上述技術為智慧視訊監控系統的開發、部署和運作開啟了新的視野。但這取決於視訊監控的開發商和部署者來整合和充分利用這些技術的功能。為此，為您的視訊監控基礎架構設計和實施適當的架構非常重要。現代視訊監控系統架構遵循邊緣/霧運算範式，以更接近現場的方式處理視訊資訊。這使得他們能夠節省頻寬並進行即時安全監控。攝影機部署在網路邊緣，作為能夠捕捉和處理視訊 迴聲資料庫 幀的邊緣節點的一部分。邊緣節點還能夠透過根據已識別的安全環境調整幀速率來實現資料收集智慧。此外，它們還連接到雲端基礎設施，來自多個攝影機的資訊可以在更粗的時間尺度上進行連接、審查和分析。
邊緣/霧運算架構也是支援視訊監控與現有技術融合的理想選擇。物聯網無人機需要與適當的邊緣節點集成，作為行動邊緣運算架構的一部分。即時串流分析必須在邊緣執行，而不是在視訊監控部署的雲端執行。深度學習功能可以部署在邊緣和雲端層。邊緣的深度神經網路可以支援即時提取複雜的安全模式。同時，只有透過在雲端部署深度學習，才能提取由許多邊緣節點（例如，城市範圍的部署）覆蓋的大面積區域的安全模式和知識。一般來說，決定是否應該將某些功能放在雲端或邊緣是相當具有挑戰性的。相關決策通常與權衡的解決有關（例如，某些監視功能的處理速度與處理準確性）。
視訊監控系統可以受益於來自多個硬體供應商的開放式架構。這是因為監控解決方案可以包含不同的視訊擷取設備和模式（例如高清攝影機、有線和無線攝影機、無人機/無人機中的攝影機等）。開放式架構可以提供靈活性、部署的簡易性和技術壽命。最近，人們致力於引入開放的、基於標準的邊緣/霧運算架構，以將視訊監控作為霧運算的主要用途之一。