引言

把视频识别能力投向现场，往往不是把模型部署到一台服务器就结束了。摄像机与传感器的接入协议不同，视频流需要持续处理，算法任务还要绑定布防时间、检测区域和告警规则；当现场网络波动或边缘节点资源有限时，控制面和执行面也不能混为一谈。对云边端系统而言，真正需要处理的是设备、视频、模型、任务和通知之间能否形成可运维的数据闭环。

## 方案概览

云边智算平台将物联网设备管理、视频监控接入、AI 算法分析和告警联动放入统一的平台职责中。它由 WEB、DEVICE、VIDEO、AI、TASK 五个子系统构成：WEB 负责管理控制台，DEVICE 承担设备网关与物联网服务，VIDEO 负责流媒体与算法任务，AI 处理模型训练、推理和数据集管理，TASK 用于 C++ 高性能任务处理。控制端集中管理设备、视频流和算法任务，边缘侧则可以按需拆分模块运行。

项目采用 MIT 开源许可证发布，支持商业化使用，并允许在遵守许可证条款的前提下进行修改、分发与二次开发。

## 系统架构

云边智算平台的前端管理层基于 Vue 3、TypeScript、Vite 与 Ant Design Vue 构建，承担设备、视频、模型和运维界面的统一操作入口。后端的 DEVICE 模块采用 Java 21、Spring Boot 和 Spring Cloud Gateway，形成设备管理、物模型、规则引擎、通知与 OTA 等服务能力；这使设备接入与面向用户的控制台能够保持清晰的服务边界。

VIDEO 与 AI 模块构成面向视觉任务的执行层。视频服务处理摄像机发现、视频流接入、预览、转发、抓拍、录像和回放，算法服务负责任务所需模型、数据集、训练与推理能力。两者之间以任务为连接点：实时任务可绑定 RTSP 或 RTMP 流，抓拍任务可按图像处理方式运行，并通过检测区域和布防时段限定有效的分析范围。TASK 模块使用 C++ 承接编解码和密集计算任务，让对性能敏感的处理与业务服务分层。

在中间件层，平台组合 PostgreSQL、Redis、Kafka、MinIO、Nacos、TDengine、SRS 与 ZLMediaKit 等组件，并通过 Docker 与 Docker Compose 组织部署。这样的结构将业务服务、流媒体服务和运行依赖拆开管理，便于在环境建设时分别处理持久化、缓存、消息、对象存储、服务配置和视频传输等需求。

## 关键实现

### 多协议接入与视频流管理

云边智算平台支持 GB28181、ONVIF、RTSP、RTMP 等视频接入方式，可用于 NVR 扫描、摄像机登记和流媒体转发。设备侧还支持 MQTT、TCP、HTTP 等接入通道，并以产品与物模型组织网关和子设备。视频与物联网两条接入链路在告警与规则环节汇合，使现场事件既可以来自视觉分析，也可以来自设备状态或采集数据。

### 模型任务与告警闭环

平台内置安全帽、反光衣、睡岗、火焰、吸烟、口罩、跌倒、人脸、车牌和道路积水等视觉模型，并支持 YOLO 系列目标检测、ONNX Runtime 和自定义模型接入。模型能力并不直接替代业务规则，而是先以算法任务绑定输入流、检测范围和运行时段，再把识别事件交给规则与通知链路。云边智算平台可对接飞书、钉钉、企业微信、邮件、短信和 Webhook，使识别结果能进入既有的值守、工单或处置流程；相关录像与回放能力也便于针对告警进行追溯。

### 设备状态、规则与远程更新

DEVICE 模块中的物模型、设备影子、规则引擎与 OTA 更新组成了设备侧的状态管理路径。物模型用于描述产品能力和数据结构，设备影子用于维护设备状态的同步视图，规则引擎将设备或算法事件转化为处理动作，OTA 则用于组织远程升级。在这一设计下，视觉任务和非视觉设备可以共用事件触发与通知机制，而不必在不同控制台之间手工转发状态。

## 部署与安全

云边智算平台可在 Windows Docker Desktop 环境或 Linux 服务器部署，生产环境更适合采用 Linux 服务器。Windows 侧需要启用 WSL2 后端；部署时应预留容器镜像、视频存储与中间件运行所需的内存和磁盘空间。涉及模型训练或推理时，可根据任务配置 NVIDIA GPU。面向资源受限现场，RK3588 等 ARM 平台可按需运行拆分后的边缘模块，而无需将全部服务放在同一节点。

生产部署需要把默认管理员凭据修改为独立的强口令，并对管理接口、摄像机网络和中间件服务实施网络隔离。视频画面、人员识别结果和设备运行状态可能涉及隐私与生产数据，应明确采集授权、访问权限、告警接收人和录像留存周期。模型更新、容器重建和 OTA 发布也应纳入变更流程，先在与生产接近的环境验证视频流、规则触发、通知和回放链路，再分批进入现场节点。

## 结语

云边智算平台的重点不只是提供单一视觉模型，而是让设备接入、视频流、算法任务、规则告警和录像追溯沿同一链路协作。对于需要同时处理安防视频、工业安全识别、交通监测和物联网设备的场景，这种模块化分层有助于把云端管控与边缘执行分开规划。实际落地时，仍应以摄像机协议、边缘算力、网络条件、数据留存与既有系统接口为边界，逐项验证任务运行和告警处置流程。


把视频识别能力投向现场，往往不是把模型部署到一台服务器就结束了。摄像机与传感器的接入协议不同，视频流需要持续处理，算法任务还要绑定布防时间、检测区域和告警规则；当现场网络波动或边缘节点资源有限时，控制面和执行面也不能混为一谈。对云边端系统而言，真正需要处理的是设备、视频、模型、任务和通知之间能否形成可运维的数据闭环。

云边端智能算法应用开源软件：云边智算平台的云边端协同与视频 AI 任务架构

文章解析云边智算平台的 WEB、DEVICE、VIDEO、AI、TASK 分层，说明视频与物联网接入、算法任务、规则告警、边缘部署及生产安全边界。正文未使用未经确认的实测数据。

人工智能

物联网

云计算

云边智算平台整合物联网设备管理、视频监控接入与AI算法分析，支持GB28181/RTSP等多协议接入，内置安全帽检测、人脸识别等视觉模型。采用Vue3+Java21+C++分层架构，通过Docker部署，实现云端管控与边缘执行分离，提供设备状态管理、规则告警联动及录像追溯能力，适用于安防、工业等场景的智能视频分析需求。

2026上云采购 | AI焕新·智启新局

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

云边端智能算法应用开源软件：云边智算平台的云边端协同与视频 AI 任务架构-腾讯云开发者社区-腾讯云

云边端智能算法应用开源软件：云边智算平台的云边端协同与视频 AI 任务架构

云边端智能算法应用开源软件：云边智算平台的云边端协同与视频 AI 任务架构

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐