您可能听说过视频监控领域的“边缘分析”。简而言之，它是指在网络“边缘”（即摄像机本身）对视频进行分析。我的同事Andres Vigren最新发布的一篇帖文对此做了很好的介绍。

任何新技术都有可能蕴涵着巨大的发展潜力，因此安防行业对待边缘分析就如众星捧月一般。考虑到边缘分析相较于服务器分析的优势，这种追捧也就不足为奇了。

在网络边缘的摄像机上进行分析，意味着仅需将有价值的数据传输给操作人员。相反，在服务器上进行分析，则要求将摄像机上的所有数据都传输至数据中心进行分析，因此对于成本高昂的带宽的需求必将大大增加。其次，在尽量靠近数据源头的摄像机上分析视频，意味着查看的图像具有最高的质量，而先压缩再传输会导致图像质量下降（讽刺的是，压缩的目的是为了降低带宽需求）。

然而，追捧新的技术术语存在一定的风险：流行语容易被过度使用，甚至被滥用，导致人们对它的理解有限或者出现偏差。从某种程度上讲，边缘分析就是如此。理解出现偏差谈不上，但理解有限是肯定的。

流行语很容易被视为炒作，这也是一种风险。人们对于自己认为是过度推广的东西会保持高度的警惕性，这有可能影响到新技术的采用。

尽管有可能被认为是进一步推动炒作，但我仍然坚信边缘分析极具变革性，不过其原因超越了目前大家正在讨论的许多用例。而且我还认为，即便有些企业目前还没有找到有说服力的理由来考虑投资于配备边缘分析功能的视频监控摄像机，但是早日采取行动有助于确保投资项目满足未来需求。

现在大家对于边缘分析的理解与它将来的潜力

基于深度学习的边缘分析的核心是更加准确的对象识别。

以交通管理为例（本文将会有比较全面的诠释），传统分析的问题之一是误报太多，例如：摄像机将路上的水坑或阴影误认为是车辆而发出警报。

边缘分析的准确性则比较高，不仅可以大大降低这种风险，而且还可以走得更远。边缘分析能够区分不同类型的对象。同样是在路上，卡车、客车、小汽车和摩托车都可以分辨出来，从而大大提高交通管理的效率，并开启新的机遇。

尽管这样的应用非常有益，但它们只能算是触及了边缘分析潜力的皮毛。目前的用例仍然主要集中在所谓的“场景分析”上，即：实时查看特定的场景，分析发生的情况，并以警报或自动触发动作（例如：路标警告和交通管制）的方式进行响应。

然而，展望未来，其潜力将体现在边缘分析能够对视频监控录像做什么，这与视频监控录像本身一样重要。

视频监控的数据提取

归根结底，这是一个数据的问题（现如今，数据似乎非常的多……）。

即使是我们行业以外的人，也都熟悉视频监控的传统形式（别的不说，电影和电视节目经常就会出现视频监控的画面）。监控摄像机的实时和/或录制视频一般由操作人员查看。有时他们会定格或放大，以便获得更好的画面。总之他们查看的都是视频信息。

当然，计算机没有眼睛。因此，视频信息要能够被机器查看和分析（无论是在边缘的摄像机上还是在服务器上），就必须转换为数据。这就涉及到数据提取，也就是说将全部数据予以简化。配备边缘分析功能的监控摄像机不是像我们一样识别汽车，而是将汽车的基本特征作为数据进行理解。

边缘分析不仅可以将视频信息转换为数据（在场景分析中大量使用），而且还可以创建元数据。

本质上，元数据是关于数据的数据（请耐心听我把话说完）。如果这听起来令人困惑，那么请在阅读下面的示例后您自己也可以试一试。拿起手机并打开您拍摄的某张照片。就像边缘分析一样，您也可以识别图像中的各种对象：房屋，绿色汽车，人。

但是照片还包含元数据（您可以通过单击照片右上方的图标来查看，不过不同的手机可能会有所不同）。根据您的设置，元数据可能会告诉您照片拍摄的时间、日期、地点、摄像机的快门速度，等等。

数据和元数据结合起来使用，可以大幅提高海量信息分析的效率。再来一个复杂一点的例子，我的手机上有成千上万张照片，要查找一张特定的照片还真是令人头疼。但是，如果我搜索一张下午在希腊拍摄的包含蓝色小船的照片，那么我可能会很快就可以找到这张假期拍摄的照片。

揭示您不知道自己不知道的东西

边缘分析创建的数据和元数据相结合非常有用，可以帮助分析长期采集的海量信息。这有助于组织机构深入洞察相关区域的情况，我们称之为“他们知道自己不知道的东西”。

举一个简单的例子，“过去一个月小汽车有多少次占用公交专用车道？”，或者“工作日早上7-9点平均有多少人进入这个地铁站？”他们不知道答案，但是他们知道自己寻求的是什么。

这个功能将边缘分析的优势往前推进了一大步，但是，当边缘分析开始提供您不知道自己不知道的东西时，您会发现，原来它最大的价值还是来自于“不知道自己不知道”的领域。

机器，尤其是日益智能化的深度学习机器，非常擅长于识别模式并发现其中的异常。它们分析的数据越多，它们的洞察和预测就会越准确，因此对问题的处理就会越迅速且准确（医疗等领域尤其如此）。

这就是边缘分析在视频监控领域的真正潜力所在。海量数据的分析可以促进模式及其异常的识别，安全保障、服务交付和效率的改善，流程的优化……凡此种种，不一而足。都是一些“不知道自己不知道”的东西。

早期采用者的机遇

其中有些东西看起来像科幻。边缘分析尚处于起步阶段，因此有些人还想等一等，看看事情会如何发展。但是，如上所述，边缘分析的所有（或大部分）价值也许不会立即实现，但将来势必能够实现。

从某种意义上讲，边缘分析对于任何组织机构的潜在优势目前还都属于“不知道自己不知道的东西”。但我知道的是，除非组织机构着手采用边缘分析，否则他们将永远无法获得这些优势。所以，还是尽早采取行动为妙。

进一步了解边缘人工智能和视频监控的机遇，请点击下面的链接。

边缘人工智能