近些年，物联网前端设备呈现爆发式增长，随而产生的数据也呈现几何式增长。据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；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。前端终端设备上产生的海量数据在提供商业价值的同时，也对数据处理提出挑战。

　　前端设备持续增加以及海量数据的增加，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，例如在无人驾驶汽车上的传感器和摄像头实时捕捉的路况信息，每秒大约有1GB的数据，所以在接近数据源的前端设备上执行部分计算是适应万物互联应用需求的新兴计算模式--边缘计算应运而生。

　　边缘计算分担了部署在云端的部分计算能力，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时代下多场景应用不再受限于网络带宽传输能力。在万物互联的背景之下融合边缘计算和视频监控技术，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，成为安防领域一直提倡的"事前预警、事中制止、事后复核"对视频监控系统前端摄像头智能处理能力提出的更高要求。

　　

　　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。

　　在边缘计算中，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。

　　视频监控摄像头作为物联网前端设备应用边缘计算最具有代表性。传统视频监控系统前端摄像头内置计算能力较低，致使视频监控系统的智能处理能力不足，以云端计算进行智能分析又具有延迟性，无法保证实时预警。

　　融合边缘计算的视频监控技术，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。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，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。

　　截至当前，除了目前在城市视频监控领域，边缘计算已经在智慧照明、电梯联网、智能制造、智能抄表、能效管理等领域得到了应用,帮助客户提高公共基础设施的使用效率、降低故障率,保障公共安全,助力智慧城市建设。