视频监控技术作为实现“平安城市”和“智慧城市”系统的重要技术手段受到了社会各界的重视。为提高监控系统效率,实现智能监控,面向大规模监控系统的视频计算技术已经成为迫切需求。本文聚焦于大规模视频分析所面临的数据传输瓶颈、计算能力瓶颈以及视频分析算法误报率较高等问题。针对数据传输瓶颈问题,提出一种边缘化视频计算架构,围绕视频数据源部署和分配计算资源,克服传统计算方式需要传输大量视频的问题。通过部署区域计算节点处理区域内的视频数据,部署核心节点实现区域计算节点的统一调度和管理,实现基于区域和视频源的视频计算资源部署和分配模式。计算节点只需将计算后的信息片段发送到核心节点,有效降低通信带宽的消耗。针对计算能力瓶颈问题,提出一种计算资源动态调整策略。针对监控视频价值密度低的特点,提出一种自适应的视频丢帧策略和基于视频重要程度的计算资源分配方法。当计算任务骤增,计算能力不足时,根据丢帧策略选择性丢弃部分摄像头的视频帧,减小其对计算资源的消耗,保证系统稳定的同时使重要计算任务得到充足的计算资源。针对视频计算结果误报率较高的问题,结合视频计算中常用的行人检测算法,提出两种降低误报率的方法:1)基于可信度的自适应行人检测方法。在时间和空间两个维度对行人检测分类器的可信度进行划分,同时引入用户对判断结果的反馈,不断更新可信度,使误报率逐渐降低;2)基于贝叶斯推断的行人检测结果修正方法。使用贝叶斯算法训练历史结果样本集,形成修正分类器,使用修正分类器对检测分类器的识别结果做二次判断。基于以上提出的计算架构与方法,设计实现了面向大规模监控系统的视频计算平台,在多个平安城市系统中得到应用,验证了所提出的架构和方法的可行性、有效性和实用性。