浅述边缘计算场景下的云边端协同融合架构的应用场景示例

云计算正在向一种更加全局化的分布式节点组合形态进阶，而边缘计算是云计算能力向边缘侧分布式拓展的新触角。随着城市建设进程加快，海量设备产生的数据，若上传到云端进行处理，会对云端造成巨大压力。如果利用边缘计算来让云端的能力下沉，则可以很好地解决海量数据的处理问题，让云端的数据处理压力得到有效地分摊。

对于边缘AI总体来说，核心诉求是高性能、低成本、高灵活性。以TSINGSEE青犀边缘计算AI智能分析网关为例，它的主要特点如下：

1）算力：支持高达17.6T的INT8峰值算力或2.2T的FP32高精度算力；

2）性能：支持高达16路1080P高清视频全流程处理，支持32路全高清视频硬件解码与2路编码；

3）算法：支持人/车/非/物识别、视频结构化、轨迹行为分析等多种算法移植；

4）场景：支持智慧园区/安防/工控/商业等多领域多场景灵活部署；

5）接口：支持USB、HDMI、RS-485、RS-232、SATA、自定义I/O等多种接口；

6）移植：支持Caffe/TensorFlow/PyTorch/MXNet/Paddle Lite等主流深度学习框架；

7）云边协同：支持Docker容器化、Kubernetes扩展管理，支持云端模型更新与设备管理、升级。

经过处理的数据从边缘节点汇聚到中心云，云计算做大数据分析挖掘、数据共享，同时进行算法模型的训练和升级，升级后的算法推送到边缘，使边缘设备更新和升级，完成自主学习闭环。TSINGSEE青犀边缘计算AI智能分析网关支持一键部署，及时生效，设备内置了二十多种AI算法，包括人车非结构化分析、人脸识别，行为分析、周界警戒、消防警戒等，能对视频中的人、车、物、行为等进行追踪与识别、上报识别结果，可应用在能源矿场、工厂、工地、危化行业、消防、电力、工业园区、校园安全等领域与场景中。

在场景应用中，通过将现场监控设备采集的数据经AI边缘智能分析后，分析结果统一汇聚至EasyCVR视频融合平台，并进行数据分析与统计的可视化结果展示，快速构建基于AI视频识别技术的大数据智能分析与安全风险预警平台，并能对常见的各类安全规范及行为进行监测与管控，如穿戴规范、在岗状态、危险行为、周界异常、作业区域环境异常（明火、烟雾）等，满足基于视频服务的数据感知、远程监控、智能识别、智能分析、智能告警等需求。

边缘智能有望尽可能地将深度学习计算从云端推向边缘，这使得开发各种分布式、低延迟和可靠的智能服务成为可能。与此同时，站在全局角度思考，中心云资源的分配、算力协同与调度等，也需要云边协同的模式进行部署与展开。

EasyCVR系统与AI智能分析网关在项目的部署中，则采取了这种云边端协同的模式，将云计算的能力下沉到边缘侧、设备侧，并通过中心进行统一交付、运维、管控，并且这种模式已经运用在了智慧城市、智慧交通、智慧工厂、智慧工地、智慧校园、智慧社区、智慧景区等领域中。

1）智慧安防：用于社区、楼宇、企业园区等场所的安防监管场景，如：人脸门禁、人员进出、车辆出入、周界防范、危险区域闯入、可疑徘徊等，对周界形成安全布控，弥补传统人工监控模式的效率低下等问题，可提高相关场所的安全管理与风险防范水平。

2）智慧安监：用于企业安全生产监管场景，如：工地、煤矿、危化品、加油站、烟花爆竹、电力等行业，有助于降低企业在生产过程中存在的安全隐患，保障企业安全生产。

3）智慧景区：用于景区、公园等场景，可实时统计监控范围内的游客流量、预警人群拥挤事件、防止危险区域有人员闯入、识别烟火、车辆违停等，可有效消除治安隐患，配合实现人流统计和安防管控。

4）城市管理：基于街面秩序检测、市容环境检测、突发事件检测、施工管理等AI算法模型，能及时发现城市监管中的各种违法违规问题，并能立即触发告警，让执法人员可以及时干预处理，实现城市管理的可感、可视、可管、可控，提升执法人员的工作效率。