利用视频监控的AI智能分析，可以让视频监控发挥更大的作用，成为管理者辅助决策的重要手段。近几年各种基于视频监控的AI分析算法都有很大的发展，在具体的智慧化项目中，也越来越多的得到了应用，为客户提供了更具有智能化功能的解决方案。

但是由于AI智能分析算法有很多那种部署方式，在一些系统集成项目中，也给用户和集成商一定困扰。章鱼评测给大家简单介绍一下目前主流的几种AI算法部署方式，在项目实施过程中，充分评估，部署最适合项目环境的AI智能分析算法，让智能化项目快速落地，为用户提供更高效的服务。

目前AI智能分析算法主要有三种部署方式，一种是部署在摄像头中的本地计算，一种是部署在用户局域网环境的边缘计算，一种是部署在云端的云计算方式。

众所周知，AI的智能分析需要大量的算力进行实时的分析，同时需要对视频流实时采集。如果针对所有监控进行全面的AI视频分析，计算成本，带宽成本都会较高，并且在真实的项目环境中，并不是所有位置都需要AI智能分析，比如火焰坚持，只需要部署在有可能发生火灾的地方部署即可。这种情况就可以采用AI摄像头本地部署的方式，根据项目特点配置摄像头的数量，为摄像头装载AI算法即可。

这是一种经济和务实的部署方式。项目成本也容易计算。目前很多算法也可以在互联网上进行升级。同时AI摄像头大多支持GB28181，RTSP等协议，可以与视频监控平台对接整合。

AI摄像头接入监控平台

比如思载科技等视频监控平台可以对接AI摄像头，将告警信息以多种方式呈现和联动，可以给智慧平台输出告警信号，视频弹屏联动，视频电话呼叫等操控。部署AI摄像头不必考虑系统的带宽和计算能力，实施比较便捷。

当一个智慧类项目，如智慧社区，智慧连锁，智慧园区等项目，需要使用的算法较多，并且要利用现有视频监控摄像头的资源。这种情况下可以考虑边缘盒子计算的方式，将AI视频分析算法装载在边缘盒子内，在通过边缘盒子实时向现有的视频监控摄像头拉取视频流进行分析。

部署边缘计算盒子

这种部署方式需要边缘盒子具有较高的计算能力，由于AI视频分析的机制，需要将视频解码分析，一般需要较强的GPU能力，加上分析算法成本，整体部署成本较高，并且一般一个边缘盒子也无法处理太多视频接入，市面上大多是8-16个摄像头的接入分析。

在部署边缘盒子时，除了要考虑计算资源问题，还要考虑视频监控摄像头的部署环境的带宽问题。另外目前视频监控拥有很多用途，可能有很多系统需要对视频监控摄像头进行拉流，AI边缘盒子拉流时也要考虑摄像头的压力问题。有很多项目就是各种问题考虑不周，在项目上线后，遇到带宽拥挤，摄像头过载造成监控系统卡顿，AI边缘盒子计算能力过载造成死机等问题。

视频接入网关为AI提供视频流输出

目前在一些大型项目中采用部署专门的视频接入网关对接视频监控系统，再由视频监控网关输出给边缘盒子进行智能分析，视频接入网关同时为其它的融合系统输出视频流，如录像，大屏，智慧页面，融合通信系统等，视频监控系统始终保持最低的拉流工作，确保监控系统安全稳定运行。

部署视频中台为AI提供统一视频接入

当然这种模式在一些大型项目中，也可以采用私有云部署。通过大型集团企业的私有云平台部署计算资源，并可以确保集团内部的视频带宽资源。比如通过部署思载科技的视频大中台，就充分的考虑到本地，边缘和云端计算的综合场景，可以通过视频大中台为AI视频分析统一输出视频流。

目前视频监控的AI分析算法的部署主要是以上三种，应用在各种智慧类业务平台中，对于智慧业务平台的软件开发和集成商，在推广和应标这类项目时，要充分考虑项目的实际情况，选择最适合的AI算法部署方式。