牟思南
在石油石化、电力、金融以及公安等领域，摄像头视频越来越普遍。可以说，安全生产监控和社会面治理都少不了摄像头。
海量的摄像头视频，如果都靠人工处理，不仅效率低，还非常容易疏漏。
所以，传统的做法是，将摄像头采集的视频数据回传，然后用智能分析的手段，在中心端处理。
但是，提到传输带宽和存储成本，你的内心是崩溃的：不断地扩容，成本与日俱增。
随着边缘计算技术的发展，5G边缘计算智能终端，能很好地解决上述痛点。
摄像头视频，不只是“更多了”这么简单
目前，能源等领域的摄像头呈现出四个特点。
点位多：以一个海上油田项目为例，足球场大小的油田生产平台，一般要安装200多个摄像头，并通过物联网技术，源源不断地采集、传输、分析数据。
场景多：安全生产方面，涉及人员入侵、场地烟火、是否佩戴安全帽的数字化监测等；在社会面治理方面，关于人、车、非、脸的识别，也都要用到摄像头。
清晰度要求高：摄像头分辨率已从480P、720P逐渐提升至1080P，甚至有厂家已推出4K分辨率的摄像头。在各个生产环节，对视频质量的要求也越来越高。
保存时长有要求：由于事中监测、事后分析的需要，各行业对视频图像的保持期限具有明确要求。比如，中海油的招标文件就曾明确要求保存90天。根据公安部的相关要求，银行网点的监控视频，存储时间也要提升至90天。
“不压缩”，为什么是无法承受之重？
以分辨率为480P的摄像头为例（分辨率640*480，帧率24fps），录制24小时视频，需要存储空间1.74TB。
如果要存储高清的摄像头视频（分辨率1920*1080，帧率60fps），录制24小时就要29.28TB的容量。
尽管现在的存储价格有所下降，但这种投入对很多企业来说，仍是难以承受的。再结合刚刚提到的四大特点，海量的摄像头视频，给机房存储空间、维护能耗等带来了非常大的挑战。
为什么可以压缩？
摄像头视频其实是一张张照片组成的，如果速度足够快（比如每秒24帧），画面就有了连续性。
数字视频在数字化的时候，采用了帧内和帧间均匀采样，并由RGB三个分量均匀表达采样量化后的数据，所以就有了空间冗余、时间冗余和编码冗余。
就是这三大冗余，让视频压缩成为可能。
压缩后会不会有影响？
大家比较关心的是：摄像头视频是要用来分析的，压缩后会不会带来影响？好问题。
这就要说到当虹科技的5G边缘计算智能终端了。
它最大的特点是超级压缩——
通过对非关键信息（如天空、地面）进行智能超级压缩，可在画质基本不变的前提下，将原本10个G的视频数据压缩至最小1个G，最大可节约90%的传输带宽和90%的存储成本。
而且基本不会影响后面的视频分析。
权威的检验报告显示：超级压缩后的视频，人员检出率100%、人脸相似度97.2%~99.2%。
还能解决另外两个痛点
除了节约90%传输带宽和90%中心平台存储成本，5G边缘计算智能终端还能解决另外两个痛点：
中心平台计算压力大。该终端可以把中心平台的计算压力分散，既能提升数据处理效率，又能大幅节约带宽成本。同时，相对于在中心端进行算力扩容，使用5G边缘计算终端成本更低。
目前，该终端已应用于多场景下的摄像头视频内容AI分析和信息挖掘。比如，针对能源领域特点，搭载安全生产、异常分析等多种AI智能识别算法，如漏油监测、安全帽监测、采油设备状态识别、非法入侵等；在社会面治理领域，搭载人、车、非脸识别算法，全面提升情报分析研判的信息化、智能化水平。由此，让这些摄像头从“看得见”“看得清”向“看得懂”转变。
多厂商、多终端设备难以兼容接入。5G边缘计算智能终端可支持不同类型视频图像数据协议的输入与输出，兼容不同厂商、不同终端采集的视频。同时，可支持多路流媒体的低延时、高稳定、跨网、加密传输。
目前，当虹科技的5G边缘计算智能终端，能为金融、能源、公安、轨交、教育等行业用户提供低成本、智能化的解决方案，让边缘端视频真正“回得来”“存得起”“看得清”和“看得懂”。
编辑 | 齐琛冏
审核 | 牟思南
,
