结语： 边缘计算是未来视频监控中的重要部分，边缘计算对视频图像进行预处理、减少云中心存储负担，进一步提升了视频分析速度。值得一提的是，边缘计算最终目的不是取代云端，而是通过分布式架构拓展云端边际，使之更靠近用户网络，以满足对于网络等待时间、带宽更高需求的新兴应用。
