0 引言

    传统的视频安防方案按照监控范围主要分为两种：(1)应用在较小地理范围的园区或社区监控场景，一般在本地通过有线网络或无线Wi-Fi的方式把摄像采集终端采集到的数据回传到本地部署的视频监控分析平台上；(2)应用在统一监控多个公共场馆、社区或园区的场景，一般通过把终端采集设备用有线网络的方式连接到本地的IP路由器设备上后，进一步接入到运营商的数据承载网上(城域网或广域网)，进而接入到某个集中部署的云数据中心内进行视频的存储和处理。

    受限于上述视频安防方案，带来如下难以解决的问题：(1)从安装部署的角度：传统监控部署采用有线方式，存在布线成本高、效率低、耗费大量有线网络资源的同时造成组网方式的不灵活。如果是采用Wi-Fi回传的方式，Wi-Fi稳定性较差，覆盖范围较小，需要补充大量路由节点以保证覆盖和稳定性。另外Wi-Fi属于非授权无线网络资源，在频谱上也会受到较多的信号干扰。(2)从基础网络角度：需要将监控视频通过运营商的承载网和核心网传输至云端服务器进行存储和处理，不仅加重了网络的负载和成本支出，智慧安防应用所需的端到端低时延业务关键指标也难以得到有效的保障。(3)从安防终端设备性能的角度：在传统方案里，摄像采集终端都必须具备较强的数据采集能力，必然存在性价比的问题。

     如图1所示，基于5G+MEC的智慧安防方案^[1]是在传统视频安防行业的通用解决方案基础上，加入边缘计算(Multi-Access Edge Computing)节点，主要包括：5G的用户面网元(UPF)、边缘计算业务平台(Multi-Access Edge Computing Platform，MEP)和智能监控应用。具体工作流程是：客户现场侧的视频终端设备通过5G无线网络接入到边缘计算平台上的5G UPF设备，终端设备通过多种网络协议与物联网网关设备连接，在该平台上实现视频前端感知、视频数据的采样与压缩，进一步通过5G UPF设备把采样和压缩后的视频数据通过5G回传网传输到远端的云计算数据中心内进行存储。在云计算数据中心内，这些业务视频数据通过部署的大数据与人工智能平台，对视频帧进行标记和人工智能模型训练。然后基于这些训练模型封装成为智能监控应用，最后把应用推送部署到边缘计算节点上的MEP上^[2]。从这时候开始，来自视频采集终端的视频业务流直接与智能监控应用交互，该应用会对视频业务流进行分析研判和预测预警等业务操作，最终实现边缘实时的智能监控能力。

    上述方案虽然加入了5G、云计算、大数据和人工智能的能力解决了传统安防方案中存在的大部分问题，但在实际部署中依然存在如下的问题：

    (1)5G与云网基础设施融合与协同：为了实现5G能力开放、部署灵活性以及网元功能的逻辑切片，5G核心网采纳了许多云计算中以容器为代表的虚拟化技术，例如5G UPF的部署形态之一就是基于x86虚拟机，更多的AMF、SMF组件更是基于容器来部署的。按照图1方案，需要5G综合网管系统在边缘计算节点和云计算节点内创建5G UPF网元，同时完成5G无线网络到边缘计算节点UPF之间和边缘计算节点与云计算节点之间的业务配置。这些5G网元的生命周期管理和业务配置都需要5G基础设施与分布在边缘计算和云计算节点的云网基础设施进行管理面和业务面上的融合与协同，从而实现大量终端设备与边缘计算平台之间的低时延、高可靠和灵活的边缘组网方案。

    (2)云边能力交互与协同：云数据中心的大数据平台、深度学习平台和边缘计算平台需要具备云边协同的能力^[3]，以满足智慧安防应用所需的云计算节点人工智能模型训练、云边节点之间的应用交付、边缘端智能推理应用的能力迭代等技术要求。根据文献^[4]的分析，云边协同可以分为三方面的协同：①资源的协同；②数据协同、智能协同、应用管理协同、业务管理协同；③服务的协同。

    本文提出一种旨在解决云边能力协同的数字化PaaS平台来解决上述的云边能力协同的问题。该数字化PaaS平台位于多种云计算和边缘计算IaaS资源层和多场景SaaS应用之间。该平台可以在多种云网融合基础设施之上，为智能安防应用提供云边协同的业务数据收集与存储、基于业务数据的人工智能模型训练、云边之间智能应用的交付等能力。该数字化PaaS赋能平台将极大地增强企业的数字化转型能力，它不仅考虑了企业用云形式由单云向边缘云、混合云、多云转变的趋势，同时考虑了企业对于新兴技术，包括人工智能、大数据等专业领域的支持能力，可以很好地满足需要云边协同的智慧安防场景的业务诉求。

论文详细内容请下载http://www.chinaaet.com/resource/share/2000002832

作者信息:

王旭亮，武宇亭，任宏丹

(中国电信股份有限公司北京研究院，北京102209)